跳到正文
11月19日周四
11月18日周三
  1. 36氪83

    GPT-6.2 Astra 发布后遭遇大量差评,作者实测认为其被低估

    OpenAI 发布 GPT-6.2 Astra 和 Sol,官方数据显示新模型在编程、科研及 3D 设计领域表现优异且成本显著降低,但首批开发者实测却引发巨大争议。多位开发者如 Theo 等指出其长期任务频繁中断、解释能力差,但作者通过三组 3D 场景实测发现,Astra 的实际表现优于舆论预期,首发后的批评更多被情绪放大。

    推荐理由:开发者实测结果与跑分呈现明显分歧,读者可据此理解新模型在真实长任务中的体验边界与成本逻辑。

  2. The Decoder90

    OpenAI 发布 GPT-6.2 Astra 和 Sol,API 价格更低且部分基准测试有进步

    OpenAI 发布了 GPT-6.2 Astra 和 Sol 两款语言模型,API 价格更低且部分基准测试有进步。Astra 面向专业场景,首次达到 OpenAI“高”AI 自改进阈值;Sol 面向日常使用,在多项任务上以极低价格接近 Astra 的性能。第三方评测显示两者在科学和 3D 设计等任务上得分较高,但法律类基准排名靠后,且编码能力相比前代基本停滞。

    同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》

11月17日周二
  1. arXiv · AI25

    Sage S2.1 Flash 技术报告

    论文介绍 3200 亿参数的混合专家模型 Sage S1.5 Flash,专为科学证据推理与交互式环境行动设计。 模型采用专用编码器处理分子图谱与生物序列,并构建可验证环境以提升 Agent 能力。 在 33 个基准中,该模型在 OfficeQA Pro 和 MLE-bench Lite 等任务上表现领先。

  2. LessWrong · All Posts74

    Claude Fable 5.2 发布:速度更快且成本更低

    Anthropic 发布 Claude Fable 5.2,其生成输出速度比 Fable 5.1 和 Mythos 5.1 快 30%,若接受双倍价格可再提速 2.5 倍。定价调整为每百万输入 token $8、输出 token $40,较 Fable 5.1 更便宜。Ethan Mollick 称其为“接近 AGI”或“参差不齐的 AGI”,该模型在网络安全工程领域表现最为出色。

  3. LessWrong · All Posts47

    Opus 5.5 预测:通往 AI 协议之路

    作者让 Opus 5.5 撰写关于 2030 年底前美中 AI 协议概率的预测分析。 该分析由 Opus 5.5 独立完成,作者仅通过具体建议进行指导,且不完全同意模型的所有建模决策。 作者建议读者阅读该文章,并指出这是 Opus 5.5 能力下限的展示。

11月16日周一
  1. IT之家82

    Claude Fable 5.2 通过 Python 代码模拟画笔完成绘画,展示自主规划与纠错能力

    Anthropic 的 Claude Fable 5.2 不依赖外部图像模型,而是通过编写 Python 代码模拟画笔、颜料和画布物理特性,将绘画过程拆解为独立笔触指令。

    推荐理由:Claude Fable 5.2 展示了通过代码模拟物理画笔逐笔作画的过程,而非调用图像生成模型,其纠错机制和笔触规划能力与机器人控制任务具有直接关联。

11月15日周日
11月13日周五
  1. 量子位85

    无界前沿开源生物信息大模型 Fx-Bio-1031

    无界前沿正式开源生物信息大模型 Fx-Bio-1031,该模型在 Anthropic BioMysteryBench 困难子集上取得 70.59% 的 Pass@5,领先 GPT-6-Astra 和 Claude Opus-5。模型采用 125B 总参数量的 MoE 架构,支持 512K 上下文窗口,允许本地私有化部署以满足数据安全需求。

    推荐理由:原文详细展示了开源模型在高难基准上的具体性能对比及五个实际落地场景,为评估私有化部署可行性提供了量化依据。

11月11日周三
11月10日周二
  1. TLDR AI60

    Claude Fable 5.2、Meta Ember 及 Google 新 TPU 架构发布

    Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,具备更快的生成速度和更低的价格,并在编码、推理和视觉能力上有所提升。Meta 推出小型推理模型 Muse Ember,主要用于工具调用和文档解析,宣称性能对标 Claude Haiku 5.5。Google 发布 TPU 8i Max 以支持长上下文窗口,以及用于安全推理的 TPU 8tx。

  2. R/ArtificialInteligence84

    Claude Fable 5.2 编码基准超越 Opus 5.5,新增 2.5 倍快速模式

    Anthropic 于 11 月 9 日发布 Claude Fable 5.2 与 Claude Mythos 5.2,该模型在编码基准上超越 Opus 5.5,并提供 2.5 倍速的 Fast 模式。此次发布是 METR 报告指出 Anthropic 接近递归自我改进之后的首个模型更新,报告称内部模型使 AI 研发速度提升约 2 倍。

    同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》

  3. The Decoder91

    Claude Fable 5.2 与 Mythos 5.2 巩固 Anthropic 在 IPO 前的 AI 领先地位

    Claude Fable 5.2 和 Mythos 5.2 重新夺回 AI 性能领先地位,价格低于前代,输出速度提升最高 30%。Anthropic 称其主动限制了对 AI 研发有直接加速作用的 RSI 能力,但这两个模型成功形式化了费马大定理的证明,在 CVE 数据库中发现了比前代更多的漏洞,其中每 6 个确认的漏洞中有 1 个是其他前沿模型遗漏的。

    推荐理由:模型在基准测试和安全漏洞挖掘中刷新纪录,并展示了在数学形式化验证上的重大进展。

  4. AWS Machine Learning Blog81

    Claude Fable 5.2 和 Claude Mythos 5.2 在 AWS 推出

    Claude Fable 5.2 和 Claude Mythos 5.2 在 Amazon Bedrock 和 Claude Platform on AWS 推出。Claude Fable 5.2 面向编码、数学和科学类技术任务,能自主迭代和长时间运行;Claude Mythos 5.2 在网络安全和生命科学领域通过 Anthropic 的验证项目提供服务。

    同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》

  5. Anthropic (X)81

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 模型。这两款新模型旨在应对最具挑战性的技术难题,并在编码、推理和视觉领域表现出改进,可作为多个领域雄心勃勃项目的合作者。

    推荐理由:官方确认两款新模型上线,它们在编码、推理和视觉能力上针对复杂技术挑战进行了优化。

11月9日周一
  1. 36氪85

    GPT-6.2 Sol 灰度上线,Artificial Analysis 60 分压过 Opus 5.5

    GPT-6.2 Sol 已进入 ChatGPT 灰度路由,官方 OpenAI Dev 账号发布视频标题 Tomorrow。Artificial Analysis 智能指数中 GPT-6.2 Sol(Max)得 60 分,平均任务耗时 18.7 分钟,单任务成本 1.19 美元,优于 Opus 5.5。

    推荐理由:原文给出灰度路由、Artificial Analysis 60 分与 18.7 分钟耗时、1.19 美元成本,可据此判断 GPT-6.2 Sol 的位置。

11月7日周六
  1. 量子位80

    METR 报告披露 Anthropic 三个内部模型及研发提速数据

    METR 报告披露 Anthropic 内部 Model 2、Model 3 和 Model 4 的训练时间,其中 Model 4 的综合能力指数比 Opus 5.5 高约 3.9 分。文章指出 Anthropic 内部研发中约 80% 的实验时间被 AI 工具缩短,Model 4 在 15 项基准测试中的成绩均超过 50%,联合创始人回应称该报告因涉密删去了大量信息。

    推荐理由:METR 报告披露了 Anthropic 未公开的内部模型参数与能力指数,为观察者提供了研判模型迭代节奏与安全政策背景的独立评估视角。

11月6日周五
  1. 百灵大模型77

    Ling-3.2-flash 正式发布:支持视觉反馈与异常自适应

    百灵大模型官方发布 Ling-3.2-flash,该模型总参数 560B,单步激活 25B,原生融入视觉感知与空间理解能力。Ling-3.2-flash 具备视觉反馈自检和异常自适应恢复能力,能对照渲染结果调整代码并根据报错信息继续执行任务。

    推荐理由:官方明确了560B参数下的视觉自检机制,用户可据此评估其在异常恢复场景下的工程落地可行性。

11月4日周三
11月3日周二