AITOPAI热报

Sonnet 4.6

共 9 条相关 AI 资讯
7月24日
09:34
09:34官方一手arXiv: OpenAI@Ankur Singh, Jinqiu Yang, Tse-Hsun Chen
精选
IssueTrojanBench新基准测试了Cursor、Claude Code和Codex Desktop三个编码代理，基于GPT-5.3/5.4和Sonnet 4.6模型。基准包含四种新型攻击类别（嵌入恶意指令）和六种投递向量（如PDF、issue评论）。结果显示66.5%的恶意issue穿透了所有防护。GPT模型普遍脆弱，而Sonnet 4.6表现出更选择性的高风险行为阻断。当前代理级防御措施提供的额外保护有限。
论文IssueTrojanBenchGPT-5.3Sonnet 4.6
事件专题
推荐理由：这个基准测试发现，你用的AI编码工具面对恶意issue时几乎不设防，66.5%都能得逞，赶紧看看你的工具安不安全。
原文
7月22日
12:30
12:30官方账号arXiv cs.AI@Harmon Bhasin, Kevin Flyangolts, Dianzhuo Wang, Evan Seeyave, Arjun Banerjee, Amanda Darling, Joshua Stallings, David Stern, Shawn Higdon, Claire Duvallet, Bryan Tegomoh, Kenny Workman
新基准BioSecBench-Surveillance包含100个评估任务，覆盖7个类别，从分类到基因工程检测。16个模型-工具组合在3962次尝试中，最佳配置Opus 4.8 with PI仅达50.2%准确率，与GPT-5.5 with Codex并列。Opus 4.7 with PI为49.6%，Sonnet 4.6 with PI为48.6%。即使调用正确工作流，错误仍源于参考序列、阈值、过滤器等选择失误。该基准为衡量下次疫情爆发时AI代理的可信度提供了标准。
AI模型BioSecBench-SurveillanceOpus 4.8GPT-5.5
事件专题
推荐理由：想看看AI在基因组监测上多不靠谱？新基准BioSecBench-Surveillance测了16个模型，最好才一半正确，细节值得细读。
原文
7月14日
17:28
17:28小互@imxiaohu
推文比较了三个 Claude 模型的人格特征。Sonnet 4.6 偏顺从、温暖、简洁。Opus 4.6 偏严格、顺从、简洁。Opus 4.7 偏谨慎、深度，更常挑战错误假设并主动指出风险。详细报告来自 best.xiaohu.ai。
AI模型Sonnet 4.6Opus 4.6Opus 4.7
事件专题
推荐理由：想了解Claude不同版本的个性差异？这篇文直接对比了Sonnet 4.6、Opus 4.6和Opus 4.7的回复风格，帮你选更合适的模型。
原文
04:21
7月8日
11:41
7月1日
16:48
05:46
02:56
02:56OpenRouter@OpenRouterAI
73°
OpenRouter推出Claude Sonnet 5，促销价格输入$2/M，输出$10/M。该模型强化了智能体编码和专业工作流能力。早期测试显示，相比Sonnet 4.6，其智能体更可靠、任务执行更快，且处理大任务时更易信任。
AI模型Claude Sonnet 5OpenRouterSonnet 4.6
事件专题
推荐理由：OpenRouter上了Claude Sonnet 5，价格比官方低，智能体编程更稳更快，值得试试。
原文
6月13日
10:41