仅显示 2026年9月22日 周二 的内容 · 查看全部日期 →
Anthropic 的 Claude Opus 5.5 现已在 Hermes Agent 中通过 Nous Portal 上线！ [引用 @bridgemindai]: OPUS 5.5 的基准测试成绩刚刚出炉。 它在所有方面都击败了 Fable 5.1 和 GPT 6 Astra。 智能体编程、知识工作、推理、计算机操作、视觉识别。Opus 5.5 在每一项上都领先。 价格只有 Fable 5.1 的一半。 Anthropic 终于推出了我们一直苦苦央求的模型。它聪明到能引领前沿，又便宜到真正用得起。 现在正在…
Opus 5.5 刚刚发布，简直令人震惊！ 这个模型一次性就能完美搞定一切 它是能一次性搞定所有事情的最快方式，而且比 Opus 5 便宜 25%
在我早期的测试中，Opus 5.5 是一个不错的模型，是第一个感觉像 Fable 级模型的非 Fable/Astra 模型，但还没有完全解决近期 Claude 模型的密集语言问题。 同一个着色器，它的版本（破碎的塔是个不错的点缀）： [引用 @emollick]: Fable 5.1 用相同提示词创建的 drowned neo-gothic tower twigl 着色器。（可与引用推文中 Fable 5 及更早的其他模型对比）
天哪，这些数字看起来真不错。 我还没来得及测试这个模型……但如果它真像这些基准测试说的那么好，那将是相对 Fable 5.1 的一次巨大飞跃。 想想看……5.1 现在已经过时了。 这就是加速的样子。 [引用 @claudeai]: Opus 5.5 相对 Opus 5 是一次重大升级，在智能体编程、计算机操作和知识工作上处于领先。
冲啊——火星地球化改造将成为 2030 年代开始的重大探索任务之一 [引用 @erika_alden_d]: 今天，Pioneer Labs 宣布我们朝着火星地球化改造迈出的第一步。🚀🌼 只需一次火箭发射就能装载的设备，我们就能把火星的土壤、水和空气转化为足以在火星上建造一座小城市的建筑材料。 为此，我们制造了首个为火星而生的微生物。我们找到了地球上最好的微生物，并利用进化教会它如何获取自身所需的全部养分，从……
最离奇的基准测试结果 哈哈。 大家还是用 Opus 5.5 med 吧。
Claude 回来了。 Opus 5.5 比 Opus 5 每任务快约 30%，便宜约 40%。这真的很有吸引力。 是时候在冷落它一个月之后重新打开 Claude Code 了……
Claude Opus 5.5 现已面向所有 Perplexity Computer 用户开放。在我们的 Wide-And-Deep-Research 评估中，它以极低的成本与 Fable 5.1 相比表现不俗。Opus 5.5 将成为 Computer 上所有 Pro 和 Max 用户的“标准”Effort 编排器。恭喜 @AnthropicAI！
Opus 5.5 真的是一个非常出色的模型。过去几周它一直是我的日常主力。 我们让 Opus 5.5 和 Fable 5.1 各自把 HAProxy 从 C 移植到 Rust。两者都几乎通过了 HAProxy 的全部测试，但 Opus 5.5 用时 9.5 小时完成，而 Fable 5.1 用了 12 小时，且成本低 51%。 [引用 @claudeai]: 隆重推出 Claude Opus 5.5，这是我们全新 Claude 5.5 家族中的首个模型。 在大多数任务上，它的表现达到 Claude Fable 5…
很喜欢 Anthropic 发布产品时那种有品味的方式。 我之所以对 Web 的“无头”感到兴奋，主要原因就在于任何给定页面都可以呈现你想要的任何奇思妙想或独特形态。有了 AI，就再也没有理由不去推动设计前沿。 这是 @nextjs 最出色的展现：
使用 Opus 5.5 的感觉就像回家路上每个红绿灯都是绿灯、口渴时喝下一杯冰水、漫长一天后来个热水澡。 它极其聪明，文笔清晰，速度快，而且便宜得多。它是一个非常好的模型。 [引用 @claudeai]: 隆重推出 Claude Opus 5.5，这是我们全新 Claude 5.5 家族中的首个模型。 在大多数任务上，它的表现达到 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。
Claude Opus 5.5 今日发布。 [引用 @claudeai]: 隆重推出 Claude Opus 5.5，这是我们全新 Claude 5.5 家族中的首个模型。 在大多数任务上，它的表现达到 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。
激动人心的消息！！ 我们正与 @PayPal 合作，让客户能够通过 @Muse 在全球所有 PayPal 商户处无缝购物和结账。 我们将不眠不休，直到你的 muse 能送到他倒下为止！！！ [引用 @PayPal]: 我们很高兴与 @Meta 合作，让 PayPal 客户能够通过其 @Muse 个人 AI 代理在全球 PayPal 商户处无缝购物和结账。
AI实验室之外的人应该对这项技术的发展有真正的发言权，并且有一个明确的方式来评判它是否在安全地发展。 标准应该有助于防止权力集中，包括确保新公司和开放模型公司能够竞争。 它们还应该帮助国家和公司比较证据并从失败中学习。 我们认为美国应该领导这项工作。以下是我们的提议：
推出 Perplexity 研究奖学金：一项面向来自任何技术或定量学科的早期职业研究人员、工程师和分析师，从事 AI 研究的计划。
前沿模型本周将迎来巨大飞跃…… 实际上，将它们与开源模型之间的差距拉大到 9-12 个月 我预计开源模型会在接下来一周将差距缩小回 6 个月 😆
MiMo-V2.6 目前“只是”最好的（暂时）。尽管其架构设计简单，它目前在开放权重基准测试（加权平均）中排名第一。 所谓“简单”，我指的是经典的群组查询注意力（GQA）配合滑动窗口注意力（SWA），窗口大小仅为 128 个 token。 因此，这突显了我近几个月一直试图提出的一个观点：大部分进展仍然来自数据和后训练配方的改进。花哨的注意力变体主要只是效率上的调整。 有哪些训练数据的改进和配方的改进？MiMo 团队分享了一份相当详细的技术报告。有很多需要仔细消化，但简而言之，有几件事很突出： 1. 代理任务的增加…
在 G20 创新部长级会议上，@JensenHuang 与 美国商务部长 @howardlutnick 一起讨论了智能时代所需的基础设施。 一座吉瓦级 AI 工厂是一项 500 至 600 亿美元的投资。在这个成本下，其架构不能过于专门化，以至于模型或算法的变化就会使其过时。 它必须具有可替代性。 它必须具有持久性。 而且它必须通过软件不断改进。
认识全新的 Kimi 浏览器扩展，前身为 Kimi WebBridge。 在浏览器侧边栏中，你可以与 Kimi 聊天来浏览网站、填写表单并完成任务。 对于重复性任务，录制一次你的步骤并保存为技能。下次 Kimi 就能接手完成。 现已在 和 Chrome 应用商店上线。
问：哪些模型受 Jev 的到来影响最大？ 答：许多实验室的 flash 版本模型。 另外：OpenRouter 上近一半的 Jev 用户在前一周没有接触过任何模型。这次发布激发了足够的兴奋，将他们从旁观席上拉了出来。
认识一下新的Kimi浏览器扩展，以前叫Kimi WebBridge。 从浏览器侧边栏，你可以与Kimi聊天来导航网站、填写表单并完成任务。 对于重复性任务，录制一次步骤并将其保存为技能。下次Kimi可以接手。 现已上线 和Chrome网上应用店。
在过去两年里，新闻网站的网页流量下降了约28%。
分享一些由Hy Image3.5预览版生成的天才案例。😎 [引用 @TencentHunyuan]: Hy Image3.5预览版上线。🚀 专业级图像生成，在人类评估中比Hy Image3.0的胜率高出30% 提供文本到图像和图像到图像。 高达2K。更好的一致性。 API： 为所有人定价。腾讯云API每张图像0.024美元。 我们只对我们生成的内容收费——你的参考图像免费。 两周免费（仅在OnSolo和Miora）： Miora…
谷歌开源安卓自动化测试框架 ARTEMIS 核心定位是让 AI Agent 像人类一样直接操作 Android 真机和模拟器。 你只要用大白话给它下达指令，比如“打开地图查一下去哪里的路线，然后再去听首歌”，它就能看懂手机屏幕上的各种按钮和文字，自己一步步在不同的软件之间切换操作。技术方案是先读取 Android 无障碍树与 OCR，面对 Flutter、Compose、Canvas 等自绘界面时再调用 VLM 进行多模态兜底，在基准评测中达到了99%以上的任务完成率。 提供两种模式：一种是极速模式，几秒钟点一下…
AI说网站完成了。然后首页出错，按钮重叠，还加了你从未要求的登录流程。🙃 介绍WebCraftBench：智能体实际使用实时应用，覆盖引导探索发现从未到达的地方，然后我们评分美学、可用性以及是否满足原始请求。 在197个人工验证的配对中，它与人类偏好匹配度达85.3%。 论文：
很难夸大@michpokrass 对我们消费产品的影响。在 ChatGPT 在她的领导下获得了重生，我们构建的很多东西都是由她的愿景和信念驱动的。 真的很感激能和她一起工作！ [引用 @michpokrass]: 刚刚在 openai 度过了四年！ 这个地方特别之处在于不断重生的能力。尽管有种种缺点，但没有其他地方能与之相比。团队一次又一次地做出高信念、反传统的赌注，而且大多是正确的。每三个月就是一家新公司。 我非常享受我在一些赌注中的角色，我很兴奋地分享一些当前的赌注我们正在…
来自 @inteldevs 的 Day-0 OpenVINO 支持！🥳 Qwen-Image-2.1 已准备好在英特尔硬件上优化运行。一个开放权重检查点即可用于生成和编辑。👇 [引用 @inteldevs]: 我们很高兴为 Qwen-Image-2.1 提供 Day0 OpenVINO 支持 在此了解更多您可以实现的功能：
Kimi K3 现已登陆 Amazon Bedrock！ 利用 Bedrock 的访问、加密和审计控制，运行编码、文档分析和扩展代理工作流。支持显式提示缓存。 在 AWS 上使用 K3 开始构建 👉
Step 5 Preview 将我们的智能-成本帕累托前沿向外推进。 它在 Artificial Analysis 智能指数上得分44，每任务成本0.71美元。 感谢 @ArtificialAnlys 对 Step 5 Preview 进行全面评估。 10月15日还有更多内容。 [引用 @ArtificialAnlys]: StepFun的Step 5 Preview在Artificial Analysis智能指数上得分44，与Kimi K3（max）相当，但每任务成本低约2.8倍，不过在代理评估上落后于同行 S…
看看外科医生 @pridgenmd 如何使用 Codex 构建自己的工具并查阅 PubMed 上的科学文献：
A.I. 日报