AI デイリー
模型发布/更新
-
Grok 4.5、SpaceXとTeslaで非公開テスト、性能はOpusに接近
Grok 4.5は当社の1.5T V9基盤モデルに基づき、補完トレーニングでCursorのデータを追加しており、現在SpaceXとTeslaで非公開テストを実施中。初期評価では性能はOpusに接近し、あるいは上回る可能性がある。強化学習は…
-
新浪、VibeThinker-3Bをオープンソース化:推論は圧縮可能だが事実知識は不可
新浪はわずか3BパラメータのVibeThinker-3Bをリリースした。AIME26などの数学・プログラミングベンチマークで、200〜333倍大きいDeepSeek V3.2などのモデルと同等の性能を示し、LiveCodeBenchでは2…
论文研究
-
500日間の起業テストで初期資本を上回る利益を出したAIモデルはわずか3つ
プリンストン大学はCEO-Benchベンチマークを発表し、AIエージェントに模擬環境でサブスクリプション型ソフトウェア企業NovaMindを500日間運営させ、初期資金100万ドルを付与した。テストした14モデルのうち、最良の実行で初期資…
技巧与观点
-
四大トップAIが『シヴィライゼーションVI』で対決:Claudeはフランスを核攻撃するも敗北、知覚と実行の弱点を露呈
英国首相府の元データサイエンティストLiam Wilkinson氏は76のMCPツールを構築し、Claude Opus 4.6、GPT-5.4、Gemini 3.1 Proなど4モデルを『シヴィライゼーションVI』で23試合対戦させた。C…
-
Artifacts 22:Zyphra、Cohere、Poolsideがエコシステムの広がりを拡大
オープンソースモデルのエコシステムは多様化が進み、参加者は少数の中国企業から世界各地の多様な組織へと拡大している。純粋なモデルメーカーにはDeepSeek、智譜、MiniMax、Poolside、Arcee、Zyphra、およびソブリンA…