跳到正文
目前篩選:模型
11月18日週三
  1. DEV Community34

    低成本模型每 token 成本僅為前沿模型的 1/20、編碼得分不到一半:作者公開 60 秒實測

    作者以固定編碼任務比較低成本模型與前沿模型,發現前者每 token 成本約為後者的 1/20,編碼得分不到一半,並公開 60 秒實測過程。兩個模型使用相同提示詞和 temperature 0,按保留測試集的 pass@1 評分,不重試、不挑選結果;成本則按供應商公佈的每 token 費率及實際 completion tokens 計算。

  2. 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。

  3. 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。

  4. Hacker News:AI 熱帖29

    MAI Code 2 和 Code 2 Flash

    Microsoft.ai 頁面列出 MAI Code 2 和 Code 2 Flash。Hacker News 留言提到,頁面將基準測試結果與頂尖模型比較;另有留言擔心,企業可能因節省成本而改用這些模型,取代 Anthropic 模型。

  5. Artificial Analysis 完整文章84

    OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 位列 Artificial Analysis Intelligence Index 第二

    OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 在 Artificial Analysis Intelligence Index 升至第二位,僅次於 Anthropic 的 Claude Fable 5.2。

    推薦理由:文章並列智能指數、成本前沿與編碼代理指數結果,呈現 GPT-6.2 Astra 與 GPT-6.2 Sol 在整體排名、成本和編碼表現上的差異。

  6. 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。

    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。

  7. TNW71

    Bloomberg 報道:八間公司的 AI 模型在測試中曾把平民標為軍事目標

    據 Bloomberg 報道,Vals 對八間公司的 AI 模型進行模擬測試,發現它們曾把平民、救護車、投降士兵及伊朗一所學校標為軍事目標。其中,Claude Opus 5.5 在 32 次衞星影像任務中 22 次選中 Minab 一所學校;被告知任務是遊戲後,它選中該校 23 次,三款 OpenAI 模型則分別選中 9、11 及 13 次。

11月17日週二
  1. IT之家67

    快手可靈 Kling Image 4.0 正式上線,支援原生 8K 及單圖生成 2000 字

    快手可靈推出 Kling Image 4.0 圖像創作模型,並向企業客戶及開發者開放 API 接入。模型首次支援原生 8K 圖像生成,並可在單張圖片內生成 2000 字、一次按描述生成最多 10 張系列圖片。模型支援最高 15000 tokens 文本輸入,並具備原生 Agentic 能力,可按創作意圖規劃系列圖片內容。

  2. 第一財經46

    商湯科技發佈 SenseNova Loop-9B

    商湯科技發佈 SenseNova Loop-9B,模型總參數量約為 9B,並通過兩次執行共享的中間層,將 32 個物理解碼層擴展為 56 次層計算。模型支持輸入文本和圖像、輸出文本,上下文長度最高可達 512K tokens。

  3. UNWIRE.PRO · 人工智能66

    阿里雲香港峯會展示 Qwen4-Max,香港客戶數突破 65,000

    阿里雲在年度香港峯會宣佈 Qwen4-Max 上線,並推出多項面向企業的 AI 智能體開發、監控及安全防護能力。Qwen4-Max 總參數為 2.4 萬億,每個 token 激活 710 億參數;阿里雲稱 token 消耗減少 35%,平均每項任務成本降低約 60%。阿里雲在香港服務超過 65,000 名客戶,並宣佈與香港浸會大學及美亞娛樂合作,涵蓋 AI 培訓及影視內容創作。

  4. MarkTechPost55

    Liquid AI 發佈 d1.2 和 d1.2-ultra,後者在 AA Decision Index v2.1 得分 75

    Liquid AI 發佈 d1.2 和 d1.2-ultra 兩款決策模型,支援文字、圖像及音訊輸入,並以固定答案選項的機率作答。d1.2-ultra 在 AA Decision Index v2.1 得分 75,d1.2 得分 69;前者在該指數的決策模型中排名最高。兩款模型新增 5 種答案類型,並且不產生輸出 token;目前只透過 Liquid API 提供,尚未公開權重。