header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
扫码下载APP
Partnered With:

#Opus 4.8

共 0 篇文章、24 条快讯
动察 Beating AI 快讯,OpenAI 官方状态页显示,ChatGPT 和 Codex 错误率偏高,已经实施了缓解措施,目前正在监控恢复情况。Claude 官方状态页显示,现已经恢复正常。今日出现过多模型报错升高,波及 Mythos/Fable 5.1、Mythos/Fable 5,以及 Opus 5、4.8、
动察 Beating AI 快讯,DeepSeek 公布 V4-Flash-Vision-Exp 的首批 Agent 跑分。在 4 项多模态 Agent 评测中,它和 Opus 4.8 打成 2 胜 2 负:Agents' Last Exam 为 27.3 对 25.7,ZeroBench 为 35.0 对 34.0;
据动察 Beating 监测,Anthropic 决定不再上调 Claude Sonnet 5 的 API 价格,首发价直接变成长期价。每百万输入 token 继续收 2 美元,输出 token 收 10 美元。原定 9 月 1 日涨到 3 美元和 15 美元的计划已经取消。按单价算,Sonnet 5 长期比 Sonn
据动察 Beating 监测,Claude Code 团队成员 Thariq 发文称,团队删掉了超过 80% 的系统提示词,编程成绩没有下降。系统提示词就是 Claude Code 每次调用模型前,预先塞给它的规则和环境说明。Qoder 工程师陈成随后抓取了 Claude Code 实际发出的请求。他发现,大幅精简发生
据 动察 Beating 监测,Anthropic 在 Claude Opus 5 系统卡中披露,该模型在浏览器智能体场景中几乎免疫提示词注入攻击,在 129 项测试场景中无一被攻破。这一突破意义重大,OpenAI 去年 12 月曾公开承认提示注入可能永远无法被完全解决。在安全公司 Gray Swan 的通用提示注入基
据动察 Beating 监测,第三方评测机构 Artificial Analysis 公布 Claude Opus 5 成绩。它在综合 9 项测试的智能指数中得 61 分,窄幅领先 Fable 5 的 60 分。GPT-5.6 Sol 得 59 分,Kimi K3 得 57 分。Opus 5 每项任务平均成本为 2.0
据 PolyBeats 监测,在预测市场 Polymarket 上,1 名聪明钱在「下一代 Claude Opus 模型是否会在 2026 年 7 月 24 日前发布?」投入 $2.0k「否」,平均买入概率为 66.5%,目前「是」概率为 26.5%。Parz1vaI 投入 $2.0k,与本市场最佳相关板块为人工智能,
据动察 Beating 监测,Cursor 推出 Cursor Router,面向 Teams 和 Enterprise 自动选择编程模型。它会先判断任务类型和难度,再决定调用便宜模型还是前沿模型。Router 使用超过 60 万次真实请求训练,并在数百万次请求中测试。Auto Intelligence 的用户满意度接
据 动察 Beating 监测,Cursor 让一群 AI Agent 只看 835 页 SQLite 手册,用 Rust 重写一个兼容数据库。它们拿不到 SQLite 源码、程序、测试集和互联网。新版系统的 4 种正式配置,最终都通过了全部未公开 SQL 测试。正式测试包括 4 种组合。GPT-5.5 和 Grok
据动察 Beating 监测,爆料博主 leo 质疑,DeepSeek V4 Pro 的官方 API 会把部分复杂编程请求转给 Claude Fable 5。目的可能是收集输出,用于模型蒸馏,也就是用强模型的答案训练另一个模型。测试者通过 OpenCode 让模型生成 3D 游戏。部分结果与 Fable 5 高度相似,
BlockBeats 消息,7 月 17 日,知名 AI 分析师 Chubby(@kimmonismus)对于最新发布的 Kimi K3 模型发表观点称,K3 模型在基准测试中超越 Anthropic 的 Opus 4.8,将迫使美国前沿实验室加快 Opus 5 和 GPT-6 的发布节奏,以应对来自东方的竞争压力。预
BlockBeats 消息,7 月 16 日,月之暗面官网已经更新了新模型 KIMI K3,登录账号后即可看到 K3·Max 和 K3 集群·Max 两个版本,官方预计很快将正式官宣。此前消息人士称,该模型参数规模达 2 万亿至 3 万亿,将成为中国迄今最大的 AI 模型,在能力上已接近美国前沿人工智能实验室 Anth
据 动察 Beating 监测,《金融时报》透露,月之暗面(Kimi)计划在未来几天内发布 Kimi K3,模型参数规模达 2 万亿至 3 万亿,将成为中国迄今最大 AI 模型。知情人士表示,按照主流评测基准,K3 预计将超越 Opus 4.8 的表现,但不及 FABLE 5,并将以「开放权重」(open-weight
据动察 Beating 监测,AI 评测机构 Vals AI 公布 Muse Spark 1.1 成绩。模型在医疗文书、税务问答和法律 Agent 三项评测中排名第一,得分分别为 88.89%、79.72% 和 20.00%。 在税务评测 TaxEval v2 中,它超过 Fable 5、Opus 4.8 和 GPT-
据动察 Beating 监测,Databricks 发布内部 AI 编程 Agent 评测,用自家数百万行代码库里的真实 PR 做测试。这套评测没有直接用 SWE-Bench。Databricks 认为公开题集可能进过训练数据,也不够贴近真实工程。测试任务来自近期合并的 PR,覆盖 Python、Go、TypeScri
据动察 Beating 监测,SpaceX 旗下 SpaceXAI 计划最快于本周三(今日)推出与 Cursor 联合开发的首款 AI 模型。这是 SpaceX 以 600 亿美元股票收购 Cursor 后,双方首次推出联合研发成果。员工内部备忘录显示,两家公司在本周早些时候推迟了发布时间以优化模型效率。模型具有极快的
据动察 Beating 监测,工作流自动化平台 Zapier 与评测机构 Artificial Analysis 合作,推出了独立的 SaaS 工作流自动化评测基准 AutomationBench-AA。基准基于 Zapier 平台上的真实脱敏数据,设计了包含 657 个多步骤任务和 40 个模拟 SaaS 软件环境(
BlockBeats 消息,7 月 3 日,知名 vibe coding 社区 BridgeMind 昨日晚间发布数据指出,解禁复出后的 Fable 5 受限严重,基准测试结果显示其各方面能力大幅下滑。BridgeMind 分析后表示,Fable 5 表现下滑的原因并非模型降智,而是路由(防护措施)导致它更频繁回退到
据动察 Beating 监测,Anthropic 正式推出中端主力模型 Claude Sonnet 5,主打强大的 Agent(智能体)自主规划、浏览器与终端工具调用等自动运行能力。新模型在 BrowseComp(智能搜索)和 OSWorld-Verified(电脑操作)等评估中大幅超越前代 Sonnet 4.6。用户
据动察 Beating 监测,AI 编程公司 Cognition 发布了用于智能体编程的混合模型架构 Devin Fusion。该系统通过两个核心设计实现前沿模型的性能与更低成本的平衡:首先是「副手(Sidekick)」机制,让经济的小模型智能体与前沿大模型智能体并行,大模型保留规划、需求澄清和最终审查的「判断权」,而
24H热门精选
下载 BlockBeats
home-down-code