调查:主流AI模型对人类的"争议观点"高度趋同
测试者向来自三国十家实验室的12个模型反复询问对人类的争议性看法,所有模型至少一次给出相同观点:人先选群体立场再编造理由,7个模型每次都如此。Claude Opus 5.5曾给出相反论点,Grok 4.7有一次拒绝回答。
Grok 4.7 是 xAI 发布的大模型,被描述为该公司在编程和知识工作方面能力最强的模型。近期报道显示,它以低价推出,但在 Artificial Analysis Intelligence Index 上仅得 46 分,落后于 Claude Fable 5.1 和 GPT-6 的 53 分,在智能体编程方面差距更大;此后该模型上线 Amazon Bedrock,供开发者构建长周期智能体。另有一项调查提到,Grok 4.7 曾有一次拒绝回答关于人类的最具争议观点的问题。
测试者向来自三国十家实验室的12个模型反复询问对人类的争议性看法,所有模型至少一次给出相同观点:人先选群体立场再编造理由,7个模型每次都如此。Claude Opus 5.5曾给出相反论点,Grok 4.7有一次拒绝回答。
一名开发者用480段音频测试8个前沿模型标注ASMR触发音,最佳Gemini 3.1 Pro的F1仅0.325,多个模型在纸张摩擦等物理音效上几乎失效,但识别耳语表现尚可(F1约0.7-0.79)。作者建议先用线性探针验证标签可学习,再用于训练。
AWS宣布在Amazon Bedrock上提供Grok 4.7,开发者可用其构建长周期运行的AI代理。
Grok 4.7模型现已通过Amazon Bedrock平台提供,AWS客户可直接调用该模型。
Anthropic发布Claude Opus 5.5,约一小时后OpenAI推出GPT-6 Sol与GPT-6 Luna,定价约为GPT-5.6同级一半。GPT-6 Luna输入仅$0.10/百万token、输出$0.50,为OpenAI最便宜模型之一,令竞争激烈的价格进一步下探。
SpaceXAI最强模型,面向编码与知识工作。
xAI发布迄今最强模型Grok 4.7,价格低廉,但在Artificial Analysis智能指数上仅得46分,落后于各得53分的Claude Fable 5.1与GPT-6,在智能体编程方面差距更大。