跳到正文
11月19日周四
  1. 爱范儿80

    GPT-6.2 Astra 发布后差评不断,实测后我觉得它有点冤

    爱范儿实测 GPT-6.2 Astra 与 Sol 后认为,首发差评被集中放大,模型表现并没有网上说的那么糟。OpenAI 称 Astra 在 Agents' Last Exam 上比上一代高 5.2 分、成本不到三分之一,AA-3D 评测以 1318 Elo 排名第一;但 Theo、Dan Shipper 等开发者批评其在长期任务中异常中断、偏离目标、难以解释自身操作。

    推荐理由:结合开发者差评与作者自测,呈现 GPT-6.2 在长周期 Agent 任务中的真实表现与成本权衡。

  2. 爱范儿80

    深度实测 GPT-6.2 Astra:3D 与成本亮眼,写作和长任务体验受质疑

    爱范儿实测 OpenAI 当天发布的 GPT-6.2 Astra 与 GPT-6.2 Sol,用一句话提示词在 17 分钟内生成 FPS 游戏,并完成可交互孔雀开屏 3D 场景、深海图谱网页和日式奇幻城市 GIF。

    推荐理由:作者用游戏、3D 场景、网页与写作等多组实测,呈现 GPT-6.2 Astra 在能力与可用性之间的落差。

  3. 开源中国资讯78

    微软推出编程模型 MAI Code 2 和 MAI Code 2 Flash

    微软宣布推出新版本编程模型 MAI Code 2 和 MAI Code 2 Flash,核心卖点是“不到一半的价格,交付生产级质量”。在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1 四个企业日常编码基准上取平均,MAI Code 2 拿到 GPT 6.1 Sol 的……(原文摘要在此截断)。

    推荐理由:微软公布 MAI Code 2 与 Flash 的定价和基准对比,可据此判断低成本编程模型的取舍。

11月18日周三
11月17日周二
  1. NVIDIA Blog72

    NVIDIA Vera Rubin 首次亮相 MLPerf,横扫训练基准并在 Endpoints 领先

    NVIDIA Vera Rubin 平台首次参加 MLPerf 基准测试,在 MLPerf Training v6.1 的全部基准上均有结果,是本轮唯一覆盖所有基准的平台,其 NVL72 系统每 GPU 性能最高达 GB300 NVL72 的 2 倍。

    推荐理由:原文给出 Vera Rubin 在 MLPerf Training 与 Endpoints 的具体成绩和对比基线,可据此判断新一代平台的性能提升幅度。

10月15日周四
  1. Mistral AI73

    Mistral 发布时间序列基础模型 Timestral,最大 209M 参数

    Mistral 发布首个时间序列基础模型系列 Timestral,提供 5M、28M、123M 和 209M 四个尺寸,最大模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一,参数量仅为此前 SOTA 的三分之二。

    推荐理由:官方给出四个尺寸的基准排名与 CPU 推理延迟,可据此判断时间序列预测的部署成本。