Chinese contentGitHub发布HydraFusion模型提升任务质量
GitHub新出的HydraFusion模型在编程任务质量上超越Claude Opus 5，成本还降低67%，选模型就能自动编排工作流。
Latest
Every published item, in order · 548 items
Sep 5
Sep 4
GPT6-Astra Model Review Analysis
Token efficiency makes GPT6-Astra cost-effective for programming tasks despite 2.5x higher per-token pricing than GPT-5.6 Sol.
Chinese contentThomson Reuters 推出大模型 Thomson
Thomson Reuters 花费 4000 万美元训练自己的大模型，用 175 年专业数据，性能接近 Claude Opus 4.8。
Sep 3
Chinese contentGemini 3.8 Flash (High) 重塑 Agent Arena 前沿
GoogleDeepMind 新发布的 Gemini 3.8 Flash (High) 在多个竞技场表现优异，成本比同类模型低 44-50%。
Chinese contentGoogle发布Gemini 3.8 Flash (High)模型
GoogleDeepMind发布Gemini 3.8 Flash (High)，在多个基准测试中超越前代版本和Claude Opus 5。
Sep 2
Chinese contentQwen3.8-Max-0902登顶CodeArena WebDev排行榜
阿里Qwen3.8-Max-0902以1691分登顶CodeArena WebDev排行榜，比前代模型高出22分，价格仅5美元/百万token。
Chinese contentQwen3.8-Max-0902登顶Code Arena: WebDev
阿里Qwen3.8-Max-0902在代码基准测试中超越Claude和Kimi，价格实惠，多项类别领先。
Sep 1
Chinese contentLoopArena：模型作为管理者的可测量基准
LoopArena 基准首次单独测量模型作为'管理者'的能力，发现 GPT-5.5 在长程任务中表现最佳，但成功率仍不足 25%。
Aug 31
Chinese contentDeepSeek-V4-Flash-Vision-Exp 开源发布
DeepSeek 10 天前发布 API，10 天后就开源了这款 305B 参数的多模态模型，性价比超高。
Aug 28
Models21:28
Chinese contentTerminal-Bench-Science基准发布斯坦福发布了科研AI代理基准Terminal-Bench-Science，Claude Opus 5仅完成30%，看看你的模型表现如何。
Aug 27
Recuris Memory System for Agents
Recuris reduces common long-horizon failures by up to 80 percent, offering significant performance gains over existing models.
Chinese contentAgent Arena发布模型评估：Claude Opus 5领先
Agent Arena更新了模型评估功能，Claude Opus 5在代码任务中表现出色，GitHub集成让编码更便捷。
Aug 26
Chinese contentQwen3.8-Flash发布，性能卓越，价格亲民
Alibaba Qwen团队发布了Qwen3.8-Flash，性能卓越且价格亲民，是DeepSeek V4 Flash和Claude Opus 4.6 Max的性价比之选。
Aug 24
Anthropic Fable 5 Token Usage Analysis
Opus 5 offers near-Fable performance at half the cost, making it a more economical choice for businesses in ASEAN and beyond.
Aug 22
Firecrawl Developer Index for Coding Agents
Available via CLI, API, and MCP with native support in Claude Code and Cursor, providing developers with the most comprehensive coding-specific search index.
Aug 21
Chinese contentReplit Free Mode vs Gemini 3.7 Flash vs Grok 4.6 vs Claude Opus 5 比较评测
Poonam Soni 在 Replit 上比较了 Free Mode、Gemini 3.7 Flash、Grok 4.6 和 Claude Opus 5，看看哪个在创建 Subway Surfer 克隆时表现最佳。
Aug 20
Chinese contentAgent Arena推出Pareto前沿任务性能对比平台
Agent Arena发布了Pareto前沿平台，能查各模型做真实任务里的表现，像 Claude 和 GPT 这些对比后就知道哪个更划算。
Aug 19
Aug 18
Chinese contentAgent Arena 新分类榜：代码榜首 GPT 5.6 Sol，工作聊天归 Claude Opus 5
想知道代码、工作、聊天分别谁最强？Agent Arena 新榜单给出答案：GPT 5.6 和 Claude Opus 5 各领风骚。
Aug 15
Chinese contentFT数据质疑Anthropic千亿收入预测，价格战下Q4需翻倍
FT数据说Anthropic年入千亿有点悬，Q2才115亿，Q4得翻倍到250亿。中国模型份额从4.4%涨到60%，信息量大。
Chinese content27B参数智能体Faraday复现论文击败Claude Opus 4.8和GPT-5.5
一个叫Faraday的27B智能体，把论文复现变成强化学习任务，在测试集上赢了Claude Opus 4.8和GPT-5.5，还把编码agent当工具用，有点意思。
Aug 14
Chinese contentGemini 3.7 Flash (High) 在 Text Arena 升至第9，得分1490
Gemini 3.7 Flash在Text Arena冲到第9，创意写作第3，数学第4，跟Qwen-3.8和Claude Opus 5只差几分。
Aug 13
Chinese contentLMArena：Claude Opus 5写作更长、词汇更简单
Claude Opus 5和Opus 4.5差多少？LMArena用数据告诉你：回复长度是4.5的3倍，词汇反而更简单，破折号也更多。
Aug 12
Chinese contentSwitchyard路由评测：93%任务无需前沿模型，成本降70%
想知道你的智能体能不能少花点钱？LangChain实测NVIDIA的Switchyard，93%任务用30B模型搞定，成本砍七成，准确率还保住九成。
Aug 10
Chinese contentClaude Opus 5 系统提示包含 Fable 出口管制细节
Simon Willison 挖到 Claude Opus 5 系统提示里居然写了 Fable 出口管制这事，怕模型答不上来。挺有意思的。
Aug 7
Chinese contentQwen3.8-Max看图识云，被赞与Claude Opus 5等持平
有人拿云朵照片同时问 Qwen3.8-Max、Claude Opus 5、Kimi K3、GPT 5.6 Sol，画动物轮廓它没输。
Aug 6
Chinese contentClaude Opus 5 (Max)登顶Fullstack Code Arena，得分1699
Anthropic新出的Claude Opus 5（Max）把代码榜刷到第一，1699分，前端和文本也登顶，这波挺猛。
Aug 5
Chinese contentQwen3.8-Max拿下Image-to-WebDev Arena第二，距榜首39分
阿里新出的Qwen3.8-Max看图写网页排第二，只比第一的Claude Opus 5少39分，挺牛的。
Chinese contentQwen3.8-Max在Image-to-WebDev Arena位列第二，下周开源
阿里这波可以啊，Qwen3.8-Max网页开发跑分第二，只比Claude Opus 5低39分，下周开源就能玩。
Aug 4
Chinese contentGLM-5.2 (Max) Code Arena前端第2，开源模型第一
智谱新出的GLM-5.2 (Max)在前端代码测评里拿了开源第一，总分第2，把Claude Opus 4.7甩开29分。写前端的可以关注下。
Aug 3
Chinese contentQwen3.8-Max 位列 Frontend Code Arena 第四，得分 1668
Qwen 的 Qwen3.8-Max 冲到代码榜第四，只比 Claude Opus 5 High 档低一分，做前端的可以看看。
Chinese contentQwen3.8-Max以1668分居Frontend Code Arena第四
阿里新模型Qwen3.8-Max代码榜排第四，1668分，输入输出token价格只要2美元和6美元，性价比很能打。
Chinese contentQwen3.8-Max登Frontend Code Arena第四，下周开源权重
阿里的Qwen3.8-Max刚发布，前端代码榜排第四，分数紧咬Claude和Kimi，下周还开源权重，可以蹲一下。