跳到正文
目前篩選:模型
11月3日週二
  1. 阿里雲開發者社區 AI57

    美團發佈 LongCat-2.5:1.6萬億參數智能體模型與軟件測試工作轉型

    美團發佈 LongCat-2.5,這款原生多模態智能體模型採用 MoE 架構,總參數為 1.6 萬億,單 Token 激活約 480 億參數。模型訓練將 F2P/P2P 測試校驗納入流程,並把 Agent 失敗軌跡轉化為可復現、可驗證的訓練任務。作者據此認為,軟件測試工程師的角色將轉向 Agent 設計、測試數據生產及 AI 輸出審核。

  2. DoNews33

    GPT-6.2 Astra 疑似啟動灰度測試

    部分 OpenAI Codex 用戶在用量統計中發現新模型標識「gpt-6.2-astra」,最高佔比達 19.8%,疑似正進行灰度測試。OpenAI 尚未在 API 目錄、更新日誌或官方公告中確認該模型,也未公佈發布時間。TestingCatalog 分析認為,這可能是灰度或 A/B 測試;用戶反映額度消耗加快,相關成本成為關注焦點。

  3. IT之家35

    OpenAI 下一代 GPT-6.2 Astra 正進行灰度測試,Codex 用量統計已單獨列出

    部分 Codex 用戶的用量統計出現「gpt-6.2-astra」獨立模型標識,顯示 OpenAI 的 GPT-6.2 Astra 疑似已進入小範圍測試。OpenAI 尚未透過官方 API 模型目錄、更新日誌或公開公告確認這個型號,也未確認發布時間。相關記錄主要出現在 10 月 31 日的使用統計中,其中一個帳戶的用量佔比達 19.8%。

  4. 新浪科技46

    度小滿發佈行業首個自進化金融增強大模型「軒轅4.5」

    度小滿與香港科技大學、香港生成式人工智能研發中心(HKGAI)聯合發佈行業首個自進化金融增強大模型「軒轅4.5」,以RSI閉環提升獲客、風控和客戶經營等金融場景的效果,成本僅為通用模型的10%。模型透過業務結果迴流進行微調和強化學習,將信貸風控策略迭代週期由約兩周縮短至三到四天,短期逾期風險下降約50%。

  5. DEV Community33

    Google 秘密測試 Gemini 4 Carbon,評估用戶反應

    Google 被指秘密將 Gemini 4 Carbon 放上 Arena,透過用戶盲測評估反應。TestingCatalog 指出,與 Gemini 4 Carbon 有關的代號 Argon 4 在 10 月 31 日後曾出現在 Arena,但這項觀察未能確認模型由 Google 所有。Arena 讓用戶比較兩個匿名回答並選出較佳者。

  6. DEV Community47

    日常工作中,Cursor 哪個模型最好?

    一項在 Cursor 進行的 5 項日常工作測試中,Gemini 在 low effort 下贏得 4 項,Claude 則做出最佳登陸頁面。測試比較 Grok 4.7、Claude Opus 5、Gemini、Muse 和 GPT;Grok high 在遊戲測試中最慢,作者認為不值得等候。作者建議按工作選擇模型:商店頁面可選 Claude,快速工具和編輯則以 Gemini 表現最佳。

  7. Ai2 / Allen Institute for AI43

    Olmo 3 如何獲得 Nextcloud 最高級別的倫理評級

    Nextcloud 將 Olmo 3 評為其最高級別的 Ethical AI 綠色評級,肯定模型符合公營機構對透明度及問責性的要求。評級要求訓練及推理軟件開源、模型可由用戶自行託管,並公開訓練數據。Olmo 3 7B 可在消費級硬件上運行,讓機構在自主管理的基礎設施上使用 AI。

  8. DEV Community32

    VAKYR 的即時入球概率可信嗎?檢驗 341,846 次讀數

    VAKYR 檢驗足球賽事的即時入球概率是否準確,分析 341,846 次頁面實際顯示的讀數。模型平均報出 24.9% 的入球概率,實際入球率為 24.7%,顯示值的誤差低於 1 個百分點。按概率分成十組後,最高與最低組的實際入球率相差約 17 個百分點;服務免費,並可在瀏覽器使用。

11月2日週一
  1. DEV Community31

    us-east-1 上 Opus5 與 Opus5.5 的基準測試筆記

    作者在 us-east-1 對 opus5 和 opus5.5 部署進行負載測試,記錄延遲、節流及部署間吞吐量的差異。短提示詞的單次請求延遲約為 3.0s ~ 4.5s,較長提示詞可達 6s 以上;並發量增加後,429 回應會迅速出現。部分部署另有靜態 401 問題,而同一模型版本在不同預置吞吐量部署上的穩定最高吞吐量差異顯著。

  2. 新浪科技26

    RZR 北京新辦公室啟用,下一代機器學習模型「Argus」上線

    RZR 北京新辦公室正式投入營運,由北京團隊研發的下一代機器學習模型「Argus」亦已在平台上線。辦公室匯聚 AI 研究、數據分析、產品開發及增長營運團隊,研發成果服務全球各地的廣告主。RZR 的單一 AI 系統覆蓋 iOS、Android 及大屏電視(CTV),無需依賴設備 ID 亦可喚醒 iOS 沉睡用戶。

  3. 新浪科技79

    Anthropic 內部未公開的 Claude 模型發現潛伏 11 年的 Linux 漏洞,生成約 53 分鐘取得 Root 權限的利用程式

    Anthropic 內部未公開的 Claude 模型在系統測試中發現潛伏 11 年的 Linux 核心漏洞 CVE-2026-98432,並生成可用的兩階段利用程式,約 53 分鐘即可取得 Root 權限。

    推薦理由:文章交代 Claude 發現漏洞、生成兩階段利用程式所需的時間,並列出 Ubuntu 仍受影響的版本,呈現漏洞利用能力與修補進度的關聯。

  4. DEV Community47

    五個模型以 $0.06 至 $0.45 嘗試建構同一款應用:多數失敗源於測試與生成器

    Kumiko 應用設計器以同一款金屬加工廠維修應用測試五個模型,發現多數紅色測試結果源於生成器規則和測試設計,而非模型本身。修正後,Sonnet 5.5 三個步驟均通過,花費 $0.322;首次測試則花費 $0.454,建構步驟未通過。Qwen3.8-27b 未能回覆首次呼叫,其他四個模型尚未按修正後的設定重測。

  5. 新浪科技86

    Anthropic 未發布的 Claude 模型發現 Linux 核心 11 年漏洞並生成 Root 利用程式

    Anthropic 披露,其未發布的 Claude 模型在系統性測試中發現 Linux 核心漏洞 CVE-2026-98432,並生成可用的兩階段遠端利用程式,全程約 53 分鐘取得 Root 權限。該漏洞的 CVSS 3.1 評分為 9.8;上游修復於 10 月 15 日完成,但 Ubuntu 多個版本的修復仍在開發中,Red Hat 部分版本則列為延期處理。

    推薦理由:文章將漏洞成因、模型生成利用程式的耗時,以及各發行版修補進度並列,呈現 AI 漏洞研究能力與實際修補窗口的關係。

  6. 中華網科技63

    美團發布 LongCat-2.5 大模型

    美團發布總參數 1.6 萬億、面向長程智能體任務的原生多模態模型 LongCat-2.5,並稱模型全程在國產算力上訓練。評測顯示,LongCat-2.5 在多項主流基準中介乎 Claude-Opus-4.8 與 Claude-Opus-5 之間,部分評測超過 Claude-Opus-5。美團亦推出 AI 經營工作台「妙手」,協助商家理解行業指標和品牌規則,並在授權範圍內調用工具與系統執行經營任務。

  7. 中華網科技49

    美團發布 LongCat-2.5

    美團技術團隊發布面向長程智能體任務的原生多模態模型 LongCat-2.5。模型總參數量為1.6萬億,每個 token 約激活480億參數,並在 LongCat-2.0 基礎上強化原生視覺理解與智能體編程能力。

  8. 新浪科技82

    Claude 發現潛伏 11 年的 Linux 核心漏洞並生成利用程式,約 53 分鐘取得 Root 權限;Ubuntu 尚未修補

    Anthropic 未公開的 Claude 模型發現潛伏 11 年的 Linux 核心漏洞,並生成可用利用程式,約 53 分鐘取得 Root 權限。漏洞編號為 CVE-2026-98432,CVSS 評分為 9.8,源於 IPv4 TCP 握手中的釋放後使用(UAF)缺陷。

    推薦理由:報道並列漏洞成因、約 53 分鐘的利用流程與各發行版修補進度,呈現 AI 生成利用程式如何把核心漏洞轉化為可操作的安全風險。