最新精選 第 201–220 條 · 共 343 條 03:41 The Decoder · 03:41 精選AI 評分 76 76 Meta 發佈兩款前沿模型 Muse Wonder Full 和 Muse Wonder,分別在 Artificial Analysis Intelligence Index v4.3 得 56 分和 52 分,前代 Muse Spark 1.3 得 48 分。
推薦理由:文章將編碼、數學及模型幻覺率的改善,與事實知識表現及任務成本並列,呈現 Muse Wonder 系列相對前代的能力取捨。
00:27 OpenHands 官方博客 · 00:27 精選AI 評分 76 76 OpenHands 推出以 MIT 授權開源的 OpenHands Software Agent SDK,供開發者建立可配合不同工作流程的編碼智能體。SDK 支援不同 LLM 供應商、自訂工具與技能、對話持久化及 Docker 工作區,並示範 Datadog 錯誤除錯、程式碼審查和 GitHub Actions 自動化流程。
推薦理由:文章由自訂工具、技能、對話持久化及 Docker 工作區,延伸至自動除錯和程式碼審查案例,呈現 SDK 支援不同編碼工作流程的方式。
00:27 Cognition 模型 / Devin 博客 · 00:27 精選AI 評分 78 78 Cognition 宣佈已簽署收購 Windsurf 的正式協議,交易包括 Windsurf IDE、知識產權、商標與品牌、業務及團隊。Windsurf 的 ARR 為 $82M,企業 ARR 按季度倍增,客戶包括 350+ 家企業及數十萬名每日活躍用戶。Windsurf 團隊短期內會維持原有運作,Cognition 計劃在未來數月把 Windsurf 的能力及獨特 IP 整合至旗下產品。
推薦理由:交易涵蓋 Windsurf 的 IDE、知識產權、品牌及業務,並披露 $82M ARR 和員工安排,呈現收購的資產範圍與人才承接方案。
00:26 OpenHands 官方博客 · 00:26 精選AI 評分 76 76 開放權重模型正縮小與閉源模型的編碼差距,Kimi K3 在 SWE-bench Verified 獨立測試中取得 93.4%,只落後 Claude Fable 5 1.6 個百分點。
推薦理由:文章並列 SWE-bench Verified 與 Pro 的分數,以及 Kimi K3 的延遲和權重供應限制,呈現開放模型與閉源模型的差距因測試場景而異。
16:42 Cursor:Changelog · 16:42 精選AI 評分 77 77 Cursor 推出「項目」功能,讓協調智能體規劃大型任務、委派給成千上萬個子智能體,並在長達數月的工作中持續保留上下文。項目在雲端獨立電腦上運行,需要在用戶本機測試時會啟動本地智能體;各雲端及本地機器之間會同步項目文件和共享上下文。協調智能體亦可監聽 Slack 頻道、按計劃運行或追蹤所有 PR,並根據訊號主動採取行動;功能目前處於 beta 階段,今日起逐步向所有用戶開放。
推薦理由:項目將共享上下文、雲端與本機智能體協作,以及 Slack、排程和 PR 觸發放進同一工作流程,呈現其處理大型持續任務的設計。
16:41 Anthropic 發佈 Claude Haiku 5.5,提示詞在 100k token 以內的請求,其輸入及輸出價格下調 90%,並成為首個支援 effort 調節的 Haiku 模型。
推薦理由:文章對照 Haiku 5.5 的基準成績、標價與 tokenizer 對實際成本的影響,並列出 API 遷移變更,呈現低成本執行任務的適用範圍及升級負擔。
12:14 gihyo.jp · 12:14 精選AI 評分 78 78 Anthropic 發佈 Claude Haiku 5.5,稱其相較 Haiku 4.5 的平均執行成本降低約 75%。
推薦理由:文中列出平均執行成本降幅、上下文窗口擴大幅度及 OSWorld 2.1 離線比較分數,便於從成本、容量與電腦操作評測三方面瞭解新模型。
03:13 Hacker News 熱門(buzzing.cc 中文翻譯) · 03:13 精選AI 評分 77 77 Anthropic 發佈 Claude Haiku 5.5,稱其為迄今推出的最便宜、最快且能力最強的小型模型,平均運行成本較 Haiku 4.5 低約 75%。
推薦理由:文章對照 Haiku 5.5 的低成本定位與 Sonnet 5.5、Opus 5.5 在複雜 Agent 編碼任務上的優勢,呈現不同工作負載下的模型取捨。
01:51 GitHub Blog · AI & ML · 01:51 精選AI 評分 65 65 GitHub 介紹 ModernBERT 分類器,利用周邊程式碼脈絡在推送前識別無固定格式的機密資料,擴展 GitHub Secret Protection 的推送保護功能。
推薦理由:文章結合九個季度數據與新分類器設計,呈現 GitHub 如何把秘密偵測前移,同時兼顧準確度、延遲、吞吐量與成本。
00:50 Microsoft Research · 00:50 精選AI 評分 71 71 Microsoft Research Asia 開源 Agent Lightning v1.0,讓實際部署所用的智能體框架直接參與強化學習,無須在訓練框架內重新實作智能體。
推薦理由:這套方法把部署時使用的智能體框架直接納入強化學習,並處理樣本拆分後的優勢計算與損失正規化問題,呈現可遷移的訓練設計。
20:57 Hugging Face Blog · 20:57 精選AI 評分 75 75 研究團隊從 Nemotron 3 出發,結合 SFT、RL 和回饋式推理建立專項系統,在 IOI 2026 得 535.4/600,高於金牌門檻 361.12;在 IMO 2026 得 30/42,高於金牌門檻 29。
推薦理由:文章並列 IOI 與 IMO 的資料、微調方法及推理流程,呈現專項模型如何配合生成、驗證與修訂環節應對兩類競賽任務。
04:30 MarkTechPost · 04:30 精選AI 評分 78 78 Mistral AI 發佈 Mistral Large 4(ML4,代號 Le Chonk)公開預覽版,這款多模態 MoE 模型總參數為 1.05T、每個 token 啟用 49B,並支援 1M token 上下文窗口。
推薦理由:文章把參數規模、每 token 啟用量與 API 價格並列,並交代網絡安全評測和權重開放時間,便於判斷預覽版的可用性與限制。
00:30 Anthropic:Claude.dev 開發者博客 · 00:30 精選AI 評分 80 80 Claude Code 雲端工作階段為每項任務建立獨立虛擬機和分支,讓多項工作並行,完成後可供檢視或建立 pull request。作者以示例倉庫測試三項並行工作,首項啟動後 87 秒全部完成,其中一項修正後連續執行 npm test 40 次且零失敗。雲端運算不另收費,但工作階段沿用方案用量額度。
推薦理由:實測展示獨立虛擬機如何減少並行任務互相干擾,並整理任務拆分、驗證指令與分支合併的實用做法。
00:27 Mistral AI · 00:27 精選AI 評分 75 75 Mistral AI 推出 Mistral Large 4 公開預覽版,權重預計月底釋出。模型具原生多模態能力,總參數量為 1 trillion、活躍參數量為 49 billion,並可透過 Mistral Studio API 試用。在 Artificial Analysis Cyber Index 名列全球前五,漏洞重現及修補測試得分 82%,Cybench 則解決 93% 的挑戰。
推薦理由:文章以 Cyber Index、漏洞重現與修補測試及 Cybench 結果,呈現 Mistral Large 4 在網絡安全基準中的相對表現。
12:46 英國 AI Security Institute:Blog · 12:46 精選AI 評分 76 76 英國 AI Security Institute 評估中,GPT-5.5 的 Expert 級進階任務平均通過率為 71.4%,高於 Mythos Preview 的 68.6%。
推薦理由:報告分別測試進階網絡任務、企業攻擊鏈及工控模擬,並交代結果與測試限制,呈現 GPT-5.5 網絡安全能力的不同面向。
00:30 GitHub Blog · AI & ML · 00:30 精選AI 評分 63 63 GitHub 推出 ReviewBench,作為評測 AI 程式碼審查智能體的離線基準,研究預覽版已可透過網站使用。
推薦理由:ReviewBench以219個跨19種語言的公開PR建立評測集,並公開多來源標註與評分方法;資深工程師判斷與基準的一致率為96.6%。
00:00 香港人工智能專業協會 · 00:00 精選AI 評分 68 68 OpenAI 於 2026年9月29日的 DevDay 發佈 GPT-6.1 Sol,作為 GPT-6 Sol 的升級版本,更新編程、電腦操作及專業文件處理能力。
推薦理由:OpenAI 列出 GPT-6.1 Sol 相較 GPT-6 Sol 的評測範圍,並説明測試設定可能不同於正式產品,有助掌握評測結果的適用界線。
04:59 MarkTechPost · 04:59 精選AI 評分 78 78 MarkTechPost 將 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1 的基準、價格及存取條件並列,按工作負載整理各自適用情境。
推薦理由:文章將四款模型的基準、價格、存取限制和任務成本並列,呈現不同工作負載下的取捨,説明排行榜名次不足以單獨決定選型。
03:59 MiniMax:Blog · 03:59 精選AI 評分 76 76 MiniMax 正式開源並推出面向智能體與編碼的 MiniMax M2,同時在中國推出 M2 驅動的 MiniMax Agent,並升級海外版本。
推薦理由:MiniMax M2 公佈 Artificial Analysis 10 項測試成績、API 定價與約 100 TPS 推理速度,並開放權重,呈現智能體模型在表現、速度與部署成本間的取捨。
03:59 MiniMax:Blog · 03:59 精選AI 評分 76 76 MiniMax 發佈 M2.5 與 M2.5-Lightning,稱兩款模型在編碼、智能體工具調用、搜索及辦公任務達到 SOTA,M2.5 在 SWE-Bench Verified 得分 80.2%。
推薦理由:文中並列 SWE-Bench Verified 成績、不同腳手架的評測結果、執行時間與定價,方便比較 M2.5 的編碼表現和使用成本。
上一頁 1 … 9 10 11 12 13 … 18 下一頁