DolphinBench 公布双测试框架三模型智能体跑分
Mem0 把 GPT-5.6-Luna、MiniMax M3、Claude Sonnet 5 扔进 Hermes 和 Claude Code 两套框架跑分了，排行榜在 dolphinbench.ai，可以直接看哪个模型换框架后掉分最少。
全部动态
AI 相关资讯全量信息流 · 42 条
9月23日
Anthropic 预告 Claude Sonnet 5.5 与 Haiku 5.5 将在数周内发布
Anthropic 预告 Claude Sonnet 5.5 和 Haiku 5.5 几周内就来，主打性能、效率和安全三方面升级，用 Claude 的可以蹲一下。
Anthropic 预告 Claude Sonnet 5.5 与 Haiku 5.5 将于数周内发布
Anthropic 亲自预告了，Sonnet 5.5 和 Haiku 5.5 几周内就来，性能效率安全都会升级，等发布再细看。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOP阅读全文
9月4日
8月14日
Gemini 3.7 Flash 上线 Devin，五折优惠至8月27日
Devin 里现在有 Gemini 3.7 Flash 了，代码能力接近 Sonnet 5，价格便宜一半多，月底前还打五折，快去试试。
Gemini 3.7 Flash接入Devin，FrontierCode 1.1性能对标Claude Sonnet 5
Devin现在能用Gemini 3.7 Flash了，跑FrontierCode 1.1和Claude Sonnet 5差不多，成本砍半还快，写代码可以试试。
8月13日
AgileRL 与 NVIDIA 合作，Nemotron 3.5 Lightning 可在 Arena 微调
AgileRL 把 Nemotron 3.5 Lightning 放到 Arena 上微调，6 小时就能超过 Claude Sonnet 5，训练完权重还归你。
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOP阅读全文
8月11日
Anthropic 取消涨价，Claude Sonnet 5 永久定价 $2/$10
Anthropic 不涨价还永久降价，跑 agent 和用 Claude Code 的这回真能省一笔，比 GLM 5.2 都便宜了。
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOP阅读全文
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOP阅读全文
7月22日
7月20日
7月7日
Claude Sonnet 5 (Thinking) 在Agent Arena排行榜位列第6
Anthropic 新出的 Claude Sonnet 5 主打智能体能力，Agent Arena 排第6，能自己规划并用工具完成任务。关心自主执行模型的可以看看它的实际表现。
7月3日
Claude Sonnet 5 (Thinking) 文本排名第32，专家级提示超越4.6
想对比 Claude Sonnet 5 和 4.6 的文本能力？这份分析告诉你它在专家级提示上更强，但其他类别反而差了。
Claude Sonnet 5 (Thinking) 在 Code Arena Frontend 排名第6，得分超前代29分
Anthropic 的 Claude Sonnet 5 写前端代码得分比上代高 29，还超过 Opus 4.6。搞前端的可以试试它的自主编程能力。
7月1日
Dify 现已支持 Claude Sonnet 5，集成编码、智能体与计算机使用功能
Dify 现在可以直接跑 Claude Sonnet 5 了，编码、智能体、计算机使用都能可视化搭建，不用写胶水代码，适合快速搭复杂工作流。
Anthropic 发布 Claude Sonnet 5：便宜四成，部分任务追平 Opus 4.8
Claude Sonnet 5 性价比很高，只要 Opus 4.8 六折的价格，部分任务还打平，适合想省钱的团队。
Google 今晚或发布新模型，Claude Sonnet 5 也将登场
听说了吗？Google 和 Anthropic 今晚可能要发新模型，Claude Sonnet 5 和 Google 新模型，可以蹲一下。
Claude Sonnet 5 发布：自主规划与工具使用能力提升
Anthropic 出了 Sonnet 5，能自己规划任务、用浏览器和命令行，比 Sonnet 4.6 强，但比 Opus 便宜，适合想搞 Agent 又不想花大钱的人。
Claude Sonnet 5 上线 Devin Desktop 和 Devin CLI
Cognition 把 Claude Sonnet 5 放进了 Devin，编码更强还便宜，比 Opus 4.8 还厉害。
Sonnet 5 在 FrontierCode 基准得分 53.8% 超越 Opus 4.8
Cognition 用 FrontierCode 实测了 Sonnet 5 的工程能力，它比 Opus 4.8 更强，值得关注。
Claude Sonnet 5 进入 Agent Arena 评测
Anthropic 发布了更智能的 Sonnet 5，能在 Agent Arena 里自主用浏览器和终端干活，比几个月前的大模型还强。
OpenRouter 推出 ~anthropic/claude-sonnet-latest 自动指向 Claude Sonnet 5
以后不用手动换模型版本了，用 OpenRouter 的这个别名自动跟着 Anthropic 走，省心。
产品03:49
Perplexity 上线 Claude Sonnet 5，Pro/Max 用户可用作编排模型Perplexity Pro和Max用户现在能用Claude Sonnet 5当编排模型了，写长代码或复杂查询更稳。
Anthropic发布Claude Sonnet 5，Agent能力接近Opus 4.8
Anthropic的Sonnet 5来了，Agent能力接近最贵的Opus，价格才40%。以前会卡住的复杂任务现在能跑完，还自己检查输出。默认模型升级值得一试。
Anthropic发布Claude Sonnet 5，现已在GitHub Copilot中可用
Anthropic的新Claude Sonnet 5直接集成到GitHub Copilot，写代码尤其是命令行任务更强了，延迟更低，试试看。
Anthropic发布Claude Sonnet 5，编码和智能体能力大幅提升
Anthropic出了Claude Sonnet 5，编码和智能体能力比4.6强很多，知识工作分数甚至超过了Opus 4.8，值得试试。
6月30日
Google 今晚发布🍌模型与低配 Omini，Claude Sonnet 5 同步登场
今晚三个模型扎堆发：Google 的🍌和Omini低配版，加上Claude Sonnet 5，都是新东西，可以蹲一波。