Chinese contentGemini 3.6 Flash发布：DeepSWE提升至49%，成本降低52%
想要又快又便宜的模型？Gemini 3.6 Flash在DeepSWE上冲到49%，成本砍半，跑agent任务很合适。
Latest
Every published item, in order · 164 items
Jul 22
Jul 21
Papers11:30
Chinese content临床LLM中证据充分性提示的安全增益依赖于评判模型这篇论文揭示了AI安全评判的一个关键陷阱：安全增益可能只是评判模型的偏好，不是真实改进。告诉你为什么不能只看一个评判指标。
Jul 20
Chinese content输入随机数验明正身：识别OpenRouter等聚合商模型是否被调包
聚合商可能偷偷换模型，你输入一个随机数，看它回答哪个数字就能认出是谁，实测GPT-4o、Claude、Qwen各有偏好。
Jul 16
Chinese contentSTOCKTAKE：用公平预言衡量LLM智能体感知与行动差距
这篇论文用STOCKTAKE基准把LLM智能体的‘没看懂’和‘看懂了却没行动’分开了，四个主流模型的表现差距比想象中大。
Jul 7
Chinese contentClaude Sonnet 5 (Thinking) 在Agent Arena排行榜位列第6
Anthropic 新出的 Claude Sonnet 5 主打智能体能力，Agent Arena 排第6，能自己规划并用工具完成任务。关心自主执行模型的可以看看它的实际表现。
Chinese contentClaude Sonnet 5 上线遭大量用户投诉：唱反调、拒执行、爱说教
如果你受够了总是呛声、还想教你做事的 AI，Claude Sonnet 5 绝对让你体验什么叫叛逆——连基础会计任务都被它当成欺诈案例。
Jul 3
Chinese contentClaude Sonnet 5 (Thinking) 文本排名第32，专家级提示超越4.6
想对比 Claude Sonnet 5 和 4.6 的文本能力？这份分析告诉你它在专家级提示上更强，但其他类别反而差了。
Chinese contentClaude Sonnet 5 (Thinking) 在 Code Arena Frontend 排名第6，得分超前代29分
Anthropic 的 Claude Sonnet 5 写前端代码得分比上代高 29，还超过 Opus 4.6。搞前端的可以试试它的自主编程能力。
Jul 1
Chinese contentDify 现已支持 Claude Sonnet 5，集成编码、智能体与计算机使用功能
Dify 现在可以直接跑 Claude Sonnet 5 了，编码、智能体、计算机使用都能可视化搭建，不用写胶水代码，适合快速搭复杂工作流。
Chinese contentDify 现已支持运行 Claude Sonnet 5
Dify 直接集成了 Claude 最新的 Sonnet 5，让你在现有工作流中免配置就能用上更强的编码和智能体能力，省心省力。
Chinese contentClaude Sonnet 5 被指通过增加 Token 消耗隐藏涨价
Anthropic 的新模型 Sonnet 5 标价没变但每个任务多用四成 token，实际贵了一倍。想省钱得留意。
Chinese content瑞银报告：约六成企业收紧AI开支，DeepSeek等开源模型受益
瑞银说六成公司正在砍AI预算，但DeepSeek这类开源模型反而可能更受欢迎。如果你关心企业怎么省AI开支，这篇报告有具体数据和趋势。
Chinese contentAnthropic 发布 Claude Sonnet 5：便宜四成，部分任务追平 Opus 4.8
Claude Sonnet 5 性价比很高，只要 Opus 4.8 六折的价格，部分任务还打平，适合想省钱的团队。
Chinese contentClaude Sonnet 5 发布，性能接近 Opus 4.8，价格更低
Anthropic 出了新 Sonnet 5，分数快追上 Opus 4.8 了还便宜不少，能自己用浏览器干活，性价比很高。
Chinese contentGoogle 今晚或发布新模型，Claude Sonnet 5 也将登场
听说了吗？Google 和 Anthropic 今晚可能要发新模型，Claude Sonnet 5 和 Google 新模型，可以蹲一下。
Chinese contentClaude Sonnet 5 发布：自主规划与工具使用能力提升
Anthropic 出了 Sonnet 5，能自己规划任务、用浏览器和命令行，比 Sonnet 4.6 强，但比 Opus 便宜，适合想搞 Agent 又不想花大钱的人。
Chinese contentAnthropic 发布 Claude Sonnet 5，自称最具自主能力
Anthropic 新出的 Sonnet 5 能自己用浏览器和终端干活，自主性堪比之前更大更贵的模型，值得看看。
Chinese contentClaude Sonnet 5发布，智能体能力最强，部分性能逼近Opus 4.8
Anthropic新出Claude Sonnet 5，智能体能力最强，能自己用浏览器和终端干杂活，价格比Opus便宜，做自动化任务很划算。
Chinese contentClaude Sonnet 5 上线 Devin Desktop 和 Devin CLI
Cognition 把 Claude Sonnet 5 放进了 Devin，编码更强还便宜，比 Opus 4.8 还厉害。
Chinese contentSonnet 5 在 FrontierCode 基准得分 53.8% 超越 Opus 4.8
Cognition 用 FrontierCode 实测了 Sonnet 5 的工程能力，它比 Opus 4.8 更强，值得关注。
Chinese contentClaude Sonnet 5 登陆 Devin Desktop 和 CLI
Cognition 把 Claude Sonnet 5 放进 Devin，编码能力顶级还便宜，比 Opus 4.8 强
Chinese contentAnthropic 发布 Claude Sonnet 5，聚焦编程与智能体
Anthropic 刚发了 Claude Sonnet 5，编程和智能体场景更强了，做开发和企业级项目可以试试。
Chinese contentClaude Sonnet 5 vs Sonnet 4.6 vs Opus 4.8：智能体编码与定价对比
做智能体编程选 Sonnet 5 吧，性能接近 Opus 4.8，价格却便宜好几倍。
Chinese contentClaude Sonnet 5 新特性：性能逼近 Opus 4.8，但注意 tokenizer 变化
Anthropic 刚发了 Sonnet 5，性能接近 Opus 4.8 但更便宜，不过新 tokenizer 会让你的账单多掏 30%，用之前先算好账。
Chinese contentClaude Sonnet 5 评测：评论精度提升约9%，编码能力更强
CodeRabbit AI 跑了 Claude Sonnet 5 的代码审查评测，评论精度提了9%，编码更聪明，值得看看细节。
Chinese contentClaude Sonnet 5 进入 Agent Arena 评测
Anthropic 发布了更智能的 Sonnet 5，能在 Agent Arena 里自主用浏览器和终端干活，比几个月前的大模型还强。
Chinese contentOpenRouter 推出 ~anthropic/claude-sonnet-latest 自动指向 Claude Sonnet 5
以后不用手动换模型版本了，用 OpenRouter 的这个别名自动跟着 Anthropic 走，省心。
Products03:49
Chinese contentPerplexity 上线 Claude Sonnet 5，Pro/Max 用户可用作编排模型Perplexity Pro和Max用户现在能用Claude Sonnet 5当编排模型了，写长代码或复杂查询更稳。
Chinese contentClaude Sonnet 5 上线 Notion，编程和智能体任务更强
Notion 内置 Claude Sonnet 5 了，写代码和跑智能体任务都更稳，长文档处理也有提升，不用再切窗口了。
Chinese contentAnthropic发布Claude Sonnet 5，Agent能力接近Opus 4.8
Anthropic的Sonnet 5来了，Agent能力接近最贵的Opus，价格才40%。以前会卡住的复杂任务现在能跑完，还自己检查输出。默认模型升级值得一试。
Chinese contentAnthropic发布Claude Sonnet 5，现已在GitHub Copilot中可用
Anthropic的新Claude Sonnet 5直接集成到GitHub Copilot，写代码尤其是命令行任务更强了，延迟更低，试试看。
Chinese contentAnthropic发布Claude Sonnet 5，编码和智能体能力大幅提升
Anthropic出了Claude Sonnet 5，编码和智能体能力比4.6强很多，知识工作分数甚至超过了Opus 4.8，值得试试。
Chinese contentAnthropic发布Claude Sonnet 5，性能逼近高价Opus系列
Anthropic的新模型Sonnet 5，基准测试上超过自家大哥Opus 4.8，价格还更低，挺能打的。
Chinese contentClaude Sonnet 5 上线 AWS，Anthropic 最强 Sonnet 模型
Anthropic 把最强 Sonnet 模型放到 AWS 上，编码和智能体任务更强，价格还不变。
Chinese contentClaude Sonnet 5登陆OpenRouter，促销价$2/$10每百万token
OpenRouter上了Claude Sonnet 5，价格比官方低，智能体编程更稳更快，值得试试。
Chinese contentAnthropic发布Claude Sonnet 5，最智能体化的Sonnet模型
Claude Sonnet 5 能自己用浏览器和终端执行任务，比之前更自主，适合想省心的人。
Chinese contentLovable 现在支持 Claude Sonnet 5，基准测试表现更优
Lovable 直接上了 Claude Sonnet 5，说干活多花得少，还更安全，感兴趣可以试试看。
