跳到正文
目前篩選:模型
  1. Engadget78

    Anthropic 員工聲稱使用 Claude 證明黎曼猜想

    Anthropic 員工 Levent Alpöge 聲稱與 Claude 合作,花六星期找到黎曼猜想的證明。他以 Lean 呈現研究結果,並稱完整證明超過 250,000 頁。牛津大學數學家 James Maynard 表示,他有 98% 或 99% 把握認為 Alpöge 的發現正確;黎曼猜想是克雷數學研究所的千禧年大獎難題之一,首個正確解答可獲 $1 million。

    推薦理由:報道列出 Alpöge 以 Lean 呈現研究結果、完整證明逾 250,000 頁的説法,並引述牛津數學家對其正確性的 98% 或 99% 把握。

  2. Thinking Machines Lab:News79

    Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型

    Thinking Machines Lab 發佈 Inkling 2 Mini 開放權重模型,採用循環 Transformer 架構,總參數量為 26.4B,記憶體佔用約 20GB。

    推薦理由:Inkling 2 Mini 以循環架構增加每個 token 的內部計算,團隊並以可變循環版本測試其無 CoT 能力及思路可監督性,提供理解兩者關係的實驗觀察。

  1. MiniMax:Blog76

    MiniMax Cyber 將多項理論密碼攻擊轉化為實際攻擊

    MiniMax 研究團隊使用 MiniMax Cyber 對現代密碼方案進行自動密碼分析,找出多項結構缺陷並把理論攻擊轉化為實際攻擊。研究涵蓋 NIST 候選方案、同行評審設計及公開密碼挑戰;在公開挑戰中,Cyber 解出數十個未解實例,較既有最佳求解器快數百至數萬倍。研究聚焦學術設計、過往競賽候選方案及公開挑戰參數,不影響已部署的密碼標準;相關發現已預先告知方案作者。

    推薦理由:文章以可執行攻擊及公開挑戰求解結果呈現 MiniMax Cyber 在多類密碼方案中的密碼分析成果,並提供與既有紀錄的用時及速度比較。

  1. DEV Community77

    GPT-6.2 Astra 與 GPT-6.2 Sol:基準測試及 API 定價比較

    文章比較 GPT-6.2 Astra 與 GPT-6.2 Sol 的基準表現和 API 定價,兩者在 Cognition FrontierCode 2.0 均有 48.2% 通過率。

    推薦理由:文章並列編碼基準、ARC-AGI-3 表現差距與 API 成本,亦提供按驗收任務核算支出的思路。

  2. gihyo.jp84

    Google 發佈 Gemini 4 Neon,基於 Carbon 開發,旨在更快完成複雜任務

    Google 於 2026年11月18日發佈 Gemini 4 Neon,並開始在 Gemini 應用程式及 Gemini API 等服務中陸續提供。

    最新進展11月19日 09:02Gemini 4 Neon 實測:18 項同台基準勝 Opus 5.5 共 16 項

    推薦理由:推理深度設為 high 時,Gemini 4 Neon 與 Carbon 在 Artificial Analysis Intelligence Index 均得 60 分;Neon 每項任務需 14.8 分鐘,Carbon 約 36 分鐘。

  1. Hacker News 熱門(buzzing.cc 中文翻譯)89

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol

    OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向高難度專業項目及日常工作,並以較少輸出 token 處理高要求任務。

    最新進展11月18日 18:18深度實測 GPT-6.2:實力確實強,也確實難用

    推薦理由:文章比較 Astra 與 Sol 在專業工作、日常任務及基準測試中的定位與成本差異,並交代可用範圍和網絡安全防護限制。

  2. DEV Community77

    Gemini 4 Carbon、Gemini 4 Hydrogen 與 Gemini 4 Argon 如何選用(2026)

    這篇 Gemini 4 模型比較建議先從 Hydrogen 開始,只有在它未能通過自訂測試時才考慮改用 Argon 或 Carbon。

    推薦理由:文章並列三款模型的定價、能力定位、限制與工作負載建議,並用月度用量試算成本,呈現選型時價格與任務需求的取捨。

  3. DEV Community78

    Gemini 4 Hydrogen 在綜合指數得分高於 Argon

    Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 的預設 high 思考層級得分為 51,高於 Argon 的 50,xhigh 得分為 54。

    推薦理由:文章把 Gemini 4 Hydrogen 的分項基準、思考層級與任務成本並置,呈現綜合指數背後的工作類型取捨及路由判斷依據。

  4. OpenAI News65

    OpenAI 發佈更新版 Astra for Law,開放 ChatGPT Enterprise 客戶申請

    OpenAI 發佈更新版 Astra for Law,這項基於 GPT‑6.2 Astra 的法律模型配置現可供所有 ChatGPT Enterprise 客戶透過 Trusted Access Program 申請,亦可申請 API 存取。

    推薦理由:材料並列 LAB-AA 與 Vals AI 的基準數據及法律搜尋索引變化,可從任務滿分率和資料覆蓋兩方面瞭解此次更新。

  1. DEV Community76

    Claude Fable 5.2 價格、基準測試及與 Mythos 5.2、Opus 5.5 的比較

    Saurabh Bhayana 的指南整理 Claude Fable 5.2 的定價、Anthropic 公佈的基準測試,以及它與 Mythos 5.2、Opus 5.5 的差異。

    推薦理由:文章比較 Anthropic 的基準與工作成本估算,指出 Fable 5.2 雖然每個 token 收費是 Opus 5.5 的兩倍,部分測試的單項任務成本仍較低。

  1. 新浪科技77

    騰訊混元發佈新一代大語言模型 Hy4

    騰訊混元發佈新一代大語言模型 Hy4,新增視覺理解並首次支援電腦操作(Computer Use),亦提升指令遵循、長文理解及長程智能體能力。Hy4 將於近期開源模型權重並發布模型系統卡片,目前已在騰訊雲Tokenhub、WorkBuddy/CodeBuddy、元寶等產品上線,API 亦接入 OpenRouter、Hermes、OpenCode 等平台。

    最新進展11月16日 13:30騰訊混元發佈 Hy4 flash:224B 總參數、每個 token 激活 12B 參數,單任務成本約為 Hy4 的 5%

    推薦理由:Hy4 的更新涵蓋視覺理解、電腦操作及長程智能體任務,報道亦列出已上線產品與 API 平台,呈現能力擴展及接入情況。

  2. 中華網科技80

    阿里巴巴發佈 Qwen4-Max,單項任務平均費用下降 58%

    阿里巴巴發佈基座大模型 Qwen4-Max,總參數量為 2.4T,並已在千問 AI 平台提供 API 服務。模型具備原生視覺能力、支援百萬上下文;文中稱其單項任務平均費用較上代下降 58%。中小尺寸模型將陸續開源,用戶亦可透過阿里 Token Plan 調用新模型。

    推薦理由:報道列出 Qwen4-Max 相較上代在多項評測、Token 用量及任務費用上的變化,讓讀者可一併對照模型表現與推理成本。

  1. Google DeepMind84

    Google DeepMind 發佈 Gemini 4 Hydrogen

    Google DeepMind 發佈 Gemini 4 Hydrogen,主打日常編碼及智能體工作流程中的快速執行,並即日起在開發者、企業及消費者產品渠道全球推出。

    最新進展11月13日 16:58Google 發佈 Gemini 4 Hydrogen

    推薦理由:文章以 Gemini 3.8 Flash 為對照,列出 Hydrogen 在任務速度、Terminal-Bench 4.1 成績及多項安全指標上的變化,呈現更新涵蓋的能力範圍。

  1. The Decoder79

    Google DeepMind 發佈 Gemini 4 Carbon,登上 Artificial Analysis Intelligence Index 榜首

    Google DeepMind 發佈 Gemini 4 Carbon,在 Artificial Analysis Intelligence Index v5.0 得 59 分,高於 Argon 的 50 分。

    最新進展11月11日 14:19Google Gemini 4 Carbon 正式開放使用

    推薦理由:多個外部基準呈現 Gemini 4 Carbon 相較 Argon 的提升幅度,也揭示它在智能體編碼、知識工作與答題準確度上的不同表現。

  1. Hacker News 熱門(buzzing.cc 中文翻譯)88

    Anthropic 推出 Claude Fable 5.2 和 Claude Mythos 5.2,提升編碼、推理及視覺能力

    Anthropic 升級 Claude Fable 5.2 和 Claude Mythos 5.2,提升編碼、推理及視覺能力,並稱輸出速度較各自的 5.1 版本快至 30%。

    推薦理由:文章把共用底層模型的兩個版本放在同一組基準與應用案例中比較,也交代 Fable 和 Mythos 的安全防護及開放對象差異。

  1. Claude Platform:開發者版本說明78

    Anthropic 推出 Claude Fable 5.2,Claude Mythos 5.2 限已驗證機構使用

    Anthropic 推出 Claude Fable 5.2,面向高要求推理及長期智能體工作;Claude Mythos 5.2 提供相同能力,但只供通過 Anthropic 驗證計劃的機構使用。

    推薦理由:開發者可對照 Claude Fable 5.2 與 Claude Mythos 5.2 的定價、可用平台和 thinking block 相容規則,掌握採用兩款模型時的成本及遷移差異。

  1. DEV Community78

    Anthropic 發佈 Claude Sonnet 4.6,支援 1M token 上下文窗口並維持 Sonnet 定價

    Anthropic 發佈 Claude Sonnet 4.6,定價維持每百萬 token $3/$15,並提供 beta 版 1M token 上下文窗口。Anthropic 的早期測試稱,Claude Code 用戶約有 70% 的時間偏好它而非 Sonnet 4.5,對 Opus 4.5 的偏好率為 59%;作者沒有進行實測。

    推薦理由:文章並列 Anthropic 早期測試的用戶偏好比例、Sonnet 4.6 的定價及 Opus 4.6 的任務定位,呈現日常工作與深度推理的選型差異。

  1. DEV Community79

    Moonshot AI 發佈 Kimi K3.1 Pro,約有 3 trillion parameters,定價約為 GPT-6 Astra 的 1/5,並承諾公開權重

    Moonshot AI 發佈 Kimi K3.1 Pro,這款 Kimi K3 的後訓練升級版約有 3 trillion parameters,並設有 1-million-token 上下文窗口。

    最新進展11月5日 01:46Kimi 發佈 K3.1 Pro

    推薦理由:文章並列基準排名、推理定價與公開權重安排,讓讀者比較 Kimi K3.1 Pro 在能力、成本和可取得性上的定位。

  1. Mistral AI76

    Mistral Large 4(Le Chonk)發佈改進版開放權重

    Mistral AI 發佈改進版 Mistral Large 4(Le Chonk)的開放權重;這款 1-trillion-parameter 原生多模態模型提升了編碼、防禦性網絡安全及推理效率。

    推薦理由:文章把編碼基準成績與 tokens 使用效率並列,並交代開放權重模型的自託管及企業託管服務選項,呈現能力比較與部署方式。

  1. IT之家88

    OpenAI 宣佈 AI 在數學、電腦科學及物理學取得三項研究突破

    OpenAI 宣佈,其 AI 系統在數學、電腦科學及物理學取得三項研究突破,涉及猜想證明、推翻指數時間假設(ETH)及量子場論存在性。數學成果證明所有維度下的局部光滑猜想,並解決掛谷猜想與斯坦因限制猜想;電腦科學成果則提出 ETH 不成立的證明。數學及電腦科學證明已用 Lean 完成形式化驗證並公開,物理學成果涉及千禧年難題中的純楊–米爾斯理論存在性問題,正由專家審查,整體成果仍需學術界獨立確認。

    推薦理由:數學與電腦科學成果已用 Lean 形式化驗證,物理學成果正由專家審查,呈現三項主張目前不同的核驗進度。