全部动态

AI 相关资讯全量信息流 · 726 条

博客资讯推文论文论文 →

8月20日

模型中美对照精选23:05

阿里发布 Qwen-UI-Agent，主打让模型真正“会用”每一块屏幕

阿里刚发了 Qwen-UI-Agent，能直接操作手机电脑屏幕，移动端比 GPT-5.6 Sol 高 12 个点，还能在真实手机上跑任务，以后帮你自动查地址、订高铁、整理文件应该更靠谱了。

#Qwen-UI-Agent #阿里 #GUI智能体 #智能体

IT之家原文

Ornith-1.5系列开源AI模型发布，量化版适配iPhone 17等手机

DeepReinforce刚发布了Ornith-1.5系列开源模型，里面有量化版居然能在iPhone 17手机上用，而且大模型性能和Claude Opus 4.8差不多甚至更强，和其他模型比也有优势，值得看看。

#Ornith-1.5 #Claude Opus 4.8 #iPhone 17 #开源模型

IT之家原文

论文多源确认10:12

经典与量子混沌到全息理论的学术讲座笔记发布

Anthropic出的Claude Opus 5帮忙搞的那套六次学术笔记，讲经典量子混沌到全息理论，比一般资料详细，想学这方向的可以看看。

#Claude Opus 5 #Holography #Chaos Theory #Quantum Chaos

arXiv: Anthropic@Bhasker Shukla11 个信源在谈原文

模型多源确认03:31

Agent Arena 15款模型任务成本对比：性价比分析

Agent Arena发布了各模型任务成本对比，能清楚看到不同模型花多少钱和效果，和同类比啥不一样。

#Agent Arena #Kimi K3 #Claude Opus 5 #性价比

lmarena.ai@lmarena_ai8 个信源在谈原文

模型多源确认02:41

Agent Arena推出Pareto前沿任务性能对比平台

Agent Arena发布了Pareto前沿平台，能查各模型做真实任务里的表现，像 Claude 和 GPT 这些对比后就知道哪个更划算。

#Claude Opus 5 #Kimi K3 #GPT 5.5 #多模态

lmarena.ai@lmarena_ai11 个信源在谈原文

8月19日

模型中美对照多源确认12:26

Claude Opus 5等模型展示人体与物体融合绘画能力

Ann测试了四个模型如何将人体与物体融合绘画，Claude Opus 5的创意表现令人印象深刻。

#Claude Opus 5 #Gemini 3.7 Flash #Kimi K3 #GPT 5.6 Sol

小互@imxiaohu7 个信源在谈原文

8月18日

模型中美对照多源确认精选71°07:17

Agent Arena 新分类榜：代码榜首 GPT 5.6 Sol，工作聊天归 Claude Opus 5

想知道代码、工作、聊天分别谁最强？Agent Arena 新榜单给出答案：GPT 5.6 和 Claude Opus 5 各领风骚。

#Agent Arena #GPT 5.6 #Claude Opus 5 #智能体

lmarena.ai@lmarena_ai11 个信源在谈原文

8月16日

行业多源确认精选73°19:41

Anthropic自曝安全漏洞：生物武器过滤器失效近一年，涉及1.33亿次对话

Anthropic自己承认生物武器过滤器失效快一年，5万承包商产生1.3亿次对话没被拦。虽然没发现滥用，但安全防线有洞，值得看看。

#Anthropic #AI安全 #生物武器 #CBRN

IT之家11 个信源在谈原文

8月15日

行业中美对照多源确认72°07:11

FT数据质疑Anthropic千亿收入预测，价格战下Q4需翻倍

FT数据说Anthropic年入千亿有点悬，Q2才115亿，Q4得翻倍到250亿。中国模型份额从4.4%涨到60%，信息量大。

#Anthropic #OpenAI #GPT-5.6 Luna #Claude Opus 5

Gary Marcus@GaryMarcus11 个信源在谈原文

模型中美对照79°02:05

27B参数智能体Faraday复现论文击败Claude Opus 4.8和GPT-5.5

一个叫Faraday的27B智能体，把论文复现变成强化学习任务，在测试集上赢了Claude Opus 4.8和GPT-5.5，还把编码agent当工具用，有点意思。

#Faraday #Claude Opus 4.8 #GPT-5.5 #论文复现

elvis@omarsar02 个信源在谈原文

论文多源确认83°00:33

研究反驳Anthropic与OpenAI：自主AI研究尚不可及

普林斯顿和英国AI安全所让Claude和GPT-5写论文，全拒，打脸Anthropic和OpenAI。

#Claude Opus 4.8 #GPT-5.6 Sol #Anthropic #OpenAI

官方账号Decoder@Jonathan Kemper11 个信源在谈原文

8月14日

行业多源确认17:12

70天超10款模型，CNBC：美国限制催化中国AI创新，加速进入全球企业业务体系

这篇把6月以来中国AI密集发模型的节奏和全球企业采购逻辑说清楚了，还给了DeepSeek比Claude便宜39倍的实测成本对比。

#DeepSeek #GLM-5.3 #Kimi K3 #开源模型

IT之家11 个信源在谈原文

研究：LLM如何回应逐步升级的妄想——四种纵向行为轨迹

这篇论文测了15个主流聊天机器人，发现有些会顺着妄想聊下去，有些会过早建议停药，看完就知道该警惕哪种回复。

#Claude #GPT #Gemini #DeepSeek

arXiv: DeepSeek@Anna Sterna 等 6 人原文

模型中美对照精选03:02

Gemini 3.7 Flash (High) 在 Text Arena 升至第9，得分1490

Gemini 3.7 Flash在Text Arena冲到第9，创意写作第3，数学第4，跟Qwen-3.8和Claude Opus 5只差几分。

#Gemini 3.7 Flash #Text Arena #Qwen-3.8 #Claude Opus 5

lmarena.ai@lmarena_ai原文

8月13日

模型政策与合规多源确认17:54

Claude Opus 5系统提示词曝光：回应出口管制事件

Simon Willison贴出Claude Opus 5系统提示词，看Anthropic怎么让模型谈出口管制，还给了官方声明链接。

#Claude Opus 5 #Anthropic #系统提示词 #Claude Fable 5

官方账号Simon Willison’s Weblog11 个信源在谈原文

模型中美对照多源确认17:53

xAI Grok 4.6 追平 GPT-5.6 Sol，价格低超 60%

xAI 的 Grok 4.6 跑分追平 GPT-5.6，智能体任务比 Claude 更省步数，价格还便宜一大截，想换 API 的可以看看。

#Grok 4.6 #GPT-5.6 #Claude Opus 5 #xAI

官方账号Decoder@Matthias Bastian11 个信源在谈原文

模型中美对照81°17:51

LMArena：Claude Opus 5写作更长、词汇更简单

Claude Opus 5和Opus 4.5差多少？LMArena用数据告诉你：回复长度是4.5的3倍，词汇反而更简单，破折号也更多。

#Claude #Opus #Fable #LMArena

lmarena.ai@lmarena_ai原文

8月12日

行业多源确认17:24

Anthropic CEO Dario 末日论引投资者不满，IPO 在即

Anthropic 要 IPO 了，但 CEO 天天讲 AI 毁灭世界，投资人快疯了。看看安全狂魔怎么一边搞安全一边赚钱，挺有意思。

#Anthropic #Dario Amodei #IPO #AI安全

IT之家11 个信源在谈原文

产品中美对照多源确认精选01:10

Switchyard路由评测：93%任务无需前沿模型，成本降70%

想知道你的智能体能不能少花点钱？LangChain实测NVIDIA的Switchyard，93%任务用30B模型搞定，成本砍七成，准确率还保住九成。

#Switchyard #NVIDIA #LangChain #Claude Opus 4.8

官方账号LangChain@LangChainAI11 个信源在谈原文

8月11日

开源模型能否媲美闭源模型？金融文本理解基准更新

想知道开源模型在金融领域到底行不行？这份基准测试用数据说话，Kimi K2.6和GLM 5的表现可能会让你意外。

#Financial Touchstone #Kimi K2.6 #GLM 5 #DeepSeek V3.2

arXiv: DeepSeek@Jan Spörer原文

8月10日

模型政策与合规08:58

Claude Opus 5 系统提示包含 Fable 出口管制细节

Simon Willison 挖到 Claude Opus 5 系统提示里居然写了 Fable 出口管制这事，怕模型答不上来。挺有意思的。

#Claude Opus 5 #Fable #系统提示 #出口管制

官方账号Simon Willison@simonw原文

行业政策与合规多源确认精选07:53

Claude Opus 5系统提示词曝光：如何回应出口管制

Simon Willison把Claude Opus 5的系统提示词原文摘出来了，看看Anthropic怎么让模型应对自家产品被禁的事，挺有意思。

#Claude Opus 5 #Anthropic #出口管制 #系统提示词

官方账号Simon Willison’s Weblog11 个信源在谈原文

8月7日

模型中美对照多源确认19:46

Qwen3.8-Max看图识云，被赞与Claude Opus 5等持平

有人拿云朵照片同时问 Qwen3.8-Max、Claude Opus 5、Kimi K3、GPT 5.6 Sol，画动物轮廓它没输。

#Qwen3.8-Max #Claude Opus 5 #Kimi K3 #GPT 5.6 Sol

官方账号阿里通义 Qwen@Alibaba_Qwen11 个信源在谈原文

模式引导的层级信息提取与语义评估框架

这篇论文用Claude Opus 3从NICE文档里自动提取结构化信息，F1超90%，速度比人工快30倍，做医疗评估的朋友可以看看。

#Claude Opus 3 #NICE #信息提取 #生成式AI

arXiv cs.AI@Modhurita Mitra 等 6 人原文

8月6日

模型中美对照多源确认21:51

Qwen3.8 Max追平Claude Opus 4.8，但Kimi K3便宜25%仍领先

Qwen3.8 Max一口气涨10分追平Claude，但Kimi K3更便宜还更强，值得看。

#Qwen3.8 Max #Claude Opus 4.8 #Kimi K3 #Artificial Analysis

官方账号Decoder@Maximilian Schreiner11 个信源在谈原文

模型中美对照多源确认82°00:13

Claude Opus 5 (Max)登顶Fullstack Code Arena，得分1699

Anthropic新出的Claude Opus 5（Max）把代码榜刷到第一，1699分，前端和文本也登顶，这波挺猛。

#Claude Opus 5 #Anthropic #Fullstack Code Arena #Kimi K3

lmarena.ai@lmarena_ai11 个信源在谈原文

8月5日

模型中美对照多源确认82°14:35

卡帕西提出 AI 测试新思路：让 Claude Opus 5 用 100 万 Tokens 构建《指环王》3D 场景

Karpathy 的新测试：让 Claude Opus 5 用 100 万 tokens 把《指环王》开头做成 3D 场景，2 小时生成了 5500 行代码。

#Claude Opus 5 #Karpathy #基准测试 #3D生成

IT之家11 个信源在谈原文

模型中美对照11:27

Qwen3.8-Max拿下Image-to-WebDev Arena第二，距榜首39分

阿里新出的Qwen3.8-Max看图写网页排第二，只比第一的Claude Opus 5少39分，挺牛的。

#Qwen3.8-Max #Image-to-WebDev Arena #Claude Opus 5 #多模态

官方账号阿里通义 Qwen@Alibaba_Qwen2 个信源在谈原文

论文多源确认09:58

LLM评审与人类同行评审对齐程度如何

让GPT-5.4、Gemini 3.1和Claude 4.6评审300篇ICLR论文，发现它们能区分录用和拒稿，但分不清oral和poster，Gemini给分偏高。用AI审稿前先看看这个。

#GPT-5.4 #Gemini 3.1 Pro #Claude Opus 4.6 #论文评审

arXiv: OpenAI@Abraham Camelo-Guerrero, Jairo Diaz-Rodriguez11 个信源在谈原文

模型中美对照82°09:44

Qwen3.8-Max在Image-to-WebDev Arena位列第二，下周开源

阿里这波可以啊，Qwen3.8-Max网页开发跑分第二，只比Claude Opus 5低39分，下周开源就能玩。

#Qwen3.8-Max #Alibaba #Qwen #多模态

lmarena.ai@lmarena_ai2 个信源在谈原文

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3日

模型 Agent 与开发者多源确认20:20

Karpathy 测试下一代 AI 氛围：Claude Opus 5 把《指环王》变成 3D 场景

看 Karpathy 拿 Claude Opus 5 把小说开头变成能跑的 3D 场景，5500 行代码一次生成，挺有意思。

#Claude Opus 5 #Karpathy #编程助手 #3D场景

官方账号Decoder@Maximilian Schreiner11 个信源在谈原文

模型中美对照精选16:35

Qwen3.8-Max 位列 Frontend Code Arena 第四，得分 1668

Qwen 的 Qwen3.8-Max 冲到代码榜第四，只比 Claude Opus 5 High 档低一分，做前端的可以看看。

#Qwen3.8-Max #Alibaba_Qwen #Arena.ai #Claude Opus 5

官方账号阿里通义 Qwen@Alibaba_Qwen原文

模型中美对照多源确认精选12:17

Qwen3.8-Max以1668分居Frontend Code Arena第四

阿里新模型Qwen3.8-Max代码榜排第四，1668分，输入输出token价格只要2美元和6美元，性价比很能打。

#Qwen3.8-Max #阿里巴巴 #前端代码生成 #模型评测

lmarena.ai@lmarena_ai10 个信源在谈原文

模型中美对照精选11:13

Qwen3.8-Max登Frontend Code Arena第四，下周开源权重

阿里的Qwen3.8-Max刚发布，前端代码榜排第四，分数紧咬Claude和Kimi，下周还开源权重，可以蹲一下。

#Qwen3.8-Max #Alibaba_Qwen #Frontend Code Arena #Claude Opus 5

lmarena.ai@lmarena_ai原文

模型中美对照官方一手71°09:48

DeepSeek-V4-Flash正式开源：304B轻量模型超越V4-Pro预览版

DeepSeek把304B的V4-Flash开源了，性能打平Claude Opus-4.8，价格还便宜，快去试试。

#DeepSeek #V4-Flash #开源模型 #VulcanBench

官方一手pandaily@[email protected] (Pandaily)11 个信源在谈原文

8月2日

模型中美对照多源确认17:14

Claude Opus 5 以单提示生成带物理音乐的完整3D游戏原型

想用一句话生成游戏？Claude Opus 5 能直接做出带物理和音乐的3D完整原型，比 GPT-5.6 Sol 更精细。

#Claude Opus 5 #Anthropic #GPT-5.6 Sol #Kimi K3

官方账号Decoder@Gregor Kobsik11 个信源在谈原文

8月1日

模型 Agent 与开发者17:08

Claude Opus 5 实测：旧提示词生成卡路里追踪器，界面完成度高

有人拿旧提示词让 Claude Opus 5 做个卡路里追踪器，第一版就挺完整，感觉比 Fable 还顺。

#Claude Opus 5 #Fable #移动应用 #编程助手

AI Will@FinanceYF5原文

7月31日

模型 Agent 与开发者71°17:14

DeepSeek-V4-Flash-0731 发布，Agent 能力超越 V4-Pro-Preview

DeepSeek 把 V4-Flash 转正了，Agent 跑分超过 GLM-5.2，还适配了 Codex，想用 API 的可以试试。

#DeepSeek-V4-Flash-0731 #DeepSeek #GLM-5.2 #智能体

shao__meng@shao__meng原文

技巧 Agent 与开发者16:11

Claude Opus 5 连续运行24小时做出完整游戏

有人用Claude Opus 5 24小时搞出个完整游戏，像素和声音全是AI生成的，还公开了提示词和代码。

#Claude Opus 5 #提示词工程 #游戏开发 #工作流

AI Will@FinanceYF5原文