「OpenAI MLE - Bench」共找到 1988 篇相关文章
GPT-5.6现身后，下一个Claude Sonnet 4.8又曝光了！
GPT-5.5发布不久，开发者在Codex内部日志发现GPT-5.6，几乎同时，Anthropic的Claude Code源码泄露，炸出Sonnet 4.8、Jupiter等型号。两家公司下一代模型几乎同时曝光，模型迭代节奏在加速。
黄仁勋要发Token当工资！硅谷兴起刷量大赛，一人一周烧掉33个维基百科
硅谷兴起Tokenmaxxing（Token刷量大赛），AI公司追踪员工token消耗，招聘、考核都与token相关。风投者费用半年内从月付200美元涨至年烧10万。黄仁勋提议用token作薪酬，同时也有对刷量竞赛的质疑。
来自MiniMax M2.5的震撼 ：小尺寸几乎打平opus4.6，巨便宜，巨能干活，速度巨快
MiniMax M2.5正式发布，是优秀国产模型。它专注极致优化，部署方便、价格实惠、性能顶尖。在多项基准测试表现出色，速度提升、成本降低，多维度实现突破，已在MiniMax Agent全面部署。
“商业的HTTP”来了：谷歌CEO劈柴官宣 UCP，Agent 直接“剁手”下单，将倒逼淘宝京东“拆家式重构”？
近日谷歌CEO官宣Universal Commerce Protocol（UCP），目标让Agent在线购物。它能拆解购物流程，与多协议协同。谷歌补数据底座，UCP集结众多伙伴，Agent加速落地交易场景，或使电商平台重构。
Claude版Manus宕机，全网炸锅！顶级开发者曝光致命缺陷
Claude Cowork开年爆红，引发大量关注和讨论，两天内浏览量达五千万，甚至因太火爆致Claude用量太大而宕机。Django之父Simon Willison揭露其核心机制，也指出存在提示词攻击风险。
这一次，谷歌Veo 3.1教Sora做视频！角色0变形，4K竖屏直接满分
谷歌Veo 3.1迎来重磅升级，优化移动端体验，上传素材图片就能创作有趣视频。亮点包括素材生视频一致性强、支持原生竖屏输出、有业界领先的1080p和4K超分辨率，现已可在多平台体验。
谷歌2025年终回顾：Gemini 3领衔，六大领域全线突破
本文回顾谷歌2025年发展，从Gemini 1.5 pro开始有变化，到Gemini 2.5 pro质变。谷歌在模型、产品、创意、科学等六大领域突破，如Gemini 3系列模型表现出色，但Sam Altman仍认为谷歌失败。
小红书提出DeepEyesV2，从“看图思考”到“工具协同”，探索多模态智能新维度
小红书推出多模态模型DeepEyesV2，它延续视觉推理优势，实现代码执行、网页搜索和图像操作的全工具协同。通过多工具协同推理解决复杂问题，采用两阶段训练策略，准确率远超开源模型。
全球首个AI Agent操作系统FlowithOS跑分超Atlas，网友：它「杀死」了比赛
AI应用初创企业Flowith推出全球首款专为AI Agent打造的操作系统FlowithOS。它能改写交互方式，功能超AI浏览器，跑分超竞品，还具记忆能力，适配多系统，已公测，或引发“AI操作系统”竞争。
Thinking Machine新研究刷屏！结合RL+微调优势，小模型训练更具性价比了
Thinking Machine新研究提出On - Policy Distillation方法，结合RL与微调优势。该方法让学生模型每步由教师模型指导，用KL散度评估分歧。实验表明其训练小模型性价比高，还能解决AI“灾难性遗忘”问题。