AI 资讯

AI 每天都在变,
这里一页看完

全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。

更新于 11月17日 05:35 · 每小时自动更新

10月1日 周四6 条

Arena.ai@arena模型AI 评分79

Gemini 4 Argon (High) 登 Arena Agent Arena 第 8 名,净提升 +7.92%

Arena 公布 Gemini 4 Argon (High) 在 Agent Arena 排名第 8,净提升分 +7.92%,每任务成本 $0.62。

推荐理由:原文给出 Gemini 4 Argon (High) 在 Agent Arena 的排名、净提升分和成本数据,读者可据此评估其智能体任务表现与性价比。

Artificial Analysis 完整文章模型AI 评分78

Artificial Analysis 评测 Gemini 4 Argon:Google 重回智能前三梯队

Artificial Analysis 评测 Google DeepMind 的 Gemini 4 Argon,其高推理档在 Artificial Analysis Intelligence Index 得分 53,追平 GPT-6 Astra (max)、领先 GPT-6.1 Sol (max) 1 分。

推荐理由:评测方给出与竞品的价格和智能指数对比,读者可据此评估 Google 新模型在成本与智能上的真实位置。

另有 2 家信源报道
Arena.ai@arena模型AI 评分70

GPT-6.1 Sol (Max) 以 1759 分登上 Code Arena: WebDev 第 3 名

Arena 评测榜单显示,OpenAI 的 GPT-6.1 Sol (Max) 以 1759 分位列 Code Arena: WebDev 第 3 名,混合价格为 $8/MToken。相比 GPT-6 Sol (Max) 同价提升 70 分,排名上升 4 位,且在 Consumer Product 等所有类目均有提升。

推荐理由:评测方公布了 GPT-6.1 Sol (Max) 的排名和价格数据,读者可以据此比较它在成本与性能权衡中的位置。

9月30日 周三8 条

公众号:蚂蚁百灵模型AI 评分67

蚂蚁百灵发布 Ling-3.1-flash,面向真实世界长任务升级

蚂蚁百灵推出 Ling-3.1-flash,总参数约 560B,每个 Token 激活约 25B,上下文窗口上限 1M,延续混合线性架构并提高线性 Attention 层比例(7 层 KDA 配 1 层 Gated MLA,512 个路由专家选 8 个加 1 个共享专家)。

推荐理由:官方发布同时给出架构细节、多项长程任务实测结果和对比数据,读者可据此评估其在办公、医疗和软件研发场景的适用性。

另有 3 家信源报道
Arena.ai@arena模型AI 评分67

GPT-6.1 上线 Arena 评测平台

Arena 宣布 OpenAI 的 GPT-6.1 现已上线 Agent Arena,用户投票将影响其评估,分数即将公布。Agent Arena 通过数百万个真实世界、长时程智能体任务评测模型,模型可调用网页搜索、文件系统和终端工具完成复杂工作流,排行榜采用因果追踪方法衡量模型相对平均模型的结果表现。

推荐理由:OpenAI 新模型上架 Agent Arena 和 Code Arena,读者可自行投票并等待基于真实智能体任务的分数。

Arena.ai@arena模型AI 评分84

Claude Sonnet 5.5 (High) 以 1699 分登 Code Arena: WebDev 第 4 名

Arena 公布 Claude Sonnet 5.5 (High) 在 Code Arena: WebDev 以 1699 分排第 4,混合价格约 $8 per Mtoken,比第 2、3 名便宜 80%。相较 Sonnet 5 (High) 的 1540 分提升 159 分,Reference-Based Design、Simulations、Gaming 均从第 30 多名升至第 4。

推荐理由:原文给出实测榜单名次、分数与价格对比,读者可以据此评估该模型在成本与性能间的实际位置。

OpenAI:官网动态模型AI 评分86

OpenAI 发布 GPT-6.1 Sol,以约五分之一价格接近 GPT-6 Astra 智能

OpenAI 发布 GPT-6.1 Sol,在 agentic 编码、computer use 和专业工作等任务上接近 GPT-6 Astra,标准 API 价格为每百万输入 token $2、缓存输入 $0.10、输出 $10,约为 Astra 五分之一。

推荐理由:官方公布了与 GPT-6 Astra 的多项基准对比和完整 API 定价,开发者可以据此评估用五分之一成本替代旗舰模型的可行性。

另有 9 家信源报道
Anthropic:Research模型AI 评分81

Anthropic 评测 GLM-5.3:能自主构建端到端网络漏洞利用且防护易被绕过

Anthropic 发布对智谱 GLM-5.3 网络攻击能力的分析,发现其可自主开发端到端漏洞利用,在 ExploitBench 410 次尝试中成功 50 次,接近 Claude Mythos Preview 的 56 次。

推荐理由:Anthropic 第一手评测给出 GLM-5.3 的漏洞利用成功率和防护绕过数据,读者可据此了解开放权重模型带来的攻击面变化。

蚂蚁百灵:Developer Blog模型AI 评分67

蚂蚁百灵发布 Ling-3.1-flash:560B 总参数、1M 上下文,两周免费体验

蚂蚁百灵发布 Ling-3.1-flash,总参数约 560B、每 Token 激活约 25B,上下文窗口上限 1M,采用 7 层 KDA 配 1 层 Gated MLA 的混合线性架构,围绕通用智能体、搜索、办公和软件研发优化。

推荐理由:官方发布给出架构参数和多场景评测数据,还附 Lua 编译器等长程任务案例,可据实对比模型的智能体能力。

Cohere 产品与研究博客模型AI 评分69

Cohere 发布 Embed 5 嵌入模型家族,含 Pro 和 Fast 两档

Cohere 发布 Embed 5 嵌入模型家族,含 Pro 和 Fast 两档,支持文本与图像输入、100+ 语言、128K 上下文,已通过 Cohere API、Microsoft Foundry、Amazon SageMaker 等渠道开放。

推荐理由:官方给出两个档位的定价、基准成绩和共享嵌入空间设计,读者可以据此权衡检索质量与查询成本的部署方案。

9月29日 周二9 条

Inception Labs:Blog模型AI 评分60

Inception Labs 发布扩散语音模型 Mercury Voice

Inception Labs 推出面向语音智能体的扩散大语言模型 Mercury Voice,面向企业客户开放。

推荐理由:原文给出具体的延迟、基准和定价数据,读者可以据此评估扩散语音模型在实时语音智能体场景的取舍。

Artificial Analysis 完整文章模型AI 评分80

Claude Sonnet 5.5 达到 Artificial Analysis 智能指数第 2 名

Artificial Analysis 发布对 Claude Sonnet 5.5 的评测:其智能指数得分 56,max effort 下比 Sonnet 5 高 18 分,升至第 2 名,仅落后 Opus 5.5 (max)。

推荐理由:Artificial Analysis 实测指出 Sonnet 5.5 逼近 Opus 5.5 依赖约 193k 输出 token,成本细节对选型有直接参考价值。

Arena.ai@arena模型AI 评分69

Claude Sonnet 5.5 上线 Arena 的 Agent Arena 与 Battle Mode 评测

Arena 宣布 Anthropic 的 Claude Sonnet 5.5 已进入 Agent Arena,并开放投票。Agent Arena 基于全球用户数百万个真实的长程智能体任务评测模型,模型可使用 web search、filesystem 和 terminal 工具完成复杂工作流,榜单用因果追踪方法衡量模型相对平均模型的结果表现。

推荐理由:Arena 介绍了其 Agent Arena 的评测方式,读者可以据此理解 Claude Sonnet 5.5 在真实智能体任务上的衡量口径。

cat@_catwu模型AI 评分74

Anthropic 发布 Claude Sonnet 5.5,Claude Code 任务完成量提升约 30%

Anthropic 发布 Claude Sonnet 5.5,是 Claude 5.5 家族的第二个模型。官方称相比 Sonnet 5 运行速度提升超过 30%,多数工作成本最高降低 30%;在 Claude Code 中用户完成的任务量比 Sonnet 5 多约 30%,同样工作所需 token 更少。视频演示中该模型用工具调用完成清理落叶任务,比 Sonnet 5 快 24 秒且少用 6K token。

推荐理由:来自 Claude Code 产品负责人的第一手数据,用具体任务对比说明 Sonnet 5.5 在编码场景的速度与 token 消耗变化。

Anthropic:Newsroom模型AI 评分87

Anthropic 发布 Claude Sonnet 5.5:提速 30% 以上、成本最高降 30%

Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5,输出速度比 Sonnet 5 快 30% 以上,每任务成本最高降低 30%,定价保持每百万输入 token 2 美元、输出 token 10 美元,缓存读取降至 0.10 美元。

推荐理由:发布方给出与 Sonnet 5 和 Opus 5.5 的多基准对比和定价细节,读者可据此评估日常编码与知识工作任务的迁移成本。

另有 14 家信源报道
加载更多

看完资讯,聊聊你的企业

留下联系方式,我会亲自联系你。

WECHAT

添加我的微信

长按或选中下方微信号复制。