DeepSWE一夜两换榜首:Gemini刚上去,Meta又报75.4%
相关推荐
DeepSeek把AI编程卷进「许愿时代」:从零造3D游戏,DeepSWE跑分超Opus 5
动察 Beating AI 快讯,DeepSeek 将 V4.1 Flash 升级至 1017 版本,网页端、App 和 API 已同步切换,新模型权重也已按 MIT 协议开源。 官方测试中,DeepSWE v1.1 软件工程任务通过率从 74.2% 提升至 77.0%,超过 Claude Opus 5 的 74.0%。Terminal-Bench 4.0 从 31.2% 提升至 42.3%,但仍低于 Opus 5 的 51.8%。按照官方公布的成本曲线,达到 77% 通过率的配置,每题平均仅花费约 1.3 元。不过,对比对象是 Opus 5,而非更新的 Opus 5.5。 新版本重点强化了「许愿式编程」,也就是只给出简单需求,让 AI 自行规划并完成整个项目。DeepSeek 利用自反馈强化学习改进这类能力,并展示了故宫 3D 场景、网页版赛车游戏,以及基于 Godot 引擎的《传送门 2》复刻。官方称,新模型完成任务的时间和输出长度均有所减少,还针对 DeepSeek Harness、腾讯 CodeBuddy 和 WorkBuddy 做了优化。 此外,DeepSeek 首次向开发者开放自研搜索引擎的 Search 和 Fetch API。开发者可以让 Agent 直接搜索网页、抓取正文。两个接口均按成功请求计费,每千次 5 元。通过 Claude Code、Codex 内置网页搜索功能触发的 Search 请求,前两周暂免接口调用费。
谷歌发布Gemini 4 Hydrogen,速度较3.8 Flash快2.5倍
PANews 11月13日消息,据谷歌官方X发布,谷歌推出Gemini 4 Hydrogen模型,提供低、中、高及新增xhigh四档思考等级,任务完成速度较Gemini 3.8 Flash快2.5倍,在Artificial Analysis智能指数上超过Argon。该模型即日起面向Gemini应用、谷歌搜索、Google AI Studio及Gemini API推出。
Google向美国Gemini用户开放钱包连接功能,并支持通过Plaid进行关联
PANews 11月14日消息,Google 向美国所有 Gemini 应用用户开放 Google Wallet 功能,可基于用户消费习惯提供更个性化的理财问答。新功能包括在聊天中生成现金流、资产配置和预算动态图表;查找被遗忘的订阅和经常性扣款,并提示价格上涨;根据往年消费建议节日预算等。用户还可选择通过 Plaid 链接信用卡和银行账户。Google 强调,该功能以安全和隐私为核心,Gemini 仅可读取账户信息,无法转移、管理或投资资金。
谷歌推出Gemini Omni 1.2 Flash,价格下调30%
当地时间11月5日,谷歌宣布正式推出视频生成模型Gemini Omni 1.2 Flash,并在Gemini API和Gemini for Business中全面开放。谷歌表示,Gemini Omni 1.2 Flash引入了原生15秒视频创作、多轮对话式编辑功能以及增强的参考遵循能力。该模型价格较Gemini Omni 1.1下调30%,720p分辨率下定价为每秒0.07美元。(界面)
Meta:Claude相关工具密集访问触发安全系统,致Instagram账号遭误封
PANews 10月19日消息,据彭博社报道,Meta表示,Anthropic旗下Claude所用工具密集访问Instagram个人资料、帖子和话题标签,频率约为正常水平的四倍,触发自动安全系统,导致美国“No Kings”组织账号被错误停用。 Meta称,自动审核约一小时后恢复了账号,但管理权限恢复耗时更长,并就错误致歉。Meta未说明具体涉及哪款Claude工具、由谁操作及其与该账号的关系。
Artificial Analysis 评测:腾讯混元 Hy4 智能指数得 35 分,超过 DeepSeek V4.1 Flash 1017
火星财经消息,独立 AI 分析机构 Artificial Analysis 发布 Intelligence Index v5,新增 2 项基准测试并升级 3 项测试,60% 的指数评估基于私有测试集或保留答案。国产模型方面,Artificial Analysis 公布的评测数据显示,腾讯混元 Hy4 获得 35 分,DeepSeek V4.1 Flash 1017(max)获得约 33 分。据此前提供的榜单数据,Claude Opus 5.5(max)以 58 分位居首位,GPT-6 Astra(max)和 GPT-6.1 Sol(max)分别获得 57 分和 55 分。