每天听简报,了解最新科技、AI、软件资讯
本周大模型评测平台 Arena 公布了新一期榜单,智能体和网页编程赛道都有不少实测变化。 在智能体竞技场中,Anthropic 推出的 Claude Fable 5.2 Max 拿下第一名,在七千八百次真实会话里取得了百分之三十点五的净胜率提升。速度方面,谷歌 DeepMind 的 Gemini 4 Hydrogen High 成为前十名里最快的模型,单步平均耗时只有七点三秒。 网页编程榜单上,Meta 最小的新模型 Muse Ember Max 排在第三十七位,每次任务的中位成本只有三美分。开源阵营也有新动作,Thinking Machines 的 Inkling 2 Small 正式开放权重,拿到美国开源模型第一名。百度文心 5.5 Flash 预览版支持一百万上下文,也即将以 Apache 2.0 协议开源。 多图编辑方面,MiniMax H3 图像模型成为开源第一,总榜排在第十一位。
进度保存在本设备 · 登录同步