8月20日
01:25
01:25官方账号NVIDIA AI@NVIDIAAI
74°
英伟达对超300项验证技能开展基准测试,以相同任务、模型和设置对比有无技能的代理表现。在多项真实任务基准中,带技能的代理正确率提升41个百分点。与无技能代理相比,带技能代理效率提升35个百分点。
事件专题

推荐理由:英伟达测试超300项技能,对比后可知技能对代理帮助大小, 和无技能代理比效果不同, 值得去了解。
8月13日
20:50
6月2日
10:30
10:30shao__meng@shao__meng
Claude Opus 4.8 在基准测试、诚实度和长任务处理上优于 4.7,但作者认为这种进步对用户来说并不构成真正的改变,只是 4.7 的升级版。对于已经在用 Opus 4.7 的用户,切换到 4.8 是自然的选择,但不会吸引 GPT-5.5 或 DeepSeek 的用户迁移。作者指出,除非 Opus 5 有重大突破,否则难以撼动现有格局。
事件专题

推荐理由:如果你在用 Opus 4.7,升级到 4.8 是顺理成章的事;但如果你是 GPT 或 DeepSeek 用户,这次更新不值得你切换。做模型选型的团队可以看看这篇冷静分析,避免被 Benchmark 数字带偏。