#model performance

28 stories · 0 in 7 days · 1 in 30 days

Anthropic 5 Claude 3 OpenAI 3 benchmarks 3 agents 3 Qwen3.8-Flash 2 multimodal 2 reasoning models 2

Stories, products and papers tagged "model performance", newest first.

Nov 6

Models BuildersMulti-source06:57

Chinese contentSuhail 预告 Particle-1 下一款模型正在训练中

Particle-1 下一款模型在路上了，有开发者实测代码审查场景比 Deepseek v4 Flash 快 8-10 倍，可以看看这个说法。

#Particle-1 #Deepseek v4 Flash #coding assistants #model performance

Suhail@SuhailSource

Oct 11

Industry US vs China05:55

Chinese content中国AI模型性能差距缩小至约3%

VTV说中国头部模型跟美国的差距只剩3%了，但没说是哪个模型、哪个榜，先记着这个数。

#Chinese AI #model performance #benchmarks

VTV Công nghệSource

Oct 7

Models BuildersSelected06:04

Nous Research Launches Hermes Index Benchmark Average

A single averaged score for agent settings can shift how people compare models, since raw benchmark wins often fail to translate into real agent behaviour. Builders selecting a backend for the Hermes Agent get one number to sort by instead of reconciling conflicting leaderboards. Labs gain a new public signal to optimise for, which may influence future model tuning priorities.

#Hermes Index #NousResearch #benchmarks #model performance

Official accountNous Research@NousResearchSource

Oct 2

Models US vs ChinaMulti-source83°00:06

Chinese contentClaude Sonnet 5.5 匹配 Fable 5.1 性能

Anthropic 的 Sonnet 5.5 几个月就追上 Fable 5.1，中模型也能达到顶尖水平了。

#Claude #Sonnet #Fable #Anthropic

kimmonismus@kimmonismusSource

Oct 1

Models Builders22:14

Chinese content微调Qwen3 4B超越Claude Sonnet 4.6

AWS上微调的Qwen3 4B击败了原始模型和Claude Sonnet 4.6，又快又便宜。

#Qwen3 #Claude Sonnet #fine-tuning #AWS

Ate-a-Pi@svpinoSource

Models BuildersMulti-source83°09:10

Chinese contentOpenAI推出GPT-6.1 Sol模型

OpenAI新推出的GPT-6.1 Sol模型需求量巨大，服务器扩容后速度将翻倍。

#GPT-6.1 #OpenAI #ChatGPT #Codex

thsottiaux@thsottiauxSource

Sep 29

Models US vs ChinaMulti-source83°20:45

Chinese contentAnthropic模型在AA基准测试中占据前三

Anthropic在AA基准测试中碾压式领先，OpenAI明天发布会能否扳回一局？

#Anthropic #AA Benchmark #OpenAI #benchmarks

kimmonismus@kimmonismusSource

Models BuildersMulti-source76°20:41

Chinese contentOpus 5.5 发布一周后成为 Anthropic 最受欢迎模型

Anthropic 的 Opus 5.5 上线一周就登顶 Anthropic 模型排行榜，迁移速度超快。

#Opus 5.5 #Anthropic #OpenRouter #model performance

OpenRouter@OpenRouterAISource

Sep 17

Models US vs ChinaMulti-source04:10

Chinese contentGPT-6 Astra 和 Claude Fable 5.1 性能提升但成本更高

OpenAI 和 Anthropic 新发布的模型性能提升明显，但价格也更高，对比一下不同模型的性价比。

#GPT-6 #Claude #OpenAI #Anthropic

lmarena.ai@lmarena_aiSource

Sep 3

Models78°18:16

Chinese content上下文窗口越长越好？8B 模型学会整理记忆后，32K 打败 128K 自己

清华大学等机构的研究框架ContextPilot，通过主动管理上下文，让8B模型在长文档问答和深度搜索任务上表现出色，优于128K窗口的原始模型。

#ContextPilot #context management #model performance

shao__meng@shao__mengSource

Sep 2

Models US vs ChinaOfficial73°12:58

Chinese contentClaude发布Fable 5.1和Mythos 5.1

Claude新模型Fable 5.1和Mythos 5.1发布，缓存降价75%，但实际成本可能更高，还有额度消耗快和功能限制问题。

#Claude #Fable 5.1 #Mythos 5.1 #model performance

Primary source歸藏(guizang.ai)@op7418Source

Sep 1

Models73°21:45

Chinese content搜索功能缩小模型性能差距

Braintrust研究显示，搜索功能能让不同模型表现趋同，但搜索次数过多反而会降低准确率。

#Braintrust #model performance #agents #RAG

Richard Socher@RichardSocherSource

Aug 27

Chinese contentUnslothAI推出75GB内存运行125B模型

UnslothAI推出Qwen3.8-Flash模型，性能强劲，内存需求低，是Claude-Opus-4.6（Max）的强劲对手。

#UnslothAI #Qwen3.8-Flash #model performance #Claude-Opus-4.6

Official account阿里通义 Qwen@Alibaba_QwenSource

Papers US vs ChinaSelected00:04

AWS Agent Handoff Tax Paper

For developers building AI agents, this research provides concrete data on model switching costs and quality trade-offs.

#agents #model performance #AWS AI Labs #papers

elvis@omarsar0Source

Models US vs China72°00:03

Chinese contentQwen3.8-Flash发布，多模态MoE模型新进展

想了解Qwen3.8-Flash的最新进展和成本效率，这是必读的技术报告。

#Qwen3.8-Flash #cost efficiency #model performance

elvis@omarsar0Source

Aug 26

Chinese content宇树智元共用大脑模型Demo炸场

宇树智元新出的模型Demo太惊艳了，10分钟内展示了强大的多模态处理能力，比现有模型强多了！

#GPT-4.5 #multimodal #model performance #reasoning models

量子位@林, 方舟Source

PapersSelected10:37

Effective Learning Rate in Language Model Pretraining

The ELR-based functional scaling law transfers across norm-control methods and explains delayed acceleration effects in training.

#model performance

arXiv cs.LG@Zihan Liu et al. (7)Source

IndustryMulti-source09:53

Chinese contentOx Alpha模型引发行业关注

Ox Alpha的出现可能预示着技术前沿的竞争加剧，生产成本下降，值得投资者关注。

#Ox Alpha #AI industry #model performance

AI Will@FinanceYF5Source

Aug 24

Models US vs ChinaMulti-source78°18:53

Chinese contentAnthropic Fable 5 模型仅占6%购买Token

Anthropic的Fable 5虽然价格高，但性能仅略逊于Opus 5，成本却低一半，适合高难度任务，值得关注。

#Anthropic #Fable 5 #Opus 5 #model performance

AI Will@FinanceYF5Source

Aug 21

Models US vs ChinaMulti-source78°18:03

Chinese contentDeepSeek-V4-Flash-Vision-Exp上线DeepSeek API平台！

DeepSeek新模型上线，文本和推理能力提升，多模态性能接近Opus-4.8，值得一试！

#DeepSeek-V4-Flash-Vision-Exp #multimodal #reasoning models #model performance

Official account深度求索 DeepSeek@deepseek_aiSource

Aug 14

Models US vs ChinaMulti-source02:57

Chinese contentGrok 4.6 登陆 Perplexity 和 Perplexity Computer

Grok 4.6 上线 Perplexity 了，在 WANDR 上跟 Fable 5 结果持平，成本还低 60% 以上。

#Grok 4.6 #Perplexity #WANDR #Fable 5

Official accountPerplexity@perplexity_aiSource

Jul 24

Models US vs China13:09

Chinese contentGPT-5.6 Pro 是当前最智能模型，但命名令人困惑

Emollick 实测对比了 GPT-5.6 系列和 Fable 5，告诉你哪个版本才是真正的推理之王，别再被名字骗了。

#GPT-5.6 Pro #GPT-5.6 Ultra #Fable 5 Ultracode #reasoning models

Ethan Mollick@emollickSource

Jul 20

Chinese contentAI模型性能的奇怪现象：Sonnet 3.6异常跳升后回归均值

来看看AI模型性能的诡异规律：Sonnet 3.6为什么突然那么强，后续又掉回去了？挺有意思的行业观察。

#Sonnet 3.5 #Sonnet 3.6 #model performance #industry trends

Ethan Mollick@emollickSource

Jul 16

Industry US vs ChinaMulti-source07:09

Chinese contentOpenAI称其模型在价格/性能上最优，欢迎挑战

Sam Altman发推说OpenAI模型定价最优，不服来比。想了解OpenAI怎么看待价格战？看看吧。

#OpenAI #Sam Altman #model performance #price war

Official accountGreg Brockman@gdbSource

Jun 8

ProductsOfficial14:42

Chinese contentNotion点名Anthropic Opus 4.7/4.8性能下降，已恢复

Anthropic模型频繁出问题，做AI产品集成的团队需要评估供应商稳定性——Notion的公开点名就是信号，建议关注Anthropic的可用性记录再决定是否深度依赖。

#Anthropic #Opus 4.7 #Opus 4.8 #model performance

Primary source歸藏(guizang.ai)@op7418Source

Jun 6

Chinese contentMAI-Transcribe-1 在语音转录领域遥遥领先

语音转录是许多 AI 应用的基础，MAI-Transcribe-1 的突破意味着做语音助手、会议记录或字幕生成的团队可以直接获得更优方案，值得关注。

#MAI-Transcribe-1 #model performance #ArtificialAnalysis

Mustafa Suleyman@mustafasuleymanSource

Jun 5

Industry BuildersMulti-source08:25

Chinese contentAnthropic 招聘 Claude Code PM，专注模型性能与智能体评估

Anthropic 首次公开为 Claude Code 招聘模型性能方向的 PM，说明智能体评估正从研究走向产品化。做 AI 产品经理或智能体开发的团队，可以从中看到行业对 agentic evals 的重视程度，值得关注。

#Claude Code #product managers #agent evaluation #model performance

cat@_catwuSource

Models US vs ChinaMulti-source05:36

Chinese contentAnthropic 更正：Claude Opus 4 的 3 倍加速始于 2025 年 5 月

Anthropic 主动修正了 Claude Opus 4 性能提升的时间点，做模型选型或依赖速度指标的开发者需要更新认知，建议关注官方后续的详细评估。

#Claude Opus 4 #Anthropic #model performance

Official accountAnthropic@AnthropicAISource