跳到正文

全部动态

今日 14 条
9月23日周三
  2. Arena.ai72

    Arena 宣布 Anthropic 的 Claude Opus 5.5 已进入 Agent Arena，用户可通过投票驱动排行榜。Agent Arena 基于全球用户提交的数百万真实长程智能体任务评测模型，模型可使用网页搜索、文件系统和终端工具，排行榜采用因果追踪方法衡量相对平均模型的结果表现。

    推荐理由：Arena 官宣 Claude Opus 5.5 上架 Agent Arena 和 Battle Mode，读者可以参与投票影响排行榜结果。

  6. OpenAI：官网动态（RSS · 排除企业/客户案例）40

    OpenAI 阐述第三方评估的优先事项与原则

    OpenAI 提出第三方评估的四个优先领域，包括对安全案例的独立评估、关键保障措施的评估等，覆盖训练、评估、内部部署与外部部署。评估将提供深度访问权限，包括技术保障信息、可见的思维链访问，以及用于事件响应和监控红队测试的机密数据与内部部署访问。OpenAI 称这些评估通常周期较长、与发布无关，聚焦于深入检验特定安全声明。

  7. Artificial Analysis 完整文章（网页）82

    Claude Opus 5.5 登顶 Artificial Analysis Intelligence Index

    Artificial Analysis 实测 Claude Opus 5.5 在 Intelligence Index 得分 58，为其测得的最高分，并在 Terminal-Bench 4.0 上与 GPT-6 Astra 打平（59.6%）。

    推荐理由：原文给出 Claude Opus 5.5 在 Intelligence Index 及各分项评测的完整数据和定价变化，读者可据此比较智能与任务成本。

  9. OpenRouter：Announcements（RSS）62

    OpenRouter 实测 Jev 1.13 与 Claude Opus 5 在 Banking77 分类任务上的准确率、延迟与成本

    OpenRouter 用 Banking77 测试集的 3,080 条客服语料对比 Jev 1.13 与 Claude Opus 5 的意图分类表现。Jev 准确率 81.0% 比 Opus 的 84.4% 低 3.3 个百分点，但中位延迟 175 ms 约为 Opus（2,266 ms）的 1/13，每千次请求成本 $0.11 对 $2.42（启用提示词缓存）。

    推荐理由：原文用同一测试流程给出两家模型的准确率、延迟与成本数据，并演示了基于置信度的级联路由方法，便于读者按自身流量权衡选型。

  13. ClaudeDevs77

    Anthropic 推出 Claude 5.5 家族首个模型 Claude Opus 5.5，官方称其在多数任务上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。Claude Devs 补充称其每任务速度快约 30%；在 Claude Code 中，5 小时会话限额今日提升 20%，因 Opus 5.5 定价更低，额度内可用量多 25%，Pro、Max 和 Team 用户还将获得一次可随时使用的额度重置。引用图显示 Opus 5.5 在 Terminal-Bench 4.0 各 effort 档位下得分领先。

  15. Claude Code：GitHub Releases（RSS）68

    Claude Code v2.1.280 发布，新增 Claude Opus 5.5 为默认 Opus 模型

    Claude Code 发布 v2.1.280，新增 Claude Opus 5.5（claude-opus-5-5）为默认 Opus 模型，支持 1M 上下文，价格为 $4/$20 per Mtok、缓存读取 $0.20/Mtok；同时将 Pro 和 Team Standard 计划的默认模型从 Sonnet 改为 Opus。

    推荐理由：官方更新日志详列了新增 Opus 5.5 默认模型、价格与大量修复，开发者可据此判断是否升级及对现有工作流的影响。

  16. Claude：Blog（网页）71

    Anthropic 详解 Opus 5.5 上一次 Claude Code 任务的成本构成

    Anthropic 官方博客拆解 Claude Code 任务在 Opus 5.5 上的成本构成，轮次、缓存读取、输出 token 和模型选择决定账单，Opus 5.5 API 输入输出每百万 token 降价 20%、缓存读取降 60% 至 $0.20。

    推荐理由：原文把一次任务的 token 成本拆成轮次、缓存、输出和模型选择四项，并给出 effort 设置与缓存维护的可迁移省钱方法。

  18. Anthropic：Newsroom（网页）91

    Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%

    Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。

    推荐理由：官方公告同时给出基准分数、完整定价表和防护措施细节，读者可以据此比较它相对 Opus 5 的成本与能力变化。

  24. OpenRouter46

    来自 @AssemblyAI 的 Universal-3.5 Pro 已在 OpenRouter 上线，9 月 29 日前 5 折！ 单次同步调用即可完成 19 种语言的语音转文字。在多项独立语音转文字基准测试中准确率排名第一。 发送最长两分钟的音频片段，即可快速获得完整转录文本，附带词级时间戳和置信度分数。通过提供关键术语和上下文提示，可将转录引导至你的领域。 试用：http://openrouter.ai/assemblyai/universal-3-5-pro

  29. Fireworks AI（网页）42

    Fireworks 发布 ARCv3：跨区域 RL 权重更新压缩近 50%

    Fireworks 发布 ARCv3 压缩器，在 1000 个生产 RL 权重更新 delta 上，其载荷比 ARCv2 小近 50%，平均仅为原始 BF16 权重体积的约 0.19%（ARCv2 为 0.36%），且可无损还原训练器的 BF16 权重。

9月22日周二
  6. Runway：News（网页）40

    Runway 推出 DIFFUSE：面向 AI 原生创意人才的招聘平台

    Runway 推出 DIFFUSE，一个供品牌搜索、联系并雇佣 AI 原生创意人才的开放平台，网址为 diffuse.runway.com。Runway 团队调研近 400 家公司的 1000 多个创意岗位招聘信息，其中 17% 提及 AI 技能或生成式工具，Runway 是这些岗位中需求最高的视频专用工具。创意人才和制作公司可建立档案、托管作品集，品牌、代理商和工作室可直接对接人才。

  10. LlamaIndex：产品、工程与评测66

    LiteParse 9 月更新：PDFium 提速 20-25%，新增视觉定位与 is-complex 路由 API

    LlamaIndex 发布 LiteParse 2.14.6 更新，通过对自维护 PDFium fork 做内存分配优化（内置 mimalloc）等手段，将文本提取耗时降低 20-25%，平均 2.76ms/页，markdown 渲染 3.94ms/页。

    推荐理由：原文给出速度、表格准确率等实测对比数据和新增 API，读者可据此评估是否替换现有 PDF 解析方案。