全部动态

AI 相关资讯全量信息流 · 30 条

博客资讯推文论文论文 →

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

8月13日

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4日

模型 Agent 与开发者精选72°06:04

GLM-5.2 (Max) Code Arena前端第2，开源模型第一

智谱新出的GLM-5.2 (Max)在前端代码测评里拿了开源第一，总分第2，把Claude Opus 4.7甩开29分。写前端的可以关注下。

#GLM-5.2 #智谱 #Claude Opus #编程助手

lmarena.ai@lmarena_ai原文

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25日

产品 Agent 与开发者02:08

Lovable 上线 Claude Opus 5，编码性能提升22%

Lovable 上架了 Claude Opus 5，专攻完整应用的生成，比上代强22%，跑起来还更稳。

#Claude Opus 5 #Lovable #编码性能 #编程助手

Lovable@lovable_dev原文

6月30日

产品多源确认精选23:53

Flowith推出Matrix：多Agent公司操作系统，定使命自动运转

Flowith的Matrix让你设定一个公司使命，多Agent部门自动跑起来，从建站到收款全包了，GDPval基准95.45%领先同行。

#Flowith #Matrix #GPT-5.5 #多Agent

shao__meng@shao__meng5 个信源在谈原文

6月27日

模型 Agent 与开发者多源确认精选72°13:06

GLM-5.2 在 Code Arena 前端排名超 Claude Opus 4.8，仅次于 Fable 5

GLM-5.2 在社区投票的编码竞技场上压过 Claude Opus，你可以在前端任务中试试它的单次生成效果。

#GLM-5.2 #Code Arena #Claude Opus 4.8 #开源模型

lmarena.ai@lmarena_ai3 个信源在谈原文

6月26日

模型 Agent 与开发者多源确认精选08:51

Ornith-1.0 开源编程模型发布，覆盖9B到397B参数

Ornith-1.0 开源了从9B到397B的编程模型，在SWE-Bench等基准上超越Claude Opus 4.7，还能自己优化任务框架。

#Ornith-1.0 #gemma4 #qwen3.5 #开源模型

Viking@vikingmute4 个信源在谈原文

6月25日

产品中美对照多源确认03:24

Genspark Design 发布：由 Claude Opus 4.7 驱动的 AI 设计工具

不用学设计软件，上传 Figma 或画个草图就能出 UI、视频、动画，还能一键转代码，设计师和产品经理都该试试。

#Genspark Design #Claude Opus 4.7 #设计工具 #代码生成

Genspark@genspark_ai7 个信源在谈原文

6月19日

模型 Agent 与开发者多源确认精选01:43

Claude Opus 4.7 在 Project Fetch 中编程机器人狗，速度比人类团队快20倍

Anthropic 让 Claude 自己写代码控制机器狗，速度比人快20倍，虽然最后没抓到球，但过程特别有意思

#Claude #Opus 4.7 #Anthropic #机器人编程

官方账号Anthropic@AnthropicAI11 个信源在谈原文

6月18日

当前最爱模型推荐：Claude Opus 4.7等及一站式工具Anuma

有人列出了7款主流模型推荐，还发现Anuma能跨模型保持对话、对比答案，省订阅费。

#Claude Opus #ChatGPT #Grok #Gemma

Ate-a-Pi@svpino2 个信源在谈原文

6月17日

模型 Agent 与开发者多源确认精选05:29

GLM-5.2 Max在Code Arena前端排名第二，超越Claude Opus 4.7

智谱新模型GLM-5.2 Max在代码前端评测中杀到第二，直接压过Claude Opus 4.7，开源模型里目前最强，做前端开发的可以关注。

#GLM-5.2 #Code Arena #Claude Opus 4.7 #Fable 5

elvis@omarsar011 个信源在谈原文

模型中美对照多源确认76°03:46

GLM-5.2 (Max) 在 Code Arena 前端排名第二，超越 Claude Opus 4.7

GLM-5.2 在编程和智能体任务上超越 Claude Opus 4.7，是开源模型新标杆，编程能力仅次于 Fable 5。

#GLM-5.2 #Zai_org #Code Arena #Agent Arena

lmarena.ai@lmarena_ai4 个信源在谈原文

6月12日

模型中美对照多源确认精选73°04:05

GPT-5.5 (xHigh) 在 Agent Arena 排名第二，仅次于 Claude Fable 5

做智能体开发和 AI 评测的团队值得关注——GPT-5.5 在用户满意度和故障恢复上反超 Claude，说明 OpenAI 在实用场景上有了实质提升，建议直接去 Agent Arena 跑跑自己的任务。

#GPT-5.5 #Agent Arena #智能体评测 #Claude Fable 5

lmarena.ai@lmarena_ai11 个信源在谈原文

6月8日

模型中美对照多源确认19:01

Claude Opus 4.7 登顶 Android Arena 排行榜，Anthropic 占前十五席

移动端 AI 开发者可以快速了解当前安卓设备上最强的模型格局——Claude Opus 4.7 领先，Anthropic 整体优势明显，值得关注其技术路线。

#Claude Opus 4.7 #Android Arena #排行榜 #Anthropic

AI Will@FinanceYF511 个信源在谈原文

6月7日

Agent Arena 上线 Agent Mode：用前沿 AI 智能体完成真实工作

Agent Mode 让 AI 智能体从聊天走向真实工作，做自动化、开发或研究的团队可以直接上手测试前沿模型的实际表现，还能影响排行榜排名，值得一试。

#Agent Arena #Agent Mode #智能体 #模型评测

lmarena.ai@lmarena_ai原文

6月6日

模型中美对照06:41

Agent Arena 发布真实世界智能体排行榜，GPT-5.5 High 领先

做智能体开发和评测的团队终于有了一个贴近真实工作场景的排行榜——Agent Arena 用 30 万+ 任务和 200 万+ 工具调用数据，告诉你哪个模型在写代码、做研究、处理文档时真正靠谱，值得点开看看你的模型排第几。

#智能体 #排行榜 #GPT-5.5 #Claude Opus 4.7

rohanpaul_ai@rohanpaul_ai2 个信源在谈原文

模型中美对照多源确认76°04:58

Anthropic Claude Opus 4.7 在化学NMR分析上匹敌专业软件

化学研究者和药物开发团队终于有了一个能反向推断分子结构的通用 AI 工具，省去专业软件和人工分析的双重成本，建议做结构解析的团队直接关注报告细节。

#Claude Opus 4.7 #NMR分析 #化学AI #分子结构推断

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

模型中美对照多源确认04:18

Anthropic新博客：让Claude成为化学家，Opus 4.7在NMR任务上匹敌专业软件

化学研究者或药物开发团队可以关注：Claude Opus 4.7在NMR分析上达到专业软件水平，意味着AI可能简化分子结构解析流程，值得尝试用于辅助实验。

#Claude #Opus 4.7 #化学 #NMR

官方账号Anthropic@AnthropicAI11 个信源在谈原文

Mistral 3.5 加入 Arena Agent Mode，可执行复杂真实任务

Arena 的 Agent Mode 让开发者能直接对比主流模型在真实复杂任务上的表现，做智能体应用选型的团队值得亲自上手测试，结果会直接影响排行榜。

#Mistral 3.5 #Arena #Agent Mode #智能体评测

lmarena.ai@lmarena_ai原文

6月5日

产品中美对照多源确认88°06:16

Arena 推出 Agent Mode，支持 GPT-5.5/Claude Opus 4.7 等模型

Arena 的 Agent Mode 让开发者可以直接对比前沿模型在真实任务中的表现，做 AI 评测或选型的团队值得一试。

#Arena #Agent Mode #模型评测 #GPT-5.5

lmarena.ai@lmarena_ai3 个信源在谈原文

产品多源确认88°01:48

Agent Mode 上线：AI 智能体能力在 Arena 中可评测

Arena 的 Agent Mode 解决了 AI 评测脱离实际任务的问题，做智能体应用或选型的开发者可以直接上手对比 GPT-5.5 和 Claude Opus 4.7 的真实表现，值得一试。

#智能体 #评测平台 #GPT-5.5 #Claude Opus 4.7

lmarena.ai@lmarena_ai3 个信源在谈原文

产品多源确认88°01:19

Agent Arena 发布：大规模真实世界智能体评测

智能体评测终于从玩具任务走向真实场景——做 AI 应用或智能体开发的团队，可以直接用 Arena 的评测结果来选模型，比跑基准测试更有参考价值。

#智能体 #评测/基准 #GPT-5.5 #Claude Opus 4.7

lmarena.ai@lmarena_ai11 个信源在谈原文

6月4日

模型中美对照23:26

Nex-N2-Pro 基于 Qwen3.5-397B，性能对标 GPT-5.5 和 Claude Opus 4.7

做智能体编程或深度搜索的团队，现在就能免费试用一个对标顶级闭源模型的开源 MoE 模型，且能直接接入 Claude Code、Cursor 等工具，值得立即体验。

#推理模型 #MoE #开源/仓库 #智能体编程

官方账号SiliconFlowAI@siliconflowai原文

产品中美对照01:46

GLM 5.1 + Claude Opus 4.7 顾问模式：法律基准 18/100，成本降 61%

法律 AI 团队终于有了降本增效的实战方案——用 GLM 5.1 搭配 Claude Opus 4.7 做稀疏顾问，性能提升 28% 的同时成本砍掉 61%，做法律智能体或长链推理的开发者值得一试。

#智能体 #法律AI #GLM 5.1 #Claude Opus 4.7

Fireworks AI@FireworksAI_HQ2 个信源在谈原文

6月3日

产品 Agent 与开发者02:26

Factory Router：编码智能体模型选择器，节省20-25%成本

做编码智能体开发的团队终于有了一个智能省钱方案——Factory Router 用路由策略自动平衡成本与性能，建议试试能否集成到你的工作流中。

#编码智能体 #模型选择器 #成本优化 #Factory

rohanpaul_ai@rohanpaul_ai原文

5月28日

模型中美对照精选72°16:41

Qwen3.7-Max 登顶 ITBench-AA 企业 IT 任务评测第三

企业 IT 运维团队终于有了靠谱的 AI 评测标准——ITBench-AA 模拟真实 K8s 故障排查场景，做 SRE 或 FinOps 的开发者可以直接参考模型表现来选型。

#Qwen3.7-Max #ITBench-AA #企业 IT 任务 #智能体

官方账号阿里通义 Qwen@Alibaba_Qwen原文

模型 Agent 与开发者72°05:21

Datacurve 发布 DeepSWE：更难、更真实的编程基准测试

做 AI 模型评估或选型的团队，DeepSWE 能帮你看到模型在长周期软件工程任务上的真实差距，建议关注这个新基准。

#基准测试 #编程能力 #GPT-5.5 #Claude Opus

rohanpaul_ai@rohanpaul_ai2 个信源在谈原文

5月23日

模型中美对照精选76°16:19

Qwen 3.7-Max 在智能体任务中击败 Opus 4.7 和 GPT-5.5

做智能体开发或自动化任务的团队，Qwen 3.7-Max 在成本与性能上碾压对手，值得在类似场景中直接替换测试。

#Qwen 3.7-Max #智能体 #模型对比 #成本效率

@atomic_chat_hq@atomic_chat_hq原文

5月22日

模型中美对照精选76°22:38

Qwen-3.7-max 在智能体任务中击败 GPT-5.5 和 Opus 4.7，成本低 9 倍

做智能体开发或自动化任务的团队，可以拿 Qwen-3.7-max 替代高价闭源模型，成本直降 9 倍效果反而更好，值得立刻跑个 benchmark 验证。

#Qwen-3.7-max #智能体 #成本对比 #开源模型

Paul Couvert@itsPaulAi原文

模型中美对照83°22:26

Qwen 3.7-Max 在智能体任务中击败 Opus 4.7 和 GPT-5.5

Qwen 3.7-Max 在智能体任务中成本仅为 Claude 的1/9、GPT 的1/2，性能提升却翻倍，做 AI 智能体开发的团队值得关注这个性价比之选。

#Qwen 3.7-Max #智能体 #Claude Opus 4.7 #GPT-5.5

官方账号阿里通义 Qwen@Alibaba_Qwen原文

产品 Agent 与开发者多源确认83°07:26

Cursor Composer 2.5 发布：低成本高性能编程代理，成本仅为竞品1/60

Cursor 用 1/60 的成本实现了接近顶级模型的编程代理性能，做自动化开发或频繁使用 AI 编程的团队可以直接省下大笔费用，建议试试 Fast 模式感受响应速度。

#Cursor #Composer 2.5 #编程代理 #成本优化

eric zakariasson@ericzakariasson11 个信源在谈原文

5月14日

模型中美对照70°09:20

杨植麟40分钟视频拆解Kimi K2训练：460万美元颠覆大厂烧钱逻辑

杨植麟用460万美元和极致架构打脸烧钱竞赛，做AI代理或准备2026年入场的团队，看完会重新思考资源分配策略——建议存下来周末细看。

#Kimi K2 #Moonshot AI #训练优化 #AI代理

berryxia@berryxia2 个信源在谈原文