Grok 4.8 尚未发布,马斯克称不在乎跑分
相关推荐
AI网络安全榜爆冷:GPT-6、Claude旗舰因安全拒答掉队,小米MiMo追平Grok登顶
动察 Beating AI 快讯,Artificial Analysis 推出独立的 Cyber Index,专门评测 AI Agent 做企业网络防御的能力。它不是从原来的通用 Intelligence Index 里抽几项测试,而是另外采用 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三项网络安全评测,分别测试漏洞审计与修补、漏洞发现,以及从发现漏洞到复现并修补的完整流程,三项各占三分之一。 首批榜单中,Grok 4.7(xhigh)和小米 MiMo-V2.6-Pro 同为 56 分,GPT-6 Luna(max)53 分,GLM-5.3-Flash 50 分。MiMo 平均每个任务成本只有 0.18 美元,Grok 4.7 要 11.67 美元;Luna 更低,只要 0.12 美元。 不过,这张榜不能简单理解成模型本身的网络安全能力排名。GPT-6 Sol、GPT-6 Astra 和 Claude Opus 5.5 都参加了测试,但在 CyberGym-E2E-AA 上几乎全部拒答,其中 Sol 和 Astra 拒绝全部任务,Opus 5.5 拒绝 98%。拒答直接记 0 分,Luna 反而愿意继续完成这些任务,所以综合成绩更高。Artificial Analysis 也表示,大量拒答让这些前沿模型的实际能力很难判断。 GLM-5.3 也出现了明显反常。完整版在 Artificial Analysis 的通用能力榜上高于 Flash,但这次 Cyber Index 只有 36 分,Flash 达到 50 分。主要差距来自 CyberGym-E2E-AA:Flash 得到 74%,完整版只有 29%。Artificial Analysis 暂未解释这一差距的原因。
马斯克给Grok Bot接Claude Opus 5.5:以后谁好用就用谁
动察 Beating AI 快讯,马斯克宣布,Grok Bot 接下来会按任务选择最合适的后端模型或 API。他直接点名 Claude Opus 5.5、Midjourney 和 Suno,还会使用其他主流 AI 模型和 API。用他的话说,哪个最可能给出最好的结果,就用哪个。 Grok Bot 是 SpaceXAI 推出的常驻 AI Agent。每个 Bot 都有自己的云电脑,可以登录网页和应用,持续处理邮件、表格、客服和编程等任务。SpaceXAI 此前还专门让 Grok 4.7 学会理解 Grok Bot 的运行框架。 现在马斯克明确把这套 Agent 推向多模型路线。Grok Bot 可以根据任务调用 Claude Opus 5.5、Midjourney、Suno 等外部模型和 API。它更像负责拆任务、调模型和执行工作的上层 Agent,底下不再只依赖 Grok。
Anthropic 发布 Claude Sonnet 5.5,编程成绩超过 Opus 5.5
ChainCatcher 消息,Anthropic 于本周一发布 Claude Sonnet 5.5,作为今年 6 月推出的 Sonnet 5 的升级版本。官方称该中端模型运行速度较上一代提升超过 30%,在范围明确的日常任务、修复缺陷以及制作文档、幻灯片和表格方面表现最强,同时具备敏锐的设计能力。其定价维持每百万输入 token 2 美元、每百万输出 token 10 美元,为 Opus 5.5 的一半,且每个任务消耗的 token 较 Sonnet 5 减少近三分之一。在 Terminal-Bench 4 测试中,Sonnet 5.5 得分 70.6%,高于 Opus 5.5 的 66.4%,Sonnet 5 仅为 10.3%。独立测试机构 Artificial Analysis 的结果同样显示其领先,分别录得 63.6% 与 59.6%,OpenAI 的 GPT-6 Astra 为 59.1%。在评估 44 类职业真实工作表现的 GDPval-AA 上,Sonnet 5.5 获 1844 分,与 Opus 5.5 的 1846 分基本持平,GPT-6 Sol 为 1487 分。
xAI发布Grok 4.7:参数规模增至2.1万亿,基准测试仍落后Claude
动察 Beating AI 快讯,xAI 周一正式发布 Grok 4.7,官方称其在同等价格和速度下较 Grok 4.6 有「显著提升」。Grok 4.7 此前至少经历 5 次延期,目前已上线 Grok 应用、Cursor、Grok Build 及 xAI API。 Grok 4.7 参数规模达到 2.1 万亿,较 Grok 4.6 的 1.5 万亿增加 40%,输入和输出价格分别为每百万 Token 2 美元和 6 美元。xAI 还引入 SpaceX 补充训练数据,包括 Starlink 卫星遥测数据、制造记录和工程故障日志,旨在提升模型对硬件及物理系统的推理能力。 基准测试方面,Grok 4.7 在 GDPval 和 AA-Briefcase 中均排名第二,得分分别为 1695 和 1657,均落后 Claude Fable 5.1 的 1735 和 1678;在电气工程基准测试 EEBench 中则排名第二,仅次于 GPT-6 Astra。CursorBench 4.0 显示,Grok 4.7 的任务成本高于 GPT-6 Astra 和 Claude Sonnet 5,同时整体表现仍落后 Fable 5.1。 马斯克此前曾表示,Grok 4.7 的水平大致相当于 Claude Opus 5.0,但尚未达到更新版本 Opus 5.1 的水平,并透露 Grok 4.8、4.9 及 Grok 5 正在开发中。
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。
AI订阅大摸底:Claude补贴比国产Coding Plan还狠
动察 Beating AI 快讯,SemiAnalysis 把 OpenAI、Anthropic、Meta、SpaceXAI、MiniMax、月之暗面、智谱、Cursor 和 Cognition 的 AI 订阅套餐逐个测了一遍。它分别测试输入、缓存写入、缓存读取和输出会消耗多少订阅额度,再按自己 9 月的 Agent 使用结构计算,其中约 96.6% 是缓存读取。最后再套用各家的 API 标价,看同样一批 token 如果直接走 API,需要花多少钱。SemiAnalysis 将这个数字称为「API 等价价值」。 Claude 的 Sonnet 和 Opus 补贴最狠。同样每月 200 美元的 Max 20x,使用 Sonnet 5.5 最多可跑出约 12,529 美元的 API 用量,相当于月费的 62.6 倍;Opus 5.5 约为 11,726 美元,相当于 58.6 倍。换成更贵的旗舰模型 Fable 5.1,却只剩 2,485 美元,也就是 12.4 倍。同一个套餐能差近 5 倍,因为不同模型和不同类型的 token,扣掉后台额度的速度并不一样。Anthropic 给 Sonnet 和 Opus 留了大量额度,对 Fable 则明显收紧。 国产 Coding Plan 同样大量补贴重度用户,但力度仍追不上 Claude。SemiAnalysis 测得,132 美元的 MiniMax Token Ultra 可折算约 3,088 美元 MiniMax-M3 API 用量,相当于月费的 23.4 倍;168 美元的智谱 GLM Coding Max 约为 11.6 倍;199 美元的 Kimi Code Ultra 约为 6.7 倍。即使是其中最高的 MiniMax,每美元折算价值也只有 Claude Sonnet、Opus 的四成左右。 OpenAI 最近反而开始主动收紧补贴。新购 Pro 200 的各档模型 token 额度被直接减半,此前购买的套餐可暂时保留旧额度到 10 月 29 日。现在 200 美元 ChatGPT Pro 使用 GPT-6.1 Sol,折算价值约 2,084 美元,相当于月费的 10.4 倍;同价 Claude Opus 是它的 5.6 倍。即使撇开两款模型 API 单价的差异,只算实际 token,两者也是约 286 亿对 102 亿,Claude 仍多 2.8 倍。 但到