跳到正文
目前篩選:模型
  1. 創業邦78

    Google 上線 Gemini 4 Neon,Artificial Analysis 編程 Agent 榜以 58.6 分登頂

    Google 正式上線 Gemini 4 Neon;它在 Artificial Analysis 編程 Agent 榜取得 58.6 分,排名第一。Google 稱它在與 Claude Opus 5.5 和 GPT-6.2 Sol 的 19 組比較中,有 16 組取得最高成績。

    推薦理由:文章並列 Neon 的編程榜排名、單次任務成本與 Antigravity 的多 Agent 分工,呈現其表現與任務開支的比較脈絡。

  1. 新浪科技76

    混元 Hy4 flash 推出並開源,WorkIndex 單任務成本為 Hy4 的 1/20

    騰訊於 11 月 16 日推出混元 Hy4 flash,並已開源;在 WorkIndex 評測中,其單任務成本僅為 Hy4 的 1/20。模型有 224B 參數、每 token 啟用 12B,支援 100 萬 token 上下文;API 每百萬 token 輸入 0.5 元、輸出 2 元,命中快取時為 0.02 元。

    推薦理由:文章結合實測任務、WorkIndex 成本數據及模型工程優化,呈現 Hy4 flash 在日常生產力場景中的定位。

  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。

  1. elsewhere:文章78

    MiniMax 發佈 M3.1 Flash,ALE 榜單國產第一,成本僅為 Opus 的 1/10

    MiniMax 發佈 M3.1 Flash,模型在 Agents' Last Exam(ALE)榜單取得國產第一,並在編程、Agent 及金融基準上與多款旗艦模型競爭。

    推薦理由:文章把 ALE、編程及金融基準與兩項實測並置,並比較 M3.1 Flash 執行多步 Agent 任務的成本和速度,呈現 Flash 與旗艦模型的取捨。

  1. gihyo.jp83

    DeepSeek 發布 DeepSeek-V4 預覽版,開放網頁及 API 使用

    DeepSeek於2026年4月24日發布DeepSeek-V4系列預覽版,開放網頁及API使用,並公開開放權重。兩款模型均支援1M上下文窗口:DeepSeek-V4-Pro總參數為1.6T、活躍參數49B;DeepSeek-V4-Flash則為284B及13B。

    推薦理由:兩款模型同具1M上下文窗口,但在參數規模、推理表現與回應速度上定位不同,可看出 DeepSeek-V4 系列的型號取捨。

  2. Hugging Face Blog87

    DeepSeek-V4 發佈 Pro 與 Flash 系列,均支援智能體可用的 1M-token 上下文

    深度求索(DeepSeek)發佈 DeepSeek-V4,Pro、Flash 系列各有 instruct 與 base 版本,四款 checkpoint 均支援 1M-token 上下文。

    推薦理由:文章把 KV cache 成本、混合注意力設計與智能體工作流串連起來,並以基準數據呈現長上下文能力在工具任務中的表現。

  1. DeepSeek:API 更新日誌76

    DeepSeek 將 deepseek-reasoner 升級至 DeepSeek-R1-0528,推理基準分數提升

    DeepSeek 將 deepseek-reasoner 升級至 DeepSeek-R1-0528,並公佈多項基準的 Pass@1 提升。AIME 2025 由 70.0 升至 87.5(+17.5),GPQA 由 71.5 升至 81.0(+9.5),LCB_v6 由 63.5 升至 73.3(+9.8),Aider 由 57.0 升至 71.6(+14.6)。

    推薦理由:DeepSeek-R1-0528公佈多項基準提升數據,並提示複雜推理任務較舊版消耗更多 tokens,可供比較版本能力表現與用量。

  1. Hugging Face Blog77

    DeepSeek-V3 0324 登上 Hugging Face Hub,四項基準分數均上升

    DeepSeek-V3 0324 已登上 Hugging Face Hub,沿用原版架構並採用 MIT 授權,重點改善指令遵循、編碼和數學能力。DeepSeek 團隊列出的 MMLU-Pro、GPQA、AIME 和 LiveCodeBench 分數,分別由 75.9、59.1、39.6、39.2 升至 81.2、68.4、59.4、49.2。

    推薦理由:文中提供 MMLU-Pro、GPQA、AIME 和 LiveCodeBench 的更新前後分數,讓讀者可按多項基準逐一比較 DeepSeek-V3 0324 相對原版的提升幅度。

  1. DeepSeek:API 更新日誌78

    DeepSeek 將 deepseek-chat 升級為 DeepSeek-V3,API 保持不變

    DeepSeek 將 deepseek-chat 模型升級為 DeepSeek-V3,API 保持不變。使用者仍可透過指定 model='deepseek-chat' 調用 DeepSeek-V3。

    推薦理由:這次更新交代 DeepSeek-V3 與既有 API 調用方式的關係,使用者仍可指定 deepseek-chat 調用新模型,便於沿用現有接入方式。

已經到底了