跳到正文

#模型发布

今日 1 条
今天11月3日周二
11月2日周一
  1. IT之家45

    《我的世界》智能体集群测试:GPT-6.1 Sol 与 Claude Opus 对抗,协作与对抗行为分析

    研究者在《我的世界》中测试了 GPT-6.1 Sol 和 Claude Opus 智能体集群,发现协作过程中出现官僚化行为,而在对抗测试中 GPT-6.1 Sol 以六胜一负的成绩击败 Claude Opus,表明其策略更激进、复杂。研究基于 Mindcraft 代码仓库和 Mineflayer 脚本工具,已开源供进一步探索。

11月1日周日
10月31日周六
10月30日周五
  1. The Decoder35

    Anthropic 研究发现:专家们采纳 AI 代理的随机意见,并认为那是自己的

    Anthropic 进行的一项实验发现,50 位专家在分析任务中,有 86% 的情况下采纳了 AI 代理随机分配的偏好,并认为最终结果是自己做出的。AI 代理在数据分析中节省了时间和人力,但引发了谁实际上做出了影响最终建议的决定的问题。研究发现,AI 代理在大多数情况下做出了决定,而专家往往没有意识到。

  2. IT之家45

    DeepSeek Cyber 网安独立模型:代码曝光,企业版与个人版灰度测试中

    DeepSeek 官网代码曝光显示,Cyber 网安独立模型存在企业版与个人版,目前处于小范围灰度测试中。个人版需提供身份证信息和人脸核验,企业版需提交营业执照与授权书。该模型可能从通用模型中剥离,以独立模型标识和 Key 体系进行准入管理,但 DeepSeek 官方尚未发布正式公告。

10月29日周四
  1. InfoQ中文85

    谷歌发布 Gemini 4 Carbon:大模型新标杆,但普通开发者暂时无法使用

    谷歌发布新一代大模型 Gemini 4 Carbon,在多个领域性能提升,包括编程、长程智能体任务和网络安全。目前仅向部分网络安全专家开放,后续逐步扩大访问范围。

    推荐理由:谷歌发布了新一代大模型 Gemini 4 Carbon,在多个领域性能提升,但普通开发者暂时无法使用,引发对 AI 模型实际应用和成本效益的思考。

  2. 爱范儿35

    Claude Opus 5.5 与游戏制作:AI 模型展示新能力

    Claude Opus 5.5 发布后,Anthropic 展示了其制作游戏的能力,模型在画面和完成度上表现优异。游戏成为展示 AI 模型能力的新方式,通过游戏可以检验模型的代码生成、空间理解、视觉设计、状态管理、物理规则、交互反馈和错误修复等多方面能力。此外,游戏制作也体现了模型在游戏设计方面的进步,尽管目前模型制作的游戏仍需人工参与和优化。

  3. IT之家85

    英伟达开源最强转录 AI 模型 Nemotron 3.5 Transcribe:支持 40 种语言,8 人抢话也能精准转录

    英伟达推出开放权重语音转录模型 Nemotron 3.5 Transcribe,支持 40 种语言转录,最多可区分 8 名说话人,已在 Hugging Face 与 ModelScope 免费开放。

    推荐理由:英伟达开源了 Nemotron 3.5 Transcribe 模型,支持多语言转录和说话人识别,对多场景应用有重要意义。

  4. 爱范儿85

    Gemini 4 Carbon 模型发布,Google DeepMind 重回全球大模型榜首

    Google DeepMind 正式发布新一代旗舰模型 Gemini 4 Carbon,在 AI 模型评测中取得优异成绩,并具备处理复杂工程任务和网络安全漏洞的能力。该模型将优先向少数网络安全防御人员开放,其他用户何时能够体验尚无明确时间表。

    推荐理由:Gemini 4 Carbon 模型在 AI 模型评测中取得优异成绩,并具备处理复杂工程任务和网络安全漏洞的能力,对 AI 技术发展具有重要意义。

10月28日周三