权重空间编程改写 Qwen3.5-0.8B 权重,数学分数随循环修复上升
MIT CSAIL 报告:GPT-6 Astra 修改 Qwen3.5-0.8B 的 0.016% 权重,MATH-500 从 7.9% 升至 48.1%。
「跑分」标签聚合的各栏目已发布内容,按本站发布日期从新到旧排列。
58 条
MIT CSAIL 报告:GPT-6 Astra 修改 Qwen3.5-0.8B 的 0.016% 权重,MATH-500 从 7.9% 升至 48.1%。
Anthropic 发布 Fable 5.2 与 Mythos 5.2:Fable 面向所有用户,API 输入价 $8/百万 token。
Shizuku AI 于 11 月 8 日发布 Shizuku-Duplex,以 80 毫秒 tick 边听边说;厂商自测回复中位数为 0.57 秒,未计网络。
拆解 Vector Graph RAG 两阶段 Jev 重排,说明 86.61% Recall@5 测了什么,以及如何在自己的知识库验证。
LobeBench 作者实测:DeepSeek 线上 V4 Pro 硬题通过率从 48% 升到 64%,居国产 第一。正式版或一周内发布,未经官方确认。
Cloudflare 与 VoidZero 发布 tsrs:TypeScript 编译器的 Rust 移植,官方称类型检查最快 8 倍,独立复现 5.3 倍。
Discord CTO 11 月 4 日确认桌面客户端弃用 Electron 改用 Rust,官方称 Windows 内存约 290MB、现超 1GB。
腾讯混元 11 月 4 日发布 Hy4 正式版:首次加入视觉理解与电脑操作,官方称幻觉率降至 5.45%,权重近期开源。
nv-uefi-unlocker 从 U 盘在驱动前解锁 RTX Tensor Core,4060 笔记本 FP16 涨 65%,不刷 VBIOS,断电即复原
10 月 28 日,Copilot Fusion 正式发布:官方称 Fusion Max 得 60 分、距 Claude Code 2 分内且成本约一半。
谷歌 11 月 10 日开放 Gemini 4 Carbon 付费 API;$2/$10 每百万 token 优惠价 11 月 30 日止,之后 $4/$20。
SkeLAM 从 Cosmos 官方权重出发、未做大规模交互预训练,约 10 小时机器人数据训世界模型,DROID 8 项指标 7 项第一。
皮肤科医生 Magnus Lynch 公开实测:200 例活检病变上 2015 年的 Inception v3 诊断 62% 对 42%,压过两个前沿大模型。
GPU Unlock 内核模块在驱动绑定前改写安培卡速率寄存器,3090 Ti BF16 GEMM 实测 87.5→157.4 TFLOPS,仅限 Linux。
AOMedia 称 AV2 生态快速落地:Chrome 已演示播放,YouTube 网页端最早 2027 年初提供,压缩效率较 AV1 提升约 30%。
月之暗面 10 月 23 日发布 Kimi K3.1 Pro:1M 上下文,API 定价每百万 token 2/10 美元,权重承诺 11 月 4 日前开放。
StreamEval 是 Apache-2.0 的流式视频生成评测基准,五类任务、300 个用例、15 到 300 秒会话,题目与代码全部公开。
Canva 22 日发布首个自研图像模型 Craft:先规划版式再渲染、最高 2K,Dream Lab 与 API 同日可用;API 层只有 6 种比例。
OpenAI 10 月 22 日把 Decisions API 转正:单请求 400 个问题,输入价仍是每百万 token 0.10 美元,缓存写入开始计费。
RoboColiseum 10 月 20 日报告:四模型同走 Agent2Act,Opus 5.5 以 76.28 居首,通用操作仍输专用策略模型。
DuckDB 2.0.0 LTS 于 10 月 21 日发布,支持到 2027 年 10 月;默认存储格式升到 69,2.0 之前版本读不了新文件。
Recursive 10 月 21 日开源编程模型 Flint:40B 总参、2.5B 激活,Apache 2.0,模型卡自报 SWE-bench 74.2。
fal 10 月 19 日上线 FLUX 3 Max 视频模型,720p 促销价每秒 0.0425 美元,促销至 11 月 7 日;独立榜单列第二。
MiniMax 10 月 19 日上线 M3.1 Flash,每百万 token 输入 0.15、输出 0.60 美元;独立指数 43,低于 DeepSeek。
aurora 三模型 10 月 18 日短暂现身 OpenAI API 列表后被撤下;盲测称其在生成图像、猜测是 GPT-Image-3,官方未证实。
Code Arena WebDev 榜单:DeepSeek 新快照以 1670 分居开源第一,Arena 称价格约为被超越的 Kimi K3 十分之一。
Murea Labs 开源 InWorld:42 GB 八步 Murea-Fast 可下载,WBench 榜首是未发布的 50 步 Murea-Pro。
StartLux-Decision v1.1 27B 登顶社区维护的 Decision Index:173 个模型第一,69.12 分,权重限非商用。
Manifold AI 的 R²SI 以 46.58 分登上 RoboDojo 智能体榜第一,内层即 GPT-6 Astra;主榜不含 Agent,权重未公开。
DeepSeek 的 V4.1 Flash 1017 模型卡列出 11 项高于旧版的成绩;IT之家报道称网页、App 和 API 已更新,调用名与价格不变。
Replit CEO Masad 10 月 15 日称已不再与 Anthropic 合作,理由是成本、合作与性能;同篇报道有匿名人士说合作仍在。
Elorian 10 月 16 日发布首个视觉模型 Glimpse:推理过程中可放大原图、抽帧、跑代码,定价 $0.60/$3,性能声明全部来自官方自评。
Linus Torvalds 用 Claude Code 写内核补丁:64 线程读吞吐自测 13.3M→304M 次/秒,评审发现竞争条件,未合入。
蚂蚁百灵 10 月 13 日开源 Ling-3.1-flash 权重(MIT),比原计划提前;配置与文档显示当前上下文 256K,1M 尚未开放。
Meta 10 月 15 日开源权重模型 Muse Spark Open:816B/42B 参数、1M 上下文,调用价 $1.25/$4.25。
英伟达 2026-10-15 开源 Nemotron 3.5 Super VL:120B 总参 12B 激活多模态模型,附配方与数据集,另发 24GB Bolt
NVIDIA 10 月 13 日公布 DLSS 5 十月更新:速度较 9 月版翻倍、参数量降至约 1.18 亿,NBA 2K27 于 10 月 16 日接入。
Epic 发布 AI「氛围编程」重写的新启动器 Preview,官方称冷启动 5.47 秒快过 Steam,《堡垒之夜》将随 EAC 重构登陆 Linux。
MIT、ECMWF 与微软的概率偏差修正方法 10 月 14 日登上 Nature:2-6 周预报技巧翻倍,代码开源,专家提醒收益集中在热带。
Gemini 4 Argon 10 月 13 日全面开放:促销价输入 $2 / 输出 $10 每百万 token,11 月 30 日后翻倍至 $4/$20。
智谱 Z.ai 发布法律智能体模型 GLM-Legal,Harvey LAB 全通过率 19.2%,API 按申请开放;独立榜单列其第 7。
Meta 10 月 12 日发布首批前沿模型 Muse Wonder:API 每百万 token $4/$20,Full 限订阅,独立评测 52/56 分。
杨立昆 10 月 12 日在首尔称,AI 的下一步突破来自世界模型而非更大的 LLM;H-JEPA 论文把 AntMaze 成功率从 18% 提到 73%。
Arena 智能体榜显示 Claude Opus 5.5 (Max) 以 15.53% 净提升分登顶,DeepSeek、Kimi、腾讯居 17–19 位。
Simular 开源的电脑操作框架:看屏幕、点鼠标、敲键盘完成桌面与网页任务,不必为每个应用对接接口;README 报告 OSWorld 72.6%。
Arena 完成 2 亿美元 B 轮,估值 31 亿美元,较 1 月翻近倍;6 月已宣布年化收入 1 亿美元,并上线对齐行为排行榜。
Tavus 10 月 1 日发布全双工视频到视频模型 Griffin:一分钟通话里 48% 的测试者误认其为真人,目前仅限受信任测试者。
输入 0.10 美元/输出 0.50 美元,比 4.5 便宜约 75%;OSWorld 72.4%,首个带 effort 档位的 Haiku。
1T 参数 MoE、自家欧洲机房 3800 块 Blackwell 训练;Coding 49.8% 领先,月底开放权重。
Jev 定义「只做决定」的机器原生模型;OpenAI、Amazon 两周内跟进,TypeSafe 传谈判估值超 100 亿美元。
Google 宣布 Gemini 4 Argon:DeepSWE 77.9% 超 GPT-6 Astra,输出 100 万 token,分阶段发布,暂无定价。
OpenAI 在 DevDay 发布 GPT-6.1 Sol:性能接近 Astra、价格仅五分之一,已上线 Work 与 Codex。
Anthropic 9 月 28 日发布 Sonnet 5.5:定价 2/10 美元(Opus 5.5 一半),智能体编码反超 Opus 5.5。
北大清华阿里开源 SparkDiffusion:单卡 RTX 5090 将 720P-14B 视频生成提速 265 倍,VBench-2.0 降 0.5 点。
匿名模型 Pixel Canary 限时免费上架 Vercel,编程评测追平 GPT 6 Astra;但一道题平均要跑 17 分钟,提示词或被用于训练。
上海创智学院 2026 年 9 月 9 日开源 Nex-N2.5 系列,35B、397B、1.6T 三档权重全部为 Apache-2.0。官方对比表里,1.6T 的 Max 在 BrowseComp 以 92.6 分登顶,压过 Claude Opus 5 与 GPT-5.6 Sol;自动化与工具调用等 Agent 榜单上,Max 也高于 GLM-5.3 和 DeepSeek-V4-Pro。
Anthropic 2026 年 9 月 23 日发布 Claude 5.5 家族首款模型 Opus 5.5,官方称多数任务达到 Fable 5.1 水平,典型任务成本比 Opus 5 低 40%,API 价格降为每百万 token 输入 4 美元、输出 20 美元。
据量子位报道,vLLM 原班人马创办的 Inferact 为谷歌 TPU 写了 megakernel 推理内核,配合 DeepSeek 的 DSpark 推测解码,在 16 块 TPU v7 上跑 Kimi K3 达到每秒 709 token,同等条件下 GB200 为 452 token,代码已开源。