11:34Browser Use@browser_useClaude Fable 在 BU Bench 基准测试中取得了最高分,成为目前测试中完成在线任务表现最好的模型。然而,其运行成本也最高,完成整个基准测试需要花费 580.87 美元。这一结果凸显了高性能 AI 模型在实用性与经济性之间的权衡,对于需要高精度自动化任务的团队来说,成本是一个关键考量因素。AI模型Claude FableBU Bench基准测试在线任务成本推荐理由:如果你在寻找能高效完成在线任务的 AI 模型,Claude Fable 的表现值得关注,但高昂的成本意味着你需要权衡投入产出比。做自动化测试或任务编排的团队可以点开看看具体数据。原文
10:04Browser Use@browser_useMinimax M3 模型在 BU Bench 基准测试中取得了显著进步,相比之前版本提升了 26%。该测试使用 browsercode 方法评估模型在浏览器自动化任务上的表现。目前 M3 的性能已与 Claude 4.6-sonnet 和 Gemini 3.5 flash 等主流模型持平。这一结果表明 Minimax 在浏览器智能体领域取得了重要突破,为未来进一步优化奠定了基础。AI模型Minimax M3BU Bench浏览器自动化智能体模型评测6 个信源在谈推荐理由:做浏览器自动化或智能体开发的团队值得关注——Minimax M3 用 26% 的提升证明自己已跻身第一梯队,可以直接拿来对比测试。原文