Chinese contentGenspark 发布 Gen-1 Slides，输入令牌价格仅为 Claude Opus 5 的 1/17
朋友发了 Genspark 的 Gen-1 Slides，这个模型做幻灯片生成很厉害，和 Claude Opus 5 一样好，但价格便宜很多，才 1/17。
Latest
Every published item, in order · 764 items
Sep 11
Chinese contentGen-1 Slides 开放模型，幻灯片生成性能接近 Claude Opus 5，价格仅为其 1/17
朋友，Fireworks AI 新出的 Gen-1 Slides 模型很棒，幻灯片生成效果和 Claude Opus 5 差不多，但价格便宜很多，是 1/17，适合做演示文稿。
Chinese contentDeepSeek 发布 V4.1 Flash 模型，称其为新架构家族中最小模型
DeepSeek 新发布的 V4.1 Flash 模型，比 V4-Pro 小三分之一，但在很多测试里还比它强，价格也便宜很多，值得看看。
Sep 10
TRACE: Training Reasoning Agents for Causal Exploration
TRACE demonstrates that simulation-based verification can make diagnostic reasoning tasks scalable for reinforcement learning, outperforming larger models with fewer tool calls.
Sep 9
Sep 7
Substrate-Aware AI Agents Study
The study shows how execution context constraints can make AI agents 35-74% more efficient in resource usage, directly impacting real-world applications with limited compute.
Sep 6
Astra tops cybersecurity model rankings
Astra offers superior cybersecurity performance at half the cost of Claude Opus 5 max, making it a compelling option for security professionals.
Sep 5
Tencent environment evolution paper
The method improves RL performance significantly on Qwen models, relevant for developers working with reinforcement learning in ASEAN.
Chinese contentOpenAI GPT-6 Astra 幻觉减少但易受隐藏提示注入攻击
OpenAI 发布了 GPT-6 Astra，虽然减少了幻觉，但在隐藏提示注入攻击面前仍有 8.5% 的失败率，比 Claude Opus 5 的 4.8% 差。
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。
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
Alibaba releases Qwen3.8-Flash-Next
Cost-efficient alternative to Claude Opus 4.6, potentially more accessible for ASEAN developers and businesses.
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。
Chinese contentRecursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses
Recuris模型在长时程任务中显著提升了GPT-5.6 Sol和Claude Opus 5的表现，是长时程智能体驱动的递归记忆架构的一个突破。
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 23
Chinese contentInherent发布Faraday智能体，复现能力超GPT-5.5与Claude Opus 4.8
Inherent新推Faraday智能体，小模型大能力，强化学习助其超越GPT-5.5与Claude Opus 4.8，值得关注。
IT之家Source
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。
Chinese contentOenoBench：葡萄酒领域大模型评测基准
研究人员搞了个叫OenoBench的葡萄酒知识测试题库，用这个题库测了16个大模型，发现o3考得最好，DeepSeek R1在推理题上表现突出，还发现模型对自己出的题有偏好，挺有意思的。
Aug 20
Alibaba launches Qwen-UI-Agent model
Qwen-UI-Agent outperforms major models in GUI tasks across mobile, desktop and web environments, with real device testing showing near-perfect performance.
IT之家Source
Models13:41
Chinese contentOrnith-1.5系列开源AI模型发布，量化版适配iPhone 17等手机DeepReinforce刚发布了Ornith-1.5系列开源模型，里面有量化版居然能在iPhone 17手机上用，而且大模型性能和Claude Opus 4.8差不多甚至更强，和其他模型比也有优势，值得看看。
IT之家Source