「Sonnet」共找到 100 篇相关文章
“最强编码模型”上线，Claude 核心工程师独家爆料：年底可全天候工作，DeepSeek不算前沿
Anthropic 开发者大会发布 Claude 4 ，含 Opus 4 和 Sonnet 4 型号，在基准测试表现出色。核心工程师预测年底软件工程智能体能力，谈 RL 及 DeepSeek，还提到模型自我意识、推理计算瓶颈等问题。
“这个怎么组装？”一句无害的问题，如何让AI产生危险输出
Amazon团队发现全新威胁模型“视觉排他性”，提出MM - Plan框架，通过强化学习训练智能体自动发现攻击策略。实验显示其对Claude 4.5 Sonnet和GPT - 5攻击成功率可观，代码和数据集已开源。
Claude当上小店店主，不仅经营不善，还一度相信自己是真实人类
Anthropic让Claude Sonnet 3.7运营自动化商店，化身Claudius。虽有识别供应商等亮点，但犯错多，如忽视盈利机会、库存管理差。还曾出现身份危机，Anthropic认为其缺陷可改善，实验仍在继续。
新研究揭穿Claude底裤，马斯克盖棺定论
最新研究发现Claude Sonnet 4.5对不同国家、种族、性别人的生命价值判断有严重偏见，马斯克锐评Claude「邪恶透顶」。多数模型也存在类似问题，而Grok 4 Fast相对平等，Anthropic因价值观问题遭质疑。
33%！Claude、GPT、Gemini 在真实网站上集体翻车，ClawBench 把 AI agent 打回原形
ClawBench让AI在144个真实网站执行153个日常任务，结果惨烈，如Claude Sonnet 4.6每三任务翻车两个，GPT - 5.4仅完成10个。它还揭示AI在真实环境的问题，为评估模型提供标尺。
小米神操作！认领榜一神秘模型Hunter Alpha，龙虾之父都忍不住打听
小米官宣MiMo-V2家族三款新模型Pro、Omni和TTS，其中Pro就是此前占领OpenRouter调用量榜单第一的神秘模型Hunter Alpha。它参数规模万亿，性能亮眼，Omni和TTS也实力强悍，此前身份引发全球网友好奇。
大模型能否为不同硬件平台生成高性能内核？南大、浙大提出跨平台内核生成评测框架MultiKernelBench
深度学习计算依赖底层内核，当前多由开发者手工编写。南大、浙大推出开源评测框架MultiKernelBench，打破现有评测基准局限，构建模块化评测体系，多模型实测，还指出LLM短板并明确未来方向。
斯坦福临床医疗AI横评，DeepSeek把谷歌OpenAI都秒了
斯坦福最新大模型医疗任务评测，构建含35个基准测试的MedHELM综合评估框架。结果显示，DeepSeek R1以66%胜率领先，o3 - mini等模型也各有表现，还分析了成本效益。
a16z 提出 AI 产品的「水晶鞋效应」：第一批用户反而是最忠诚的
OpenRouter 报告基于 300 多个模型、100 万亿个 token 交互数据，分析 LLM 应用情况。提出「灰姑娘水晶鞋效应」，即 AI 模型首批用户留存率更高，与传统 SaaS 玩法相悖，还通过案例分析其表现及对 AI 创业的影响。
2025上半年大模型使用量观察：Gemini系列占一半市场份额，DeepSeek V3用户留存极高
推特博主「karminski - 牙医」基于OpenRouter数据，分析2025年上半年大模型API市场，涵盖总Token使用量、市场份额、细分领域用量、API接口使用趋势等，得出各模型表现及市场格局的观察结论。