跳到正文
目前篩選:模型
11月9日週一
  1. DoNews34

    千問 Qwen4 遊戲開發跑分首度超越 Opus 5.5

    千問 Qwen4 系列部分型號在遊戲開發創造力評測 GameFeel Bench 中,跑分超越 Opus 5.5。Qwen4-Flash 得分 49.9,高於 Opus5.5xHigh 的 47.2;Qwen4-27B 得分 44.6,接近 Sonnet5.5 的 45 分。完成同等任務的成本分別約為 0.4 美元及 0.16 美元,低於 Opus5.5 的 2.6 美元。

  2. 新浪科技37

    Hi-WBC 通用全身控制模型正式發布

    北京人形「慧思開物」平台正式發布 Hi-WBC 通用全身控制模型,結合人體動作參考與真實物理約束,讓機器人跟隨運動意圖,並按負載、外力及地形變化調整執行方式。模型聚焦技能拓展、強交互與大負載,以及複雜地形自主適應,並以兩段 Demo 展示控制能力與應用實踐。

  3. 創業邦46

    北京人形「慧思開物」平台發布 Hi-WBC 通用全身控制模型

    北京人形「慧思開物」平台發布 Hi-WBC 通用全身控制模型,結合人體動作參考與真實物理約束,讓機器人可跟隨運動意圖,並因應負載、外力和地形變化調整動作。模型探索以 MoE 和策略蒸餾擴展技能,並將外部接觸力預測及地形感知融入全身控制。發布的 Demo 展示「綜合五項」連續作業,以及機器人完成會議室整理長程任務。

  4. DEV Community62

    Claude Opus 5.5 與 GPT-6.1 Sol 編碼智能體評測:兩者隱藏測試全通過,Opus 平均用時 82 秒

    作者以 OpenCode 和六項 Python 任務比較 Claude Opus 5.5 與 GPT-6.1 Sol,兩者在 24 次執行中均通過所有隱藏測試。Opus 平均每項用時 82 秒、成本 $0.094,Sol 則為 152 秒和 $0.098。測試只涵蓋六項小型、自成一體的 Python 任務,作者表示無法據此判斷兩者在更難任務上的表現。

  5. 新浪科技37

    賈躍亭宣佈FF機器人大模型OmniMind擊敗英偉達、GPT等模型,全球評測排名第一

    FFR旗下具身智能大腦OmniMind在全球機器人模型評測平台RoboColiseum的綜合評測中排名第一,擊敗英偉達GR00T N1.7、GPT-6 Astra及Claude Opus 5.5等模型。OmniMind總分為0.8698(滿分1分),指令跟隨、空間推理和擾動適應得分分別約為0.99、0.92和0.96。平台排名不代表機器人已具備同等的真實世界能力,實際表現仍需部署和長期驗證。

  6. Claude Platform:開發者版本說明78

    Anthropic 推出 Claude Fable 5.2,Claude Mythos 5.2 限已驗證機構使用

    Anthropic 推出 Claude Fable 5.2,面向高要求推理及長期智能體工作;Claude Mythos 5.2 提供相同能力,但只供通過 Anthropic 驗證計劃的機構使用。

    推薦理由:開發者可對照 Claude Fable 5.2 與 Claude Mythos 5.2 的定價、可用平台和 thinking block 相容規則,掌握採用兩款模型時的成本及遷移差異。

11月8日週日
  1. DEV Community49

    K2 Horizon 3.7B 在 16GB MacBook Pro 上運行實測

    作者在 16GB MacBook Pro 上測試 K2 Horizon 3.7B,評估它處理文字問題及簡單編碼任務的表現。4-bit 版本大小約 2–3 GB,載入後使用約 4 GB RAM,具備 512k 上下文窗口,採用 Apache 2.0 授權。K2 Horizon 7B 的編碼任務約需 11 分鐘,超出作者納入測試的時間上限。

  2. 新浪科技33

    千問 Qwen4 系列大模型跑分曝光,超越 Opus 5.5

    千問 Qwen4 系列大模型的 GameFeel Bench 跑分曝光,Qwen4-Flash 得分高於 Opus 5.5 xHigh。Qwen4-Flash 得分 49.9,Opus 5.5 xHigh 得分 47.2;Qwen4-27B 得分 44.6,接近 Sonnet 5.5 的 45 分。完成任務的成本分別為 0.4 美元、2.6 美元及 0.16 美元。

  3. DEV Community78

    Anthropic 發佈 Claude Sonnet 4.6,支援 1M token 上下文窗口並維持 Sonnet 定價

    Anthropic 發佈 Claude Sonnet 4.6,定價維持每百萬 token $3/$15,並提供 beta 版 1M token 上下文窗口。Anthropic 的早期測試稱,Claude Code 用戶約有 70% 的時間偏好它而非 Sonnet 4.5,對 Opus 4.5 的偏好率為 59%;作者沒有進行實測。

    推薦理由:文章並列 Anthropic 早期測試的用戶偏好比例、Sonnet 4.6 的定價及 Opus 4.6 的任務定位,呈現日常工作與深度推理的選型差異。

  4. DEV Community70

    OpenAI 自動化流程產生 948 個 Linux 核心本地權限提升漏洞利用;美國 41 項數據中心公投中有 40 項反對發展

    OpenAI 稱,其自動化流程以 $1,213,430 API credits 產生 948 個 Linux 核心本地權限提升漏洞利用,並為每項附上候選修補程式。五階段流程將 2,308 項發現收窄至上述成果;10 日內,上游已修補 61 項,另有 43 項列入待處理、299 項公開討論。另在 11 月 3 日,美國 10 個州的 41 項數據中心相關公投中,選民有 40 項投票反對數據中心發展。

  5. 新浪科技53

    GPT-6.1 Sol 參與真實小鼠腦部手術定位,三輪後定位誤差減半

    在真實小鼠腦部手術定位實驗中,GPT-6.1 Sol 經三輪操作後,尋找解剖標誌的時間由 169 秒縮至 86 秒,定位誤差由 0.6 毫米降至 0.3 毫米。每輪由外科醫生修正定位,模型保存圖像、測量數據和修正記錄供下一輪參考,所需糾正動作亦由 4 次減至 2 次。實驗只有 3 次操作,團隊未披露經驗記錄如何接入模型,亦未説明是否涉及模型權重更新。

  6. DEV Community59

    VIDRAFT 公開發佈 Darwin-180B-RSI-R3 權重

    VIDRAFT 公開發佈 Darwin-180B-RSI-R3 的權重;這款 180B 參數 MoE 模型經三輪遞歸自我改進,主打數學與科學推理。據 VIDRAFT 公開模型卡,其在 SuperCLUE 2026 年 11 月評測得分 73.68,排名開放權重模型第一、總排名第二;基礎模型得分為 57.89。其五領域綜合指數為 43.08、總排名第九,材料指出長上下文處理和指令遵循是相對弱項。

  7. DEV Community42

    80.52 短片:為何 65B 模型勝過 501B 模型,仍需要影片佐證

    一個本地運行的 65B 模型在評測中取得 80.52,分數高於同一輪測試的 501B 模型;作者拍攝操作演示,展示評測過程。兩者回答相同的 200 道選擇題,温度設為 0,但推理路徑不同;65B 模型在 20 個類別中勝出 14 個。重現 501B 模型的 API 測試每輪約需 $12,65B 模型則需約 40 分鐘 GPU 時間及電費。