Databricks用AI横扫英伟达Kernel榜:235项测试四个赛道第一,Token花费约7万美元
相关推荐
Tibo:GPT-6.2 Astra 擅长处理高难度任务
ChainCatcher 消息,OpenAI 团队成员 Tibo 表示,GPT-6.2 Astra 擅长处理高难度任务,并称该模型目前在全球最难的任务上似乎处于领先水平。他还表示,团队已收到关于模型沟通风格的反馈,正在着手改进。Tibo 提及的芯片优化结果包括:OpenAI 模型与 AMD 合作,在旗舰 GPU IP 上实现最高 14% 的功耗、性能与面积(PPA)改进;模型也帮助优化了 OpenAI 首款定制推理芯片 Jalapeño,相关改进已在实际芯片上验证。OpenAI 公布的评测还显示,在相近的每次运行约 11.2 万 token 预算下,GPT-6.2 Astra 在两个开源 RISC-V 处理器核心测试中的平均得分最高。
Hermes模型榜上线,Opus 5.5第一,Astra第二却最贵
动察 Beating AI 快讯,Nous Research 给 Hermes Agent 上线模型排行榜 Hermes Index,主要用来比较不同模型在 Hermes 里的表现。所有模型都使用同一套 Hermes Agent 运行框架,支持调节推理强度的统一设为 high。榜单取 Hermes Bench、Terminal-Bench 4、Terminal-Bench Science 和 SkillsBench 四项测试的平均分,同时统计平均每任务成本。 其中 Hermes Bench 是 Nous Research 自己新做的测试,共有 150 个任务、25 类场景,覆盖 Skills、研究、图表与创作、记忆、工具调用和安全。Agent 会直接处理工作区和真实文件,最后根据生成的文件、任务状态和工具使用记录评分。 首版共测试 14 个模型。Claude Opus 5.5 以 63.31 分排第一,GPT 6 Astra 以 56.25 分第二,Claude Sonnet 5.5 以 53.14 分第三。Astra 平均每个任务花费 11.61 美元,是全榜最高。Opus 5.5 为 4.99 美元,Sonnet 5.5 为 2.82 美元,两者部分数据仍被官方标为暂定。 低价模型中,DeepSeek V4.1 Flash 得到 36.91 分,平均每任务花费 0.259 美元;GPT 6 Luna 为 33.89 分,每任务 0.141 美元。两者都进入成本与性能的 Pareto 前沿,也就是不存在价格更低、同时分数更高的模型。
OpenAI正式发布GPT-6.2 Astra与Sol,ChatGPT及API即日起可用
PANews 11月18日消息,OpenAI在官网及X平台宣布,推出新一代前沿模型GPT-6.2 Astra及面向日常工作的高效模型GPT-6.2 Sol。官方称,Astra主打高难度专业任务,在幻灯片、表格、文档及编程任务上表现提升,在测试多步骤专业工作的Agents’ Last Exam上较GPT-6 Astra高5.2分,单次任务成本不到其三分之一。即日起,两款模型向ChatGPT Plus、Pro、Enterprise和Edu用户开放,并上线Codex及API;Astra的API价格为每百万token输入8美元、输出40美元,较GPT-6 Astra低20%。
FLock「这那模型」获 Qwen 官方支持,联合阿里云实现性能突破,决策测试超越 GPT-5.6、Claude Opus 5
Foresight News 消息,去中心化 AI 平台 FLock.io 旗下开源决策模型 THIS / THAT「这那模型」获得阿里巴巴 Qwen 官方认可与宣发支持。该模型基于 Qwen3.5 2B 构建,利用 Qwen Max 生成训练数据,并结合 FLock Research Team 在自然语言处理领域国际学术会议 ACL 2026 上发表的 GraphSynth 和 CircuitSynth 两项研究成果,在阿里云平台完成训练。此前,FLock 已与 Qwen、阿里云建立长期技术与生态合作关系,并曾联合 Qwen 在韩国高校举办 AI Hackathon,持续推动 AI 技术创新与开发者生态建设。 据团队公布的测试结果,THIS / THAT Model 1.2 在 1710 道复杂决策测试中成功率达到 87.8%,较 1.0 版本的 40.6% 大幅提升,并超过 GPT-5.6(81.6%)和 Claude Opus 5(83.4%)。模型仅有 18.8 亿参数,无需生成输出 Token,单次决策延迟约 31.4 毫秒,可在本地设备运行,适用于 AI Agent、企业 AI 及自动化工作流等场景。 FLock.io 表示,此次模型成果进一步展示了 FLock 在原创 AI 研究、数据合成及高性能专用模型训练方面的技术实力,也是 FLock 与 Qwen、阿里云长期技术及生态合作的又一重要成果。未来,双方将继续探索高效、隐私保护型 AI 模型在更多实际场景中的应用。
Haiku 5.5独立评测43分:遥遥领先GPT-6 Luna,但最高档Token消耗超3倍
动察 Beating AI 快讯,第三方评测机构 Artificial Analysis 公布 Claude Haiku 5.5 的测试结果。新模型在综合智能指数中获得 43 分,比上一代的 17 分提高 26 分。它超过 GPT-6 Luna 的 38 分、GLM-5.3 Flash 的 42 分,接近 Kimi K3 的 44 分。该指数综合了编程、专业工作、科学推理等 10 项测试。 不过,高分也伴随着大量 token 消耗。在最高推理强度下,Haiku 5.5 每项评测任务平均输出约 16.2 万 tokens,是 GPT-6 Luna 的 3.2 倍。两者基础 API 单价相同,但 Haiku 5.5 的预估单任务成本约为 0.21 美元,Luna 仅为 0.07 美元。Haiku 5.5 从次高档调至最高档,综合得分只增加 2 分,输出量却增加约 80%。 降低推理强度后,差距明显缩小。Haiku 5.5 在 high 档获得 38 分,平均每项任务输出约 5.5 万 tokens,与最高档 GPT-6 Luna 的 38 分和 5 万 tokens 接近。开发者可以通过调整推理强度,减少不必要的 token 消耗。 Haiku 5.5 也并非全面领先。在 AutomationBench-AA 自动化任务评测中,它仅得 35%,落后于 Luna 的 53%。不过,测试期间模型存在过度拒绝执行任务的问题。Anthropic 正在修复,Artificial Analysis 计划重新测试。此外,目前公布的 Haiku 5.5 任务成本尚未计入长上下文加价,实际费用可能更高。
OpenAI 28天冲刺首日:GPT-6 Astra和6.1 Sol提速约50%
动察 Beating AI 快讯,OpenAI 产品与平台主管 Thibault Sottiaux 公布 28 天产品冲刺的首日更新。GPT-6 Astra 和 GPT-6.1 Sol 的默认生成速度已经优化,官方称整体约提升 50%。 这次提速不仅覆盖 Codex 和 ChatGPT Work。通过「Sign in with ChatGPT」使用 ChatGPT 订阅额度的第三方产品也会同步生效,包括 OpenCode、Pi、Amp 和 Devin 等。用户不需要修改任何设置,更新会自动推送。 OpenAI 此前承诺,未来 28 天每天要么交付一项对多数 Codex / Work 用户有明确改善的更新,要么直接重置用户额度。这次提速就是 Day 1。