跳到正文
目前篩選:模型
11月3日週二
  1. 第一財經31

    百度 Apollo World 世界模型亮相

    百度首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World。同組資訊亦提及福建首個跨域異構調度全服務詞元工廠上線、商湯推出日日新 SenseNova 6.8 Flash 正式版,以及 Seedance 海外收入半年近 5 倍增長。

  2. IT之家43

    用 AI 教 AI 開車:百度 Apollo World 世界模型亮相

    百度 Apollo 首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World,並提出世界模型「2+3」判斷標準。該標準涵蓋因果性、交互性,以及物理準確性、持久性和實時性。Apollo World 已用於蘿蔔快跑全球化測試與驗證;蘿蔔快跑已覆蓋全球 28 個城市,累計自動駕駛里程超 3.5 億公里。

  3. 第一財經34

    百度 Apollo World 世界模型亮相

    百度首次披露面向物理 AI、由智能體驅動的全模態世界模型 Apollo World。百度並提出世界模型「2+3」判斷標準;Apollo World 虛擬城市中的車輛、行人等交通參與者具備決策和互動能力,並非按固定腳本行動的道具。

  4. 香港科技大學 · AI 研究及應用41

    度小滿與香港科技大學發佈軒轅4.5金融大語言模型

    度小滿與香港科技大學及香港生成式人工智慧研發中心(HKGAI)聯合發佈軒轅4.5金融增強大模型,涵蓋大語言模型及多模態模型。在獲客、風控及客戶經營等金融場景中,模型效果提升30%,推理成本僅為通用模型的10%。其自進化RSI技術用於模型訓練及智能體場景目標適配,並以超過1000億Token的場景增強資料支援金融任務。

  5. DEV Community63

    ElevenLabs 與四款免費語音克隆模型的盲測:以作者本人聲音作比較

    作者以本人聲音盲測 ElevenLabs 與四款免費語音克隆模型,Fish S2 Pro 平均排名第一(1.25),Qwen3-TTS 的 ECAPA 相似度分數則最高(.61)。聽感排名與相似度分數對模型的排序並不一致,測試亦比較了處理速度、每分鐘音訊成本和冷啟動時間。Fish S2 Pro 授權為非商用,商用授權未列價格;Qwen 則已允許透過生成語音賺取收入。

  6. 第一財經39

    商湯推出日日新 SenseNova 6.8 Flash 正式版

    商湯近日推出日日新 SenseNova 6.8 Flash 正式版,針對真實環境中的複雜任務,以及任務執行和結果交付的關鍵難點作出優化。模型支援跨任務、跨會話協作,並可交付靜態網頁、動態內容及設計成果。

  7. EJ Tech 信報科技 · AI40

    軒轅4.5:香港首個自我進化金融模型面世

    香港生成式人工智能研發中心(HKGAI)聯同香港科技大學及度小滿推出「軒轅4.5」金融增強大模型,採用遞歸式自我改進(RSI)技術。模型在拓展客源、風險管理及客戶關係管理等金融場景的表現提升30%,運算成本僅為通用模型的10%。它是首個把自進化RSI技術應用於模型訓練及AI代理目標配置的金融增強大模型。

  8. 新浪科技52

    商湯科技發布日日新 SenseNova6.8Flash 正式版,支援動態 PPT 及 3D 設計

    商湯科技發布日日新 SenseNova6.8Flash 正式版,重點升級辦公協作與設計生成能力,支援長期記憶、跨會話任務協作,以及動態 PPT、動態海報、網頁、SVG 和 Blender3D 創作。模型已開放網上體驗,並同步上線 SenseNovaTokenPlan。使用者可透過智能體與 Blender 協作進行 3D 創作,並根據渲染結果和使用者回饋持續調整。

  9. 阿里雲開發者社區 AI57

    美團發佈 LongCat-2.5:1.6萬億參數智能體模型與軟件測試工作轉型

    美團發佈 LongCat-2.5,這款原生多模態智能體模型採用 MoE 架構,總參數為 1.6 萬億,單 Token 激活約 480 億參數。模型訓練將 F2P/P2P 測試校驗納入流程,並把 Agent 失敗軌跡轉化為可復現、可驗證的訓練任務。作者據此認為,軟件測試工程師的角色將轉向 Agent 設計、測試數據生產及 AI 輸出審核。

  10. DoNews33

    GPT-6.2 Astra 疑似啟動灰度測試

    部分 OpenAI Codex 用戶在用量統計中發現新模型標識「gpt-6.2-astra」,最高佔比達 19.8%,疑似正進行灰度測試。OpenAI 尚未在 API 目錄、更新日誌或官方公告中確認該模型,也未公佈發布時間。TestingCatalog 分析認為,這可能是灰度或 A/B 測試;用戶反映額度消耗加快,相關成本成為關注焦點。

  11. IT之家35

    OpenAI 下一代 GPT-6.2 Astra 正進行灰度測試,Codex 用量統計已單獨列出

    部分 Codex 用戶的用量統計出現「gpt-6.2-astra」獨立模型標識,顯示 OpenAI 的 GPT-6.2 Astra 疑似已進入小範圍測試。OpenAI 尚未透過官方 API 模型目錄、更新日誌或公開公告確認這個型號,也未確認發布時間。相關記錄主要出現在 10 月 31 日的使用統計中,其中一個帳戶的用量佔比達 19.8%。

  12. 新浪科技46

    度小滿發佈行業首個自進化金融增強大模型「軒轅4.5」

    度小滿與香港科技大學、香港生成式人工智能研發中心(HKGAI)聯合發佈行業首個自進化金融增強大模型「軒轅4.5」,以RSI閉環提升獲客、風控和客戶經營等金融場景的效果,成本僅為通用模型的10%。模型透過業務結果迴流進行微調和強化學習,將信貸風控策略迭代週期由約兩周縮短至三到四天,短期逾期風險下降約50%。

  13. DEV Community33

    Google 秘密測試 Gemini 4 Carbon,評估用戶反應

    Google 被指秘密將 Gemini 4 Carbon 放上 Arena,透過用戶盲測評估反應。TestingCatalog 指出,與 Gemini 4 Carbon 有關的代號 Argon 4 在 10 月 31 日後曾出現在 Arena,但這項觀察未能確認模型由 Google 所有。Arena 讓用戶比較兩個匿名回答並選出較佳者。

  14. DEV Community47

    日常工作中,Cursor 哪個模型最好?

    一項在 Cursor 進行的 5 項日常工作測試中,Gemini 在 low effort 下贏得 4 項,Claude 則做出最佳登陸頁面。測試比較 Grok 4.7、Claude Opus 5、Gemini、Muse 和 GPT;Grok high 在遊戲測試中最慢,作者認為不值得等候。作者建議按工作選擇模型:商店頁面可選 Claude,快速工具和編輯則以 Gemini 表現最佳。

  15. Ai2 / Allen Institute for AI43

    Olmo 3 如何獲得 Nextcloud 最高級別的倫理評級

    Nextcloud 將 Olmo 3 評為其最高級別的 Ethical AI 綠色評級,肯定模型符合公營機構對透明度及問責性的要求。評級要求訓練及推理軟件開源、模型可由用戶自行託管,並公開訓練數據。Olmo 3 7B 可在消費級硬件上運行,讓機構在自主管理的基礎設施上使用 AI。

  16. DEV Community32

    VAKYR 的即時入球概率可信嗎?檢驗 341,846 次讀數

    VAKYR 檢驗足球賽事的即時入球概率是否準確,分析 341,846 次頁面實際顯示的讀數。模型平均報出 24.9% 的入球概率,實際入球率為 24.7%,顯示值的誤差低於 1 個百分點。按概率分成十組後,最高與最低組的實際入球率相差約 17 個百分點;服務免費,並可在瀏覽器使用。

11月2日週一
  1. DEV Community31

    us-east-1 上 Opus5 與 Opus5.5 的基準測試筆記

    作者在 us-east-1 對 opus5 和 opus5.5 部署進行負載測試,記錄延遲、節流及部署間吞吐量的差異。短提示詞的單次請求延遲約為 3.0s ~ 4.5s,較長提示詞可達 6s 以上;並發量增加後,429 回應會迅速出現。部分部署另有靜態 401 問題,而同一模型版本在不同預置吞吐量部署上的穩定最高吞吐量差異顯著。