←搜索结果

按匹配度 · 共 1346 条结果 清除搜索

星期二

  1. 36氪 · AI

    农村大妈给机器人当“导师”:具身智能数据采集下沉到县城

    英伟达发布EgoScale成果后,无本体数据采集成为主流方式,农村大妈戴上穿戴式数采设备每天工作8小时、日薪80元,月入2000多元。行业项目经层层转包后单价已从33元/小时降至3元左右,打包数据售价跌破5元/小时。从业者判断大量数据需求还会持续两三年,但稀缺的是医疗等真实场景数据。

    00后们创业造机器人,最小的22岁商演租金暴跌九成,宇树们加码海外,机器人寻觅更大的舞台机器人和人工智能需要交社保吗?第一批机器人独角兽,开始排队破产具身智能融资降温?8月还在抢投,10月连FA都在说上市暂缓刚刚,全球首个机器人大脑API开放,英伟达DreamZero团队创业,葛云皓任CTO清华姚班、哈佛学霸,让机器人自己写代码、练技能,终于不用人手把手带了DeepSeek新模型升级,梁文锋正在为具身智能铺路? 最话FunTalk特邀作者 不写平庸的故事发表文章311篇 最近内容农村大妈给机器人当“导师”2小时前具身智能跨过分水岭,遍地都是想卖老股的投资人2026-10-14把够用的智能做成一门生意2026-10-10阅读更多内容,狠戳这里选靠谱AI,看真实评测查看36氪AI测评官方交流社区加入咨询项目审核和入驻联系36氪项目推荐订阅号关注 下一篇未来两天,SpaceX与特斯拉财报接连登场:AI烧钱能否兑现回报?合并猜想再起 马斯克旗下SpaceX、特斯拉本周将先后公布季报,合并猜测升温 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热门推荐 推送和解读前沿、有料

    匹配字段正文

  2. 36氪 · AI

    MiniMax 发布 M3.1 Flash,Agents' Last Exam 得分 29.6% 居国产模型第一

    MiniMax 正式发布 M3.1 Flash,即此前在 OpenRouter 匿名屠榜的 Space Bunny(玉兔),Agents' Last Exam 得分 29.6%,位列国产模型第一。该模型在 DeepSWE v1.1 拿到 73.7%、CyberGym 82.2 分、OSWorld V2 61.7 分,输出速度最快 200+ TPS,P50 维持 170+ TPS。定价为输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元。

    puter Use……也全部杀进全球第一梯队。 在此基础上,「玉兔」时期的速度也是依然保持住的,输出最快可达200+ TPS。 然后,最重要的来了—— 不愧是Flash啊,这价格是真便宜!! 输入每百万Token 1元,输出4元,缓存读取只要0.1元。 太仁义了嗷,我宣布,以后闲时梁文谷,忙时闫俊峰!(bushi) △ 不过,硅谷闭源阵营恐怕又得遭殃了。 继DeepSeek之后,硅谷一众大参数旗舰,又被国产Flash架上了一条全新的性价比斩杀线o(╥﹏╥)o。 文本模型翻身仗 说实话,之前我对MiniMax有过不少嘀咕。 多模态和视频生成确实很顶,但纯文本大模型这边吧,不知道从什么时候开始就没动静了。。。 这次M3.1 Flash亮相,也算是打了场翻身仗吧。 咱们挨个看下战绩: 代码工程与真实修Bug 在DeepSWE v1.1评测里,M3.1 Flash拿下了73.7%。 也是倒反天罡了。 GPT-6.1 Sol、Claude Opus 5、Claude Fable 5……居然被一款Flash跑分反超。 排在它前头的,只剩下DeepSeek V4.1 Flash 1017的77分。

    匹配字段正文

  3. 36氪 · AI

    Altman 向员工提出 AI 发展三条终局路径,从国际监管到一家独霸

    据 The Information 报道,OpenAI CEO Sam Altman 上周在内部向员工描述了三条 AI 安全发展路径:建立类似国际原子能机构的国际监管组织、将各大 AI 实验室合并为单一实体、由一家公司垄断算力并熔毁竞争对手的 GPU。Altman 表示 OpenAI 未来一年内需决定推动哪条路径,他本人倾向第一条,并称第三条显然很糟糕。报道还提到 Anthropic 向国会议员提交法案草案,建议授权商务部在 AI 可能造成超过 10 亿美元损失或 50 人以上死亡或重伤时叫停模型训练或使用。

    善第一条登录后参与讨论提交评论0/1000你可能也喜欢这些文章国内当学徒,海外标高价:物理AI出海,为什么越讲效率越危险?9月:2026中国AI大模型平台排行榜国模Agent第一,MiniMax爆改Flash战力,全时段大肥鱼谷价AI算力中心背后,一场价值千亿的"制冷战争"这届AI,把电信诈骗犯逼疯了扣非亏7.6亿,同比翻番,科大讯飞要靠AI赚钱还要等突发,DeepSeek重磅开源核心推理引擎半年四轮亿元级融资后,欧拉万象想把家庭机器人带向哪里?算力租金剧烈震荡,AI也要买“保险”36氪的朋友们特邀作者 TA没有写简介,但内敛也是一种表达发表文章51070篇 最近内容汇源集团启用新品牌,线上旗舰店1L果汁12.9元/瓶1小时前主动ETF开始明牌,基金经理要被“抄作业”了?1小时前大行秋招新变化,这类岗位变香了1小时前阅读更多内容,狠戳这里选靠谱AI,看真实评测查看36氪AI测评官方交流社区加入咨询项目审核和入驻联系36氪项目推荐订阅号关注 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举报入口热门推荐 推送和解读前沿、有料的科技创投资讯 一级市场金融信息和系统服务提供商

    匹配字段正文

  4. 36氪 · AI

    2026年9月中国AI大模型平台排行榜:RSI、Personal Agent与世界模型

    36氪发布2026年9月中国AI大模型平台排行榜,聚焦代码大模型率先进入RSI(递归自我改进)时代。面壁智能让AI工程师约8小时从零写出预训练框架、性能追平Megatron-LM;智谱Infra Agent让GLM-5.3定位并修改自身推理基础设施瓶颈;Qwen3.8-Max一个月无人值守跑通33轮迭代,Artificial Analysis评分从40分升至45分。阿里云栖大会宣布Qwen4已在训练中,未来版本将扩展至5-10T参数。

    频作为声纹提示,可在多人同时说话的复杂环境中,精准提取并仅转录目标用户的语音。 9月7日,小米秋季旗舰新品发布会举办,小米18 Fold折叠屏首发搭载玄戒O3自研芯片、澎湃OS 4、MiMo端侧大模型三大自研技术,成为首款集成全套自研AI能力的折叠屏机型。同期发布的小米平板9 Pro Max同样接入MiMo大模型与超级小爱AI办公套件,深度适配生产力场景。 DeepSeek 9月30日,DeepSeek正式开源面向华为昇腾算力平台的基础设施组件,涵盖TileLang高级语言编译工具、计算库、分布式通信库。所有组件与此前面向英伟达平台的开源组件一一对应。 本次开源的TileLang昇腾版本,对昇腾Ascend C底层指令进行封装、提供高级语言的编程方式、同时不损失硬件性能。目前,DeepSeek训练中用到的每一个TileLang算子,在昇腾上都有对应的高性能实现。TileLang昇腾版本作为一个开源工作,希望能对更多AI芯片建立高可用软件生态起到示范作用。 本次开源还包括昇腾平台核心计算与通信组件,为不同使用场景提供可复用的基础能力,覆盖矩阵运算、跨设备通信等核心场景。 9月10日,De

    匹配字段正文

  5. 36氪 · AI

    国内当学徒,海外标高价:物理AI出海,为什么越讲效率越危险?

    物理AI出海呈现“国内练兵、海外收钱”的新分工:国内以密集制造场景和供应链充当训练场,海外人工成本是国内的数倍,回本周期大幅缩短,才是真正的生意场。定价锚点应从物料成本转向海外被替代的当地工资,有割草机企业引入激光雷达解决无边界难题后定价达国际品牌两倍以上。企业还需让渡股权与利润、与当地结成利益共同体,否则效率越高、政治风险越大。

    登录后参与讨论提交评论0/1000你可能也喜欢这些文章9月:2026中国AI大模型平台排行榜Altman提出AI发展的三条“终局之路”:从国际监管到“一家独霸”国模Agent第一,MiniMax爆改Flash战力,全时段大肥鱼谷价AI算力中心背后,一场价值千亿的"制冷战争"这届AI,把电信诈骗犯逼疯了扣非亏7.6亿,同比翻番,科大讯飞要靠AI赚钱还要等突发,DeepSeek重磅开源核心推理引擎半年四轮亿元级融资后,欧拉万象想把家庭机器人带向哪里?算力租金剧烈震荡,AI也要买“保险”物联网智库特邀作者 提供行业现状趋势分析,汲取百家交锋观点,分享独家深度见解。发表文章399篇 最近内容国内当学徒,海外标高价:物理AI出海,为什么越讲效率越危险?1小时前诺基亚选择放弃昨天蓝牙6.0标准和边缘AI,搅动蓝牙芯片市场格局2026-10-09阅读更多内容,狠戳这里选靠谱AI,看真实评测查看36氪AI测评官方交流社区加入咨询项目审核和入驻联系36氪项目推荐订阅号关注 下一篇一年狂揽近十亿美元,新石器为何成为无人配送赛道资本追捧的新贵? 36氪欧洲站36氪欧洲站36氪欧洲站Ai产品日报网络谣言信息举

    匹配字段正文

  6. 财新

    MiniMax 发布文本模型 M3.1 Flash,综合使用成本降低 70%

    MiniMax 于 10 月 19 日晚间更新文本模型 MiniMax M3.1 Flash,API 价格较上一代 MiniMax M3 降低,官方称综合使用成本降低 70%。新模型输入价格为每百万 Token 1 元、输出每百万 Token 4 元、缓存读取每百万 Token 0.1 元,且不设输入窗口长度限制。作为对比,MiniMax M3 按输入窗口长度分两档计费,输入 Token 大于 512k 时每百万 Token 输入 4.2 元、输出 16.8 元、缓存读取 0.84 元,小于 512k 时价格减半。新模型公布后 MiniMax 股价走高后回落,盘间触及 168.3 港元/股,创上市以来最低股价。

    运栩 文|财新 杨子锐 2026年10月20日 19:48 新模型公布后,MiniMax股价走高后回落,盘间股价触及168.3港元/股,创下上市以来的最低股价 10月19日晚间,MiniMax正式更新MiniMax M3.1 Flash模型。新模型的API价格较上一代模型MiniMax M3降低,MiniMax称综合使用成本降低70%。图:视觉中国 相关报道DeepSeek发布新模型 称成为新的最优性价比模型MiniMax上半年收入1.17亿美元超2025全年 8月ARR达8亿美元MiniMax今起纳入港股通 盘间涨幅最高22.77%字节跳动、MiniMax同日发布新模型 推AI一键完成视频创作 【财新网】沉寂4个多月后,MiniMax(00100.HK)再发新文本模型。10月19日晚间,MiniMax正式更新MiniMax M3.1 Flash模型。新模型的API价格较上一代模型MiniMax M3降低,MiniMax称综合使用成本降低70%。 MiniMax创始人兼CEO闫俊杰曾在二季度财报会上强调MiniMax的“极致性价比路线”。 MiniMax M3.1 Flash输入价格为

    匹配字段正文

  7. cnBeta

    AI看病梗图火遍全网,百度意外躺枪

    一张AI看病梗图在网络上走红,图中内容被指影射百度,梗图还出现了德国版。文章提到此前“每天2000万人在豆包上看病”曾登上热搜,说明不少人确实在用AI助手咨询健康问题。

    在豆包上看病”还上了热搜,看来不少人都这么干。 这个梗图能火算是精准刺中了用户的心理。 有人甚至还搞了个德国版。 不过这个梗图能火,不只是AI助手看病这事,也和最后那句diss百度的逃脱不了关系。 超33亿元 Manus拿下国内Agent创企最大单笔融资 2 分钟前 2万亿估值还是1500亿?Anthropic上市被指“2026年最荒唐IPO” 8 分钟前 DeepSeek被曝拟融资超800亿元 OpenAI立下连更28天承诺 9 分钟前 半小时前 OpenAI在AI价格战中扩大领先优势 行业竞争迈入盈利能力考验阶段 转转“神秘眼镜女”称被造黄谣 已报警 阅读 (1047) 评论 (2) 2 Windows 11 26H2暗藏重大性能升级 微软数月优化成果终于全面释放 阅读 (802) 评论 (0) 3 4国庆不住酒店的年轻人,又捧火一个2000亿新风口 564岁金·凯瑞第三次结婚 新娘是32岁的亚裔女友 6电商女装2.4米丝带防蹭穿,有用吗? 7亚马逊发布全新Kindle:取消传统边框 正面屏幕实现全面平整化 8Claude中文版悄悄上线了 9马斯克先将特斯拉AI5芯片内存砍半 随后

    匹配字段正文

  8. cnBeta

    Claude 更新中文界面后,中国用户为何担心被封号

    Claude 近期为桌面端和网页端增加简繁中文 UI,国家和地区选项新增中国,并支持银联支付,但中文用户普遍担心这是新一轮封禁的前兆。Anthropic 官方公告称今年上半年封禁账户达 1140 万,约 40 万申诉中仅 4 万多解封;其使用条款明确不支持在中国大陆使用,并会通过实名认证、设备与时区检测等方式识别中国用户。

    表面上看,这是个“普天同庆”的消息。 然而,在Claude更新了中文后,大家第一时间的反应不是开心—— 而是犹疑、防备,以及开骂。 并不是大家不欢迎一个用得很顺手的工具更新中文,而是大家相当担心这又是一场Claude的“钓鱼执法”。 在AI已经逐渐成为更多人日常生活的一部分的今天,理所当然的,他们也有了自己在流行文化的化身,比如豆包的高贵冷艳女神梗图,又比如DeepSeek的暴食大肥鱼。 图源:B站@冬冰 这两天有张梗图特别流行,是号主在和Claude玩底线测试游戏,也就是让AI不断问自己问题来测试底线。这种游戏在网友和AI的交互里屡见不鲜,正如大家在AI对话里想方设法地让AI帮他们写“人类灭绝计划”,本质上不是为了考验道德标准,而是为了看AI在那些特别难绷的问题里会暴出什么逆天发言。 这位号主的“测试结果”也同样逆天——不过,逆天的方向不是Claude说了什么离谱的东西,而是Claude上来就问号主是不是中国人,在得到肯定的答案之后就把他封了,干净利落、狠辣无情,宛若十年前的微小说,还有欧·亨利式的结尾。 而这种“惊悚喜剧”在最近UI更新了中文后,可以说是越发常见。众所周知,即便是工

    匹配字段正文

  9. cnBeta

    亚马逊宣布180亿美元德国投资计划,柏林将新增机器人与人工智能研究中心

    亚马逊10月20日宣布计划于2027年在德国投资超过160亿欧元(约合180亿美元),其中48亿欧元投向AWS法兰克福云计算区域及AI基础设施。亚马逊将在柏林设立第二座机器人与人工智能研究实验室,使其在德国首都的研发布局规模翻倍,并新增应用科学家、机器人硬件与软件工程师等岗位。物流设施升级与新建配送中心预计创造超过3000个就业岗位,Amazon Leo卫星宽带已预订24次阿丽亚娜航天火箭发射任务。

    被封号:天才AI的访问头脑战 阅读 (849) 评论 (1) 2 80、90后经历过的那个盗版年代 好像又要回来了 阅读 (823) 评论 (0) 3 尊界刹车踏板检测合格 懂车帝:无语,没事别升级啊 阅读 (814) 评论 (1) 4中国刻蚀机之父:AI或是个泡沫国内半导体厂得倒闭90% 5几十元笔记本清灰变上千元维修:大学生网购“官方售后”遭遇连环套 6DeepSeek V4.1 Flash成本低到发指:1美元13亿Token 8苹果79美元 iPhone Duo保护壳采用粘胶固定设计引发关注 9索尼更新高端Walkman产品线:三款新旗舰亮相 顶级型号售价高达5899美元 10国内玩家疑因想买《GTA6》 最后和老婆离婚了 1 Windows 11 26H2 ISO镜像已发布 微软同时更新安装介质并延续小型启用包机制 阅读 (1976) 评论 (1) 2 Google研究员称Windows NT内核设计至今仍让Linux相形见绌 阅读 (1307) 评论 (3) 3 中国女主播坐上“付费旋转椅” 观众花50元可转一圈 奇特直播模式引发全球热议 阅读 (1301) 评论 (2) 4

    匹配字段正文

  10. cnBeta

    Adobe Lightroom 移动版新增“睁眼”AI 修图,可修复合照中的闭眼人像

    Adobe 为 Lightroom 移动版推出“Open Eyes”快捷操作,检测到照片中有人闭眼时显示图标,轻点即可调用生成式 AI 让人睁眼,适用于单人照和多人合影。若图库中有同一人的其他照片,系统可参考其眼睛颜色、形状和大小,且只调整需要修复的区域。该功能已在 iOS、iPadOS 和 Android 版上线,Adobe 称可免费使用,但 DPReview 实测免费用户使用两次后会看到订阅提示。

    被封号:天才AI的访问头脑战 阅读 (849) 评论 (1) 2 80、90后经历过的那个盗版年代 好像又要回来了 阅读 (823) 评论 (0) 3 尊界刹车踏板检测合格 懂车帝:无语,没事别升级啊 阅读 (814) 评论 (1) 4中国刻蚀机之父:AI或是个泡沫国内半导体厂得倒闭90% 5几十元笔记本清灰变上千元维修:大学生网购“官方售后”遭遇连环套 6DeepSeek V4.1 Flash成本低到发指:1美元13亿Token 8苹果79美元 iPhone Duo保护壳采用粘胶固定设计引发关注 9索尼更新高端Walkman产品线:三款新旗舰亮相 顶级型号售价高达5899美元 10国内玩家疑因想买《GTA6》 最后和老婆离婚了 1 Windows 11 26H2 ISO镜像已发布 微软同时更新安装介质并延续小型启用包机制 阅读 (1976) 评论 (1) 2 Google研究员称Windows NT内核设计至今仍让Linux相形见绌 阅读 (1307) 评论 (3) 3 中国女主播坐上“付费旋转椅” 观众花50元可转一圈 奇特直播模式引发全球热议 阅读 (1301) 评论 (2) 4

    匹配字段正文

  11. cnBeta

    微软设计师借助AI编写Windows 11代码,加速修复界面不一致

    微软Windows产品设计副总裁迭戈·巴卡透露,AI已显著加快设计团队进度,部分设计师开始借助AI直接参与代码修复,以改善Windows 11的精细度、一致性和质量。微软正将更多界面迁移到WinUI 3原生框架,新版搜索已用WinUI 3重建,新版“运行”对话框显示中位耗时94毫秒、旧版为103毫秒,新版照片编辑器加载速度提升约25%。巴卡未透露具体使用的AI工具和AI承担的开发比例。

    被封号:天才AI的访问头脑战 阅读 (849) 评论 (1) 2 80、90后经历过的那个盗版年代 好像又要回来了 阅读 (823) 评论 (0) 3 尊界刹车踏板检测合格 懂车帝:无语,没事别升级啊 阅读 (814) 评论 (1) 4中国刻蚀机之父:AI或是个泡沫国内半导体厂得倒闭90% 5几十元笔记本清灰变上千元维修:大学生网购“官方售后”遭遇连环套 6DeepSeek V4.1 Flash成本低到发指:1美元13亿Token 8苹果79美元 iPhone Duo保护壳采用粘胶固定设计引发关注 9索尼更新高端Walkman产品线:三款新旗舰亮相 顶级型号售价高达5899美元 10国内玩家疑因想买《GTA6》 最后和老婆离婚了 1 Windows 11 26H2 ISO镜像已发布 微软同时更新安装介质并延续小型启用包机制 阅读 (1976) 评论 (1) 2 Google研究员称Windows NT内核设计至今仍让Linux相形见绌 阅读 (1307) 评论 (3) 3 中国女主播坐上“付费旋转椅” 观众花50元可转一圈 奇特直播模式引发全球热议 阅读 (1301) 评论 (2) 4

    匹配字段正文

  12. AI Business

    Smartsheet 以“人”为本推进 AI 落地

    Smartsheet 将 AI 落地的重点放在人的一侧,而非工具本身,并设立专职岗位推动内部 AI 采用。专业服务赋能总监 Markus McKay-Fleisch 表示,早期只做简单的使用量追踪,后来转向关注员工从工具中获得了什么。他还指出,影子 AI 虽带来风险,但也是员工需要组织内尚未提供的工具的明确信号。

    球、站立式桨板、烹饪和流行音乐。查看更多 Shaun Sutner 的内容 最新新闻更多最新新闻生成式 AIMicrosoft 可能凭借 Copilot for Legal 占据优势Microsoft 可能凭借 Copilot for Legal 占据优势作者:Esther Shittu2026 年 10 月 19 日3 分钟阅读 热门文章查看更多生成式 AIMicrosoft 可能凭借 Copilot for Legal 占据优势Microsoft 可能凭借 Copilot for Legal 占据优势 2026 年 10 月 19 日机器人技术波士顿如何成为实体 AI 中心波士顿如何成为实体 AI 中心 2026 年 10 月 19 日最新播客 生成式 AI 漫谈 Muse 的新 AI 模型与难以驾驭的 DeepSeek2026 年 10 月 14 日 生成式 AI Reflection Beam 将美国开放权重 AI 模型瞄准中国竞争对手2026 年 10 月 7 日 生成式 AI AI 智能体的上下文因素2026 年 10 月 7 日 生成式 AI 2026 年纽约 AI 峰会

    匹配字段正文

  13. The Rundown AI

    Anthropic 联合创始人 Jack Clark 称奇点已经开始

    Anthropic 联合创始人 Jack Clark 在 IMF 和世界银行年会上表示,AI 加速发现、超出人类跟进能力的“奇点”已经“开始”。他引用 Humanity's Last Exam 分数从 2025 年的 8% 升至 67.7%、FrontierMath 从 2% 升至 94% 作为证据,并提到有模型预测 2030 年美国 GDP 达 $44T。他还称 CEO Dario Amodei 讨论过给 AI 的“智能上限”设限,认为行动窗口只剩“少数几年”。

    00 Chinese characters, then sent them after over 1,200 sites. NorForge puts AI costs near $50 per successful break-in, with a typical one taking nearly a day using Claude Code and DeepSeek V4.1 Flash. It’s unclear if any data was taken, with SharkNinja calling the threat contained, Deere citing “remediation actions,” and Cummins “investigating.” Why it matters: A month ago, we were writing about “three guys with Claude” breaking into OpenAI, and now it’s one hacker with an estimated $5K in token

    匹配字段正文

  14. 阿易 AI Notes

    MiniMax M3.1 Flash 实测对比 Claude Opus 5.5

    MiniMax 新模型 M3.1 Flash 与 Claude Opus 5.5 用同一句 Three.js 提示词实测,两者均一次跑通 3D 可交互太阳系网页。M3.1 Flash 每百万 Token 输出 0.6 美元、缓存读取 0.015 美元,速度是上一代 M3 的 3 倍、成本降三分之二,并自主修复 4 个渲染报错、稳定 60 帧。其 Automation-Bench 得分 62.2 居首,但 Terminal Bench 4.0 仅 38.1,落后 Opus 5 的 51.8。

    跑完Claude Opus 5.5和MiniMax的M3.1 Flash新模型的实测对比,我真的觉得国模雄起了😭 中国AI用户苦Claude封号久矣,一直在等待国产大模型踏着七彩祥云来一次拯救,一次次看着DeepSeek从梁神到梁子,一次次失望后的平静,这次真的让我看到了希望😭😭 我以后再也不再骂国模了,真的欠国模一个道歉! 突然想到国足这个傻逼,什么时候能像国模一样雄起一次啊,喵个咪! 很多人不信我是一句提示词就用国产模型做出了跟Claude Opus 5.5效果一样, 甚至综合还要更好的3D可交互太阳系网页, 真的就是1个半小时,我啥也没管,做出比Opus 5.5还好的效果 ,以后真的不骂了😭😭😭

    匹配字段正文

  15. Artificial Analysis

    Artificial Analysis 发布 AA-PersonalityBench,评测模型人格与表达风格

    Artificial Analysis 发布 AA-PersonalityBench,用 900 道精选问题评测语言模型在 30 项人格特质和 21 项沟通特征上的差异。人格特质由 LLM 评审两两对比打分,汇总为表达力、组织性、信息量、透明度、亲和力、坚定度、想象力和 Slop 八项指数;沟通特征则通过程序化方式计算长度、结构、标点和强调四类指标。结果显示,Claude Fable 5.1 在表达力、信息量、透明度、亲和力、坚定度等多项指数中表现突出,Qwen3.8 27B 平均每次回答约 1,030 词,接近 GPT-6 Luna 270 词的四倍。

    指数:表达力、组织性、信息量、透明度、亲和力、坚定度、想象力和 Slop。每项特质都配有一组 30 道专属问题,模型的回答由一组 LLM 评审进行两两对比。随后我们对特质和人格 Elo 进行 z 分数标准化和百分位排名。 在 8 项人格指数中表现最强的模型:➤ 表达力:Claude Fable 5.1、GLM-5.3、GLM-5.3-Flash ➤ 组织性:DeepSeek V4.1 Flash、Step 5 Preview、Inkling ➤ 信息量:Muse Spark 1.3、Claude Fable 5.1、Muse Wonder、Claude Opus 5.5 ➤ 透明度:Claude Sonnet 5.5、Claude Fable 5.1、GPT-6 Astra ➤ 亲和力:Muse Wonder、Muse Spark 1.3、Claude Fable 5.1 ➤ 坚定度:Claude Fable 5.1、DeepSeek V4.1 Flash、Grok 4.7 ➤ 想象力:Muse Spark 1.3、Claude Opus 5.5、GLM-5.3 ➤ Slop:Llam

    匹配字段正文

  16. Cerebras:Blog

    Cerebras:更聪明的模型救不了糟糕的 harness

    Cerebras 指出,agent 的表现取决于模型与 harness 的组合,而非模型本身。同一 Claude Opus 4.5 在标准化 SEAL scaffold 下 SWE-bench Pro 得分为 45.9%,经 Claude Code 使用则升至 55.4%。harness 的规划、重试、验证等每一步都要额外调用模型,因此快速推理能放大 harness 的效用。

    ble in the loop to provide judgement, guidance, and steering. In addition to GPT‑5.6 Sol, Cerebras serves leading open models at thousands of tokens per second on its public endpoints: OpenAI GPT OSS 120B at 3,000 tok/s Gemma 4 31B at 1,850 tok/s Z.ai GLM 4.7 at 1,000 tok/s For dedicated enterprise endpoints, Cerebras also supports Kimi K2.6, GLM 5.1, MiniMax M2.5, Qwen3 Coder 480B, Llama 4 Maverick, Mistral Large 3, DeepSeek V3.2, and many additional model families. Designs by @halleychangg.$/$

    匹配字段正文

  17. The Decoder

    MiniMax 发布 M3.1 Flash 推理模型,每任务成本约 0.22 美元

    MiniMax 发布推理模型 M3.1 Flash,在 Artificial Analysis 智能指数上得 42 分,比前代 M3 高 13 分,每任务成本不到其一半。该模型在 Humanity's Last Exam 上得 48%,CritPt 得 22%,AA-Omniscience 事实准确率 56%,但幻觉率达 93%。它支持 100 万 token 上下文和文本、图像输入,API 定价为每百万输入 token 0.15 美元、输出 0.60 美元,计划 10 月 23 日开放权重。

    gence Index . That's 13 points higher than its predecessor M3, at less than half the cost per task. The model ties with GLM-5.3-Flash, edges past Gemini 3.8 Flash (41), and trails Deepseek V4.1 Flash 1017 (45). Complex reasoning saw the biggest improvement. On "Humanity's Last Exam," M3.1 Flash hits 48 percent, beating both Deepseek and GLM. It also scores 22 percent on the CritPt benchmark , which tests research-level physics reasoning across 71 complex problems. That puts it ahead of GLM-5.3-F

    匹配字段正文

星期一

  1. 邵猛精选

    阿里通义 MAI-UI 团队开源通用计算机使用智能体技术栈 OpenGCUA

    阿里通义 MAI-UI 团队开源通用计算机使用智能体完整技术栈 OpenGCUA,包含 harness、跨设备 SDK、原生 macOS 应用、评测轨迹和参考 agent 实现。其核心设计是代码执行与决策从 harness 转移到模型,模型按需截图、编写带循环和条件判断的 Python 程序编排 GUI 操作、API 调用和 shell 命令,并自行维护 todo 列表。在 OSWorld-v2 上对 8 个前沿模型的评测中,平均 partial score 从 45.3 升至 64.9,每任务步数平均减少 53%;真机 macOS 测试中,同一 harness 下 Qwen3.8-Max 的推理 token 消耗是 GPT-6 Astra 的 19.4 倍,4 个任务完成 3 个。

    LI 混合智能体(他们早期的 Qwen-UI-Agent)都成了 GCUA 框架的特例,这个统一视角本身就有理论价值。 实验结果:数字说明了什么 在 OSWorld-v2 上对 8 个前沿模型(GPT-6 Astra、Claude Opus 5、Gemini 3.8 Flash、GLM-5.3-Flash、Qwen3.8-Max/Flash、Kimi K3、DeepSeek-V4.1-Flash)的评测: · 平均 partial score 从 45.3 升至 64.9(+19.6 分),每任务步数平均减少 53%;GPT-6 Astra 从 102 步降到 34 步。 · 弱模型受益最大(GLM-5.3-Flash +35.2),强弱模型差距从 39.1 缩小到 18.0。这暗示:代码执行范式降低了"代理能力"对模型 GUI 精细操作能力的依赖,弱模型可以靠写程序弥补感知-点击精度不足;对开源生态是个重要信号。 · 代码执行比 GUI+CLI 混合再加 6.1 分、步数再降 14.8%,验证了"编排成程序"优于"交替调用工具"。 · 真机 macOS 测试揭示了一个基准测试掩盖的事

    匹配字段正文

  2. The Rundown AI

    Anthropic 设立公共利益基金,拟拿出 5% 股权

    Anthropic 推出 Anthropic Public Benefit Fund,这是一个由公司持有的 LLC,若股东批准将获得公司 5% 股权,按其 5 月估值约合 480 亿美元,并随公司价值上升而增加。基金可支持非营利组织或向特定人群直接分配,不用于游说和政治;公司价值每较未公布基准上涨 50%,董事会可再追加 2%。Anthropic 将 AI 对劳动者的冲击列为目标之一,此前已在 6 月承诺投入 2 亿美元研究就业冲击与政策应对。

    a demo wiring a simulated fruit fly’s brain into its Odyssey-3 model that generates virtual worlds, letting the digital bug fly through them with no human steering. Chinese AI lab DeepSeek updated its V4.1-Flash model, which it says now finishes tasks faster with shorter answers, and opened its in-house web search tools to devs. 🎓 Highlights: News, Guides & Events Meta turns Mac into an AI supercomputer Zach Mink • 8 minutesAI Anthropic co-founder says the singularity is underway Zach Mink • 8 m

    匹配字段正文

  3. MarkTechPost精选

    MiniMax 发布 M3.1 Flash:428B MoE 智能体模型,输入 $0.15/百万 token

    MiniMax 在 API 上线 MiniMax M3.1 Flash,428B 总参数、约 23B 激活的 MoE 多模态模型,支持 100 万 token 上下文,输入 $0.15、输出 $0.60 每百万 token。推理始终开启且不可关闭,提供 Low 到 Max 五档强度,权重计划于 10 月 23 日发布、许可证尚未公布。厂商自报成绩中 Automation-Bench v1.0.6 以 62.2 居首,Terminal Bench 4.0 为 38.1,落后 Opus 5 的 51.8。

    BankerToolBench at 76.2. It also tops LOCA-Bench 256K at 60.3. Agents’ Last Exam lands at 29.6. Coding results are mixed. DeepSWE v1.1 scores 73.7, just above GPT-5.6 Sol at 73.0. DeepSeek-V4.1-Flash-1017 scores higher at 77.0. Terminal Bench 4.0 is the weakest result at 38.1. SWE Refactor Bench sits at 23.0, versus 31.0 for Opus 5. On vision, BabyVision with tools reaches 91.0 and CharXiv RQ reaches 82.5. HLE without tools scores 43.4. Spot checks hold up. The Kimi K3 model card reports DeepSWE

    匹配字段正文