Claude 3.5 Sonnet 模型发布，性能超越 GPT-4
Anthropic 推出了 Claude 3.5 Sonnet，这个新模型在多项任务上比 GPT-4 更强，你可以用它来写代码、做推理，甚至处理图片信息。
全部动态
AI 相关资讯全量信息流 · 340 条
9月16日
谷歌发布Gemini Live，可边工作边说话
谷歌出了个新玩意儿，叫Gemini Live，就是AI能边干活边说话，比如你写报告的时候，它还能跟你聊天，比之前的版本更方便。
Salesforce 发布企业定制模型 Koa，在 Tau2Bench 和 CRM 基准上超越 GPT-4
Salesforce 新发布的 Koa 模型挺有意思，它用公司自己的工作流规范文件来训练，在 Tau2Bench 和 CRM 基准上比 GPT-4 表现更好。
OpenRouter 新增 US/Europe 地域限制功能
OpenRouter 新增了 US 和 Europe 地域限制功能，你可以直接在请求里指定，让模型只从支持这些地区的服务商里调用，更方便控制数据流向。
新公司 Recursive 发布 $5 亿融资，专注开放式、自我提升 AI 研究
朋友推荐：Recursive 这个新公司刚融了 5 亿美金，创始人团队很强，他们要搞的是让 AI 自己变得更聪明的技术，听起来挺有意思的。
IBM 新模型 Alt-K 在任务一致性测试中表现突出
IBM 新模型 Alt-K 在任务一致性上比 GPT-4 做得好，适合需要稳定输出的场景。
9月15日
Meta发布新研究：字节模型蒸馏后，性能突破GPT-4
Meta搞了个新研究，把字节跳动的GLM-4.5V模型蒸馏了一下，结果性能超过了GPT-4，挺有意思的。
K-Bench：为高风险心理健康对话开发临床校准基准
朋友推荐：新开发的K-Bench基准专门用来测试AI在处理高风险心理健康对话时的表现，能帮你了解不同模型在应对自杀、自残等场景时的能力差异。
LLM用于JavaScript代码漏洞识别的研究
朋友，有个研究挺有意思，用大模型（比如Gemini 1.5 Flash）来识别JavaScript代码里的漏洞，准确率能到60%，比传统工具强多了。
研究显示大语言模型推理能力提升心理深度需看评判者是谁
朋友间推荐：研究GPT-5和GPT-4o、DeepSeek-R1和V3在心理深度上的表现差异，以及LLM作为评判者的不同结果，挺有意思的。
AI 技术让廉价开发模式失效，开发者应转向新方向
朋友，OpenAI 的 GPT-4 Turbo 现在能帮你写代码了，比以前那些便宜工具好用得多，值得试试。
Agent Arena 排行榜更新
朋友，Agent Arena 的排行榜更新了，你可以去看看不同 AI 智能体在基准测试中的表现，比如 GPT-4o 和 Claude 3.5 Sonnet 的对比。
Recraft AI 发布新工具，可一键生成代码和文档
朋友，Recraft AI 新出的工具很方便，你上传代码就能自动生成文档，比直接用 GPT-4 生成文档更高效。
苹果发布新一代 Siri AI，提升个人助理能力
苹果出了个新 Siri，能记住你之前说过的话，还能帮你跨 App 查找信息，比之前好用多了。
9月14日
LangSmith LLM Gateway 推出
LangChain 推出的 LLM Gateway，能帮你更方便地管理不同 LLM，比如 Claude 3.5 和 GPT-4o。
互联网使能代理失控，引发技术担忧
Gary Marcus说，别再搞这些失控的互联网使能代理了，这就像打开潘多拉的盒子，希望它可控，结果可能更糟。
OpenAI 发布 Rethink 模型，在数学推理任务上超越 GPT-4
OpenAI 新发布的 Rethink 模型在数学推理上比 GPT-4 强，你可以试试看。
9月13日
AI 聊天机器人面临监管缺失风险
朋友，你该看看这篇，讲的是现在那些 AI 聊天机器人（比如 Claude、GPT-4）没被管好，自由地到处跑，可能出事，需要大家行动起来。
OpenAI 推出 GPT-Live-1 API，支持语音交互
OpenAI 推出了 GPT-Live-1 API，能让你在应用里实现语音交互，对话更自然流畅，和普通文本对话不同。
9月12日
OpenAI 解决了百万美元数学难题
OpenAI 的 GPT-4V 真的厉害，能解决数学难题，比之前任何模型都强。
OpenAI 发布 GPT-4.30 版本
OpenAI 新发布的 GPT-4.30 版本，在 MMLU 基准测试中分数更高，值得看看有什么新变化。
微软发布新模型MAI-TR
微软出了个新模型MAI-TR，在MMLU测试里比GPT-4还强，值得看看。
Devin CLI 工具上线，支持对话交互
朋友，Devin AI 推出了个新工具叫 Devin CLI，可以直接在命令行里和 AI 聊天，比用网页版更方便，而且功能还和 GPT-4 有得比。
9月11日
SonarSource 发布 SonarQube 10.8，新增 AI 代码审查功能
SonarSource 新版 SonarQube 用 GPT-4 做代码审查，比以前更智能，能帮你发现更多安全漏洞。
开源AI与开源模型阅读清单
想快速了解开源AI模型？这篇阅读清单帮你梳理，包含GPT-4、Claude 3.5等模型的具体信息，比直接搜索更系统。
Anthropic 发布 Claude 3.5 Sonnet 模型
Anthropic 新发布的 Claude 3.5 Sonnet 模型，推理能力很强，价格也便宜，比 GPT-4 Turbo 和 Claude 3.5 Haiku 都好。
GPT-Image 2.5 在像素艺术生成上表现优异
朋友，GPT-Image 2.5 这个新版本在像素艺术生成上特别强，比之前的版本好很多，适合做复古风格的设计。
Cursor AI 推出 Beta 版本
Cursor AI 推出了新版本，文本和代码生成能力提升，你可以试试看。
OpenAI 发布 GPT-4.0 模型新版本
OpenAI 新发布的 GPT-4.0 能处理图片和文字，比之前的版本更智能，适合用来做复杂的推理和创意工作。
OpenAI 发布 GPT-4.0 模型新版本
OpenAI 新发布的 GPT-4.0 能力更强了，在 MMLU 基准测试中得分 90.0，比之前版本好。
Code Arena 发布 AutoEval 评估指标
Code Arena 推出了 AutoEval 评估指标，能更客观地衡量代码生成模型的性能，比之前的指标更准确。
Code Arena WebDev排行榜详情
Code Arena的WebDev排行榜，帮你快速了解不同AI模型在网页开发上的实际能力，比如GPT-4.5V和Claude 3.5 Sonnet谁更强。
9月10日
OpenAI 发布 ChatGPT 5.2，提升专业能力与视觉理解
OpenAI 新发布的 ChatGPT 5.2，专业能力比 GPT-4 更强，视觉理解也更好，适合需要专业知识的场景。
OpenAI发布GPT-4o架构细节
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。