跳到正文
11月19日周四
  1. The Verge · AI48

    我让 Apple Watch 的常听 AI 总结了我两周的生活

    作者在 Apple Watch Ultra 4 上测试了 Siri Recap 测试版,该功能可环境收音并用 AI 生成对话摘要。它默认关闭、需主动开启,摘要可选 1/3/7 天后自动销毁,不保存原始音频和可查看的文字记录,音频在 S11 芯片的安全隔离区处理后即删,大部分处理在本地完成。但 Siri 不训练用户声音,难以分辨真实对话,曾把 TikTok 视频内容误总结成作者本人经历。

  2. 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。

  3. 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。

  4. 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。

  5. AWS Machine Learning Blog58

    Airbnb 如何用每次任务成本在 Amazon Bedrock 上运营编码智能体

    Airbnb 分享了在 Amazon Bedrock 上运营编码智能体的方法:上线前用自有任务评测每个模型的得分和每次任务成本,据此设定默认模型与推理强度上限,上线后用 CloudWatch 指标和网关用量记录对比生产表现。文中提到一个评测得分领先的模型上线后,用户周均花费是上一模型的数倍,原因是缓存上下文被反复读取且用户发起了更长的自主会话;换到新模型后该群体主模型花费降至约七分之一。

11月18日周三
  1. 极客公园78

    GPT-6.2 Astra 跑分领先却遭开发者实测差评

    极客公园梳理 GPT-6.2 Astra 与 Sol 发布后的表现,指出官方榜单成绩亮眼但一线开发者评价不佳。Astra 在 Artificial Analysis 综合指数榜以 62 分排第二,单任务成本 4 美元,但编程智能体榜停在 53 分,Sol 还倒退 3 分。

    推荐理由:文章把官方跑分与一线开发者实测并置,读者可据此看清 GPT-6.2 在真实工程任务中的偏科表现。

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。

11月16日周一
11月2日周一
10月28日周三
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。

10月12日周一
10月5日周一
9月29日周二