跳到正文
目前篩選:模型
  1. 阿里雲開發者社區 AI83

    Gemini 4 Neon 實測:18 項同台基準勝 Opus 5.5 共 16 項

    作者實測 Gemini 4 Neon,稱它在與 Opus 5.5 同台的 18 項基準中勝出 16 項。Artificial Analysis 綜合智能榜中,Neon 的 xhigh 得 61 分,高於 Carbon 的 60 分及 Opus 5.5 的 59 分;預設 high 檔平均每題成本為 $3.74,低於 Opus 5.5 的 $10.04。

    最新進展11月19日 10:05Gemini 4 Neon 基準測試、API 定價與 Orchestrator 工作流分析

    推薦理由:文章結合第三方基準、作者本機任務與單題成本比較,呈現 Gemini 4 Neon 在編碼表現、速度和費用上的差異。

  2. 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。

  3. 虎嗅80

    GPT-6.2 評測:辦公與 3D 有亮點,編程長任務表現不穩

    OpenAI 發佈 GPT-6.2 Astra 和 Sol,文章指出兩款模型表現不一,辦公、Computer Use 和 3D 有亮點,編程長任務則受批評。Artificial Analysis 綜合智能指數中,Astra 得 62 分、排名第二;3D 人類盲測得 1318 Elo、排名第一。

    最新進展11月19日 06:33GPT-6.2 評測:開發者批評 Astra、Sol 的使用問題,OpenAI 提供三段提示詞

    推薦理由:文章將官方基準與多方實測並列,呈現 GPT-6.2 在辦公、Computer Use 和 3D 的亮點,以及長任務編程的持續性問題,對照出各類任務表現不一。

  4. OpenAI News74

    OpenAI 模型改進 Jalapeño、AMD 及 RISC-V 晶片設計

    OpenAI 表示,其模型已用於改進自研 Jalapeño、AMD GPU IP 及開源 RISC-V 核心的晶片設計,並提升 RISC-V 評測中的吞吐量。在 AMD 旗艦 GPU IP 上,相較高度優化基線,PPA 改善最高達 14%;Jalapeño warp engine 和 matrix unit 的標準單元面積則分別減少約 13% 和 10%。

    推薦理由:文章並列量產設計中的 PPA 改善與兩款開源 RISC-V 核心評測,亦交代功能取捨和物理綜合檢查等限制,可對照模型測試分數與實際晶片設計要求。

  1. 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。

  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. DEV Community76

    Gemini 4 Hydrogen 與 Gemini 3.8 Flash:升級是否值得?

    文章比較 Gemini 4 Hydrogen 與 Gemini 3.8 Flash,指出 Artificial Analysis 任務測試中,Hydrogen 在 high 設定下每項完成任務成本為 $1.87、評分指數為 51;Flash 在 high 設定下則為 $7.77 和 31。

    推薦理由:文章比較兩款模型的任務成本與評分,並整理思考層級預設、API 協定支援及長輸出路徑等遷移限制。

  1. DEV Community77

    Gemini 4 Carbon 評測:Google 的主張、獨立結果與早期用戶回饋

    Hamza Ahmad Aslam 評測 Gemini 4 Carbon,對照 Google 的主張、外部實測與早期用戶回饋,指出它在多個獨立排行榜靠前,但未居大多數榜首。

    推薦理由:文章分開整理 Google 自行測試、外部排行榜與早期用戶回饋,呈現 Carbon 在排名、速度、幻覺率及使用成本上的取捨。

  2. DEV Community76

    Claude Fable 5.2 與 Opus 5.5 比較:應該如何選擇?

    Claude Fable 5.2 與 Opus 5.5 的選用建議是,一般工作使用 Opus 5.5,較艱鉅的長程、多步驟任務才改用 Fable 5.2。

    推薦理由:文章並列兩款模型的價格、基準表現與 Claude Code 切換方法,提供按任務難度分配模型的具體選用框架。

  1. 阿里雲開發者社區 AI77

    Claude Fable 5.2 首發實測:前端審美出色,三個項目花費逾 500 元

    作者在 Cursor 中讓 Claude Fable 5.2 無人工幹預完成三個純前端項目,認為其審美出色,但與 Claude Opus 5.5 相比提升不明顯,工作速度亦未見改善。

    推薦理由:三個純前端項目的實測呈現 Claude Fable 5.2 的視覺表現、修正耗時與實際花費,並提供與 Opus 5.5 的比較。

  1. DEV Community76

    LongCat-2.5、Kimi K3.1 Pro 與 DeepSeek V4.1-Flash-1017 比較價格、基準及授權

    ToolPilot Pro 比較 LongCat-2.5、Kimi K3.1 Pro 與 DeepSeek V4.1-Flash-1017 的 API 價格、基準成績、權重取得和授權條款,並按成本、自託管、能力及長程智能體任務整理適用場景。

    推薦理由:文章把三款模型的價格、權重取得方式與授權條款放在同一框架,並標明基準來自不同廠商,方便按成本、自託管及長程智能體任務比較取捨。

  2. 新浪科技79

    OpenAI Images 2.6 實測:ChatGPT 可生成 GIF,生圖速度提升約 50%

    OpenAI 發佈圖像模型更新 Images 2.6,ChatGPT 現可直接生成 GIF,官方稱生圖速度提升約 50%,並已向所有 ChatGPT 用戶推送。作者實測發現,多輪編輯的人物一致性較穩,但複雜動作、手寫姿態和畫面銜接仍有不足。GIF 會先由生圖模型生成多宮格整合圖片,再經程式碼裁切、拼接;網頁端已可使用。

    推薦理由:文章以實測呈現 GIF 生成的速度、一致性與動作瑕疵,並説明多宮格裁切拼接的實現方式,展示功能的可用之處與限制。

  1. DEV Community78

    GPT-6.1 Terra 定價與基準測試結果為開發者提供哪些參考

    OpenAI 於 2026 年 10 月 26 日宣佈 GPT-6.1 Terra,並以 gpt-6.1-terra 名稱透過 API 提供;標準價格為每百萬輸入 token $1、快取輸入 token $0.05、輸出 token $5。

    推薦理由:文章並列每百萬 token 的分項價格與具體基準測試條件,讓開發者可對照成本和任務表現評估是否適用。

  1. OpenAI News65

    OpenAI 模型提升低資源程式語言的程式建置與遷移能力

    OpenAI 表示,最新模型在低資源程式語言的程式建置及 COBOL 遷移評測中均有提升。在最高推理力度下,GPT‑6 Astra 在 20 種語言的 MultiLangBench 平均測試通過率為 87.4%,高於 GPT‑5.6 Sol 的 26.8%;GPT‑6.1 Sol 在低推理力度的 COBOL 遷移評測準確率為 86.6%,GPT‑5.6 Sol 則為 5.4%。

    推薦理由:兩項評測分別檢視跨語言程式建置和 COBOL 遷移,並以通過率、遷移準確率及 API 成本呈現模型表現差異。

  1. 英國 AI Security Institute:Blog76

    英國 AI Security Institute 評估 OpenAI GPT-5.5 的網絡安全能力

    英國 AI Security Institute 評估中,GPT-5.5 的 Expert 級進階任務平均通過率為 71.4%,高於 Mythos Preview 的 68.6%。

    推薦理由:報告分別測試進階網絡任務、企業攻擊鏈及工控模擬,並交代結果與測試限制,呈現 GPT-5.5 網絡安全能力的不同面向。

  1. Artificial Analysis 完整文章84

    Claude Opus 5.5 在 Artificial Analysis Intelligence Index 得分居首

    Artificial Analysis 評測顯示,Claude Opus 5.5 以 max effort 在 Artificial Analysis Intelligence Index 得分 58,為其測得的最高分。

    推薦理由:報告將多項基準表現、Agent 知識工作成績與每項任務成本並列,呈現模型在不同 effort 設定下的表現與成本取捨。

  2. Artificial Analysis 完整文章76

    GPT-6 Sol 和 Luna 價格約減半,推進成本效率前沿

    Artificial Analysis 的評測指出,GPT-6 Sol 和 Luna 定價約為 GPT-5.6 的一半,Intelligence Index 分數大致持平。

    推薦理由:文章並列價格、單項任務成本與多項基準結果,呈現降本幅度與不同能力變化並不一致,並指出 GDPval-AA v2.1 的回退與交付內容縮短相關。

  3. Artificial Analysis 完整文章79

    Claude Sonnet 5.5 在 Artificial Analysis Intelligence Index 升至第 2 名

    Artificial Analysis 的評測顯示,Claude Sonnet 5.5 在 Intelligence Index 取得 56 分,於 max effort 下排名第 2,僅落後 Opus 5.5(max)2 分。

    推薦理由:評測把 Claude Sonnet 5.5 的基準表現與每項任務的 token 消耗、成本對照,呈現其接近 Opus 5.5 時的資源代價。