开源动态8

字节&哥大：大模型搞金融，查股价都出错

量子位2025-09-21

AI 摘要

字节跳动Seed团队和哥大商学院推出FinSearchComp基准测试，评测发现大模型在金融场景表现欠佳，搜索能力和金融插件很关键，但最强AI在金融搜索也仅及格，需更多行业级评测。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Claude两个新模型曝光，或下月发布

开发者在Anthropic的API中发现Claude的两个新模型代号claude - marshmallow - eap和claude - melon - eap，目前处于内部测试阶段。社区有多种推测，且Anthropic命名风格改变，新模型或下月发布。

前两天J-Space凭夸张测试结果刷屏，宣称一份Skill接入Agent环境，能让V4 Pro在多基准大幅提升，部分成绩超Fable 5。但社区复测结果相反，作者未公开完整评测记录，还删质疑帖，引发公开打假。

IPO前夕，Anthropic最新年化营收达650亿美元，8个月翻超7倍，反超OpenAI。双方在资本市场竞争激烈，A社在起跑时间、财务、商业模式上占优，但OpenAI用户规模和产品生态占优，目前A社牌面更好。

OpenAI发布内部版模型Astra的十项成果，引发数学界震动。菲尔兹奖得主Timothy Gowers分析其成果，指出AI优势在‘输得起’，还探讨找例方法、模型短板，给出训练建议与衡量跨越门槛的标准。