全部动态

Stanford 这门 Agent 课把数据筛选讲透了：SWE-bench 过滤 68% 样本后 GPT-4o 反而涨 17 分，做训练数据的人直接照着检查清单抄。

shao__meng@shao__meng原文

新基准专门测模型多爱顺着你说，Llama 4 Maverick 97 分、Grok 4.7 最低，Claude 全系都偏低，想挑一款不谄媚的模型可以看看这份排名。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

这期干货不少：Sora 可能借新公司复活，Anthropic 用自研 Scion 替掉 git，内部 Claude 还解开了 25 年的 ECDSA 种子谜题，科技八卦和硬核内容都有。

Tibor Blaho@btibor9111 个信源在谈原文

Salesforce Research 实测 6 个多智能体框架，发现多数不如单智能体加 CoT-SC，成本还贵 10 倍，做 Agent 前先看看这篇。

官方账号Salesforce AI Research@SFResearch原文

专门给前沿模型做能力评测的 METR，现在能像 Anthropic 内部员工一样用模型了，评测结果会更靠谱。

Andrew Curran@AndrewCurran_11 个信源在谈原文

Ethan Mollick 晒了用 GPT-4o 做的教学实验：当 Tutor 用成绩涨且能保持，让 AI 代写涨分就没了，家长老师都该看看

Ethan Mollick@emollick原文

OpenAI 拉了 80 多位心理医生做了个心理健康对话基准，GPT-6 Astra 考了 57.3 分，GPT-4o 只有 32.1，想看模型心理对话靠谱程度可以关注这套评测。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Anthropic 和 OpenAI 联手了，把 Claude 3.5 Sonnet 和 GPT-4o 组合起来，用户能选着用，比单独用哪个都强。

Gary Marcus@GaryMarcus11 个信源在谈原文

Pruna AI 新出的 P-Video 模型，能生成 16 秒的视频，比 GPT-4o 好用。

Replicate@replicate原文

OpenAI公开了GPT-4o的技术架构，开发者能了解其工作原理和性能优势。

小互@imxiaohu11 个信源在谈原文

OpenRouter 默认换成了 GPT-4o Image 2.5 Flare，专门做视觉内容创作和产品原型，比之前的更适合设计师和开发者。

OpenRouter@OpenRouterAI原文

Fireworks 上了首个3万亿参数的开放模型 Kimi K3，百万上下文加视觉，推理不输闭源，还零数据保留，上手试试。

Fireworks AI@FireworksAI_HQ11 个信源在谈原文

Seedream 5.0 图像模型刚上线，能生成 2K 分辨率图片，比 GPT-4o 清晰，但文字多时会糊。想试试新模型可以看看这些例子。

官方一手歸藏(guizang.ai)@op7418原文

GPT-4.5 下线了，想用它的好文风只能走 API。o3 也快走了，记得 8 月 26 日前备份。

宝玉@dotey11 个信源在谈原文

本地 AI 爱好者终于等到了——Gemma 4 QAT 让旗舰级模型跑在手机和笔记本上，做边缘计算或隐私敏感应用的开发者可以直接试试。

Paul Couvert@itsPaulAi11 个信源在谈原文

本地 Agent 开发者终于不用等大模型了——1.5B 活跃参数就能跑出接近 4 倍参数模型的效果，笔记本就能部署，隐私和延迟都解决了，做本地自动化的建议直接试。

berryxia@berryxia7 个信源在谈原文

杂志闹乌龙，GPT-6纯属虚构

berryxia@berryxia10 个信源在谈原文