10/19
关系近 30 天在 5 个对象上开口，和 25 人同场被 Teortaxes、TestingCatalog 提过在地图上看他从哪来 →
要闻
10/16 · 17 条
Artificial Analysis 更新 Optima，支持三步创建并运行自定义 benchmark同一说法 2 次重申
Artificial Analysis 推出 Optima 自定义基准，三步创建并运行个性化评测
Artificial Analysis 公布 Beam 在 Intelligence Index 十项评测细节：AutomationBench-AA 48.5%、CritPt 13.1%，Terminal-Bench 4.0 仅 3.0%（Qwen3.8）同一说法 2 次重申
Artificial Analysis：Beam 在 AutomationBench-AA 得 48.5%、CritPt 得 13.1%，在 Terminal-Bench 4.0 仅 3.0%、AA-Briefcase 976 Elo（Qwen3.8）（Intelligence Index）
Artificial Analysis：Beam 在 Intelligence Index v4.3 每任务约 26k 输出 token，仅 26% 用于最终答案，为 219 个模型中第 28 低改口
Artificial Analysis 称 d1-ultra 在 When2Call 以 93% 准确率居首，WildGuardTest 平均 F1 95% 与 GLiDE 并列第一，HLE-MultiChoice 15% 与 Decide（V1.1）
Artificial Analysis 测得 Reflection 开源 CLI harness Mirror 中 Beam 在 Coding Agent Index 得 28 分，落后 Claude Code+Qwen3.8 Max 15（GPT-6.1）有新说法
Artificial Analysis 测试 AA-3D：Claude Opus 5.5 与 Grok 4.7 离线建埃菲尔铁塔时凭记忆按真实顺序写出全部 72 位科学家姓名
Artificial Analysis：Reflection 首个模型 Beam 在 Intelligence Index 得 30 分，501B 总参数 23B 激活，居美国开源权重第二（GPT-6）有新说法
Artificial Analysis 测得 Beam 在 Cyber Index 得 34%，为已测美国开源权重模型最高，并因 token 效率与 GPT-6 Sol (Daybreak Blue) 同处 Cyber Index vs.
Artificial Analysis 测得 Beam 在 Cyber Index 得 34%，为已测美国开源权重模型最高，并因 token 效率与 GPT-6 Sol (Daybreak Blue) 同处 Cyber Index vs. 改口
Artificial Analysis：Muse Spark Open (xhigh) 以 AA-Omniscience 25 分领跑开源权重模型，幻觉率 24% 为 30 分以上开源模型中最低
Artificial Analysis 测得 d1-ultra 每任务 93 ms、每 100 万任务 $32，与 Celeris-1 Decision、Microsoft-Decision-1 价格相当改口
Liquid AI 发布 d1-ultra，以 65 分登顶 Artificial Analysis Decision Index v1.0，AA-Omniscience-Decision 非幻觉率 85%（Microsoft-Decision-1）
Artificial Analysis 称 d1-ultra 在 When2Call 以 93% 准确率居首，WildGuardTest 平均 F1 95% 与 GLiDE 并列第一，HLE-MultiChoice 15% 与 Decide（V1.1）改口
Artificial Analysis：d1-ultra 在 AA-Omniscience-Decision 非幻觉率 85%，为 Microsoft-Decision-1 的 40% 两倍多
Artificial Analysis：d1-ultra 在 AA-Omniscience-Decision 非幻觉率 85%，为 Microsoft-Decision-1 的 40% 两倍多有新说法
Artificial Analysis 发布 AA-Robotics v0.1，列出漏抓、空间推理差、误判成败三类模型失误
Liquid AI 发布 d1-ultra，以 65 分登顶 Artificial Analysis Decision Index v1.0，AA-Omniscience-Decision 非幻觉率 85%（Microsoft-Decision-1）改口
Artificial Analysis 发布 AA-Robotics v0.1 前沿：GPT-6.1 Sol 每任务 $1.93 得 65 分，GPT-6 Astra 每任务 $16.36 得 69 分
Artificial Analysis 称 Vera Rubin 在 GLM-5.2 上每兆瓦吞吐约为 GB300 的 3 倍，单用户 165 tok/s，并以 408 tok/s 创其榜单最快 GLM-5.2 结果同一说法 3 次改口
Artificial Analysis：Vera Rubin 在 Kimi K3 上每兆瓦吞吐约为 GB300 的 2.8 倍，单用户 255 tok/s 创其榜最快
Artificial Analysis 实测 Vera Rubin 在 DeepSeek V4.1 Flash 上每兆瓦吞吐为 GB300 的约 3.4x 至 3.6x，单台 4-GPU 服务器达 906 tok/s per user改口
Artificial Analysis 实测 Vera Rubin NVL72 每兆瓦总吞吐最高为 GB300 NVL72 的约 5.7 倍（DeepSeek V4 Pro）（GLM-5.2）（V4.1）
Artificial Analysis 测得 Muse Spark Open (xhigh) 每 Intelligence Index 任务成本 $0.84，低于 GLM-5.3 (max) 的 $2.01，约为 DeepSeek V4.1同一说法 2 次重申
Artificial Analysis：Muse Spark Open 每 Intelligence Index 任务 $0.84，低于 GLM-5.3 的 $2.01、约为 DeepSeek V4.1 Flash $0.27 的三倍
Artificial Analysis：Muse Spark Open (xhigh) 以 AA-Omniscience 25 分领跑开源权重模型，幻觉率 24% 为 30 分以上开源模型中最低有新说法
Artificial Analysis：Nemotron 3.5 Super VL 以 26 分成为美国最高分开源权重模型，超过 Thinking Machines Inkling Small（26）、Nemotron 3 Ultra（23（MiMo-V2.6-Pro）（Intelligence Index）
Meta 发布 Muse Spark Open 开放权重模型，816B（42B 激活）在 Artificial Analysis Intelligence Index 得 39 分，为美国开放权重模型第一有新说法
Meta 发布 Muse Wonder 与 Muse Wonder Full，Intelligence Index v4.3 得分 52 和 56，较 Muse Spark 1.3 的 48 提升
Artificial Analysis 实测 RTX Spark N1X 笔记本在 Qwen3.8 27B 上 18.7 分钟完成本地 agent 负载，接近 DGX Spark 的 17.3 分钟有新说法
Artificial Analysis 上线 Grok Voice 3.0 与 Speech Agent Arena 对比榜
10/15 · 13 条
Nemotron 3.5 Bolt 74B-A9B 在 Intelligence Index 得 21.4，100B 以下第 4、美国模型第 1有新说法
Artificial Analysis：Muse Wonder Full (max) 在 Intelligence Index v4.3 十项评测中六项进前三，CritPt 与 GDP.pdf 均 33% 居首（v2.1）
Artificial Analysis：Nemotron 3.5 Bolt 74B-A9B 24GB 每 Intelligence Index 任务用 82k 输出 token，为 Nemotron 3.5 Super VL 的 1.8 倍同一说法 2 次改口
Artificial Analysis 发布 AA-Robotics v0.1 前沿：GPT-6.1 Sol 每任务 $1.93 得 65 分，GPT-6 Astra 每任务 $16.36 得 69 分
Artificial Analysis 测得 Nemotron 3.5 Super VL 在 100k prompt 下输出约 630 tokens/s，为 Intelligence Index 20 分以上最快
Artificial Analysis：Nemotron 3.5 Super VL 以 26 分成为美国最高分开源权重模型，超过 Thinking Machines Inkling Small（26）、Nemotron 3 Ultra（23（MiMo-V2.6-Pro）（Intelligence Index）同一说法 2 次重申
Artificial Analysis：Nemotron 3.5 Super VL 以 26 分成为领先美国开源权重模型，输出 token 比前代少约 60%（Intelligence Index）
Artificial Analysis 测试 AA-3D：Claude Opus 5.5 与 Grok 4.7 离线建埃菲尔铁塔时凭记忆按真实顺序写出全部 72 位科学家姓名有新说法
Artificial Analysis 推出 Decision Index v1.0，Jev 在决策模型中领先，Claude Haiku 5.5 等语言模型准确率更高但成本与延迟更高
Artificial Analysis 发布 AA-Robotics v0.1，列出漏抓、空间推理差、误判成败三类模型失误同一说法 3 次有新说法
Artificial Analysis 发布 AA-Robotics v0.1 前沿：GPT-6.1 Sol 每任务 $1.93 得 65 分，GPT-6 Astra 每任务 $16.36 得 69 分
Artificial Analysis 发布 AA-Robotics v0.1 前沿：GPT-6.1 Sol 每任务 $1.93 得 65 分，GPT-6 Astra 每任务 $16.36 得 69 分有新说法
Artificial Analysis 发布 AA-Robotics v0.1 评测方法，模型在隔离容器中通过四摄像头操控 Hiwonder NexArm 机械臂
Artificial Analysis：GPT-6 Astra 以 69 分登顶榜单，领先 GPT-6.1 Sol 的 65 分与 Gemini 4 Argon 的 55 分同一说法 4 次重申
Artificial Analysis 发布 AA-Robotics v0.1，GPT-6 Astra 居首，GPT-6.1 Sol、Gemini 4 Argon、Claude Opus 5.5 随后
Artificial Analysis 发布 AA-Robotics v0.1 评测方法，模型在隔离容器中通过四摄像头操控 Hiwonder NexArm 机械臂同一说法 2 次有新说法
Artificial Analysis 发布 AA-Robotics v0.1，列出机器人模型三类错误：抓放失误、空间推理差、成败误判
Artificial Analysis 发布 AA-Robotics v0.1 前沿：GPT-6.1 Sol 每任务 $1.93 得 65 分，GPT-6 Astra 每任务 $16.36 得 69 分有新说法
Artificial Analysis 上线 Muse Wonder Full (max) 与 Muse Wonder (max) 对比页
Artificial Analysis 上线 Grok Voice 3.0 与 Speech Agent Arena 对比榜有新说法
Artificial Analysis 的 Speech Agent Arena 盲测中 Grok Voice 3.0 以 Elo 1070 首秀第 3，任务成功率 94.8% 居首（GPT-Live-1）
Artificial Analysis 对比 Grok Voice 3.0 每小时输入音频 $4.80，高于 GPT-Live-1 (Sol, low) $4.47 与 Gemini 3.8 Live Extended Thinking (（GPT-Realtime-2.1）改口
Grok Voice 3.0 在 Tau Voice 以 71.6% 位列第二，落后 GPT-Live-1 (Astra, medium) 74.5%，领先 Gemini 3.8 Live Extended Thinking (High)
Artificial Analysis 实测 Grok Voice 3.0 在 Big Bench Audio 上平均 Time to First Audio 0.81 秒，比 GPT-Live-1 (Astra, medium) 1.34同一说法 2 次有新说法
Artificial Analysis 在 Big Bench Audio 上测得 Grok Voice 3.0 得分 98.5%，低于 StepAudio 3 Realtime 的 99.7%（Qwen3.5）
更多
回复公布 Beam 在 Intelligence Index 十项评测细节：AutomationBench-AA 48.5%、CritPt 13.1%，Terminal-Bench 4.0 仅 3.0%（Qwen3.8）𝕏
回复Beam 在 Intelligence Index v4.3 每任务约 26k 输出 token，仅 26% 用于最终答案，为 219 个模型中第 28 低𝕏
回复测得 Reflection 开源 CLI harness Mirror 中 Beam 在 Coding Agent Index 得 28 分，落后 Claude Code+Qwen3.8 Max 15（GPT-6.1）𝕏
Reflection 首个模型 Beam 在 Intelligence Index 得 30 分，501B 总参数 23B 激活，居美国开源权重第二（GPT-6）𝕏
回复测得 Beam 在 Cyber Index 得 34%，为已测美国开源权重模型最高，并因 token 效率与 GPT-6 Sol (Daybreak Blue) 同处 Cyber Index vs.𝕏
近三个月的发言订阅后才能看。去订阅
关注后，他的新主张会进你的「我的人」
带走这份存下来是纯文本，发给 AI 就能读
最近八条的发言
全部发言
Artificial Analysis 测试 IQ4_XS 与 Inco AI Splash 等 4-bit 权重格式，结果待精度校验后公布
Artificial Analysis 发布 AA-AgentPerf-Local 本地基准并更新笔记本与工作站排行榜