Artificial Analysis 评测:腾讯混元 Hy4 智能指数得 35 分,超过 DeepSeek V4.1 Flash 1017
相关推荐
Claude杀入国产低价模型腹地:智谱、MiniMax盘中大跌
动察 Beating AI 快讯,Anthropic 新发布的 Claude Haiku 5.5,正在对国产低价模型形成「斩杀线」一般的竞争压力。10 月 8 日,港股大模型公司集体走弱,MiniMax 跌超 9%,智谱跌超 6%。同期恒生科技指数跌约 1%。 Haiku 5.5 的基础 API 输入价格为每百万 tokens 0.1 美元,输出为 0.5 美元。相比之下,DeepSeek V4.1 Flash 高峰时段分别收费 0.3 和 1.2 美元,闲时降至 0.15 和 0.6 美元。智谱 GLM-5.3 Flash 的标准价格为 0.15 和 0.5 美元。Haiku 5.5 在输入不超过 10 万 tokens 时,已经具备明显的单价竞争力。 Artificial Analysis 给 Haiku 5.5 的综合智能指数打出 43 分,超过 GLM-5.3 Flash 的 42 分、DeepSeek V4.1 Flash 的 39 分,以及小米 MiMo-V2.6-Flash 的 38 分。在 Terminal-Bench 4.0 编程评测中,Haiku 5.5 和 GLM-5.3 Flash 同为 33%,高于 DeepSeek 的 27% 和 MiMo 的 23%。 不过,Haiku 5.5 的优势主要体现在基础单价和最高推理强度下的成绩。它的 token 消耗较高,长上下文还会触发五倍定价。
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。
蚂蚁集团开源 Ling-3.1-flash-1019,AA 智能指数升至 44
PANews 10月27日消息,据 Ant Ling 官方 X 账号,蚂蚁集团 Ling 团队宣布开源 Ling-3.1-flash-1019。该模型在 Artificial Analysis Intelligence Index v4.3.2 中得分 44,Ling-3.1-flash 为 41。团队同时开源基础模型 Ling-3.1-flash-base,供开发者继续训练。新版本针对推理和智能体工作流做了进一步后训练。
B.AI 国产模型 Token 周榜出炉,小米紧追 DeepSeek、MiniMax 成增长黑马
ChainCatcher 消息,10 月 23 日,B.AI 公布 10 月 16 日至 22 日国产模型品牌 Token 周榜:DeepSeek 继续领跑,小米 MiMo 紧随其后,两者仅相差 16.54 B Token,小米已连续 4 周增长,平台 Token 用量占比再提升 8.13 个百分点。腰部竞争同步升温,MiniMax 环比增幅超 5,200%,成为本周增长黑马,Qwen 环比增长 80.86%,与第 3 名 Zai 的份额差距缩小至 0.18%。热门模型优惠同步进行中:DeepSeek-V4.1-Flash-1017 享 6 折、Qwen3.8-Flash 享 8 折、GLM-5.3-Flash 享 7 折。B.AI 持续汇聚优质模型,助力开发者低成本解锁多元 AI 能力,欢迎登录 b.ai 探索。
DeepSeek V4.1 Flash新版登顶Agent Arena开源模型榜,位列总榜第11
PANews 10月20日消息,AI模型评测平台Arena宣布,DeepSeek-V4.1-Flash-20261017(Max)已位列Agent Arena开源模型第一、总榜第11。基于约7500次真实使用会话,该模型相对平均模型的综合净改善约为5.1%,单任务成本中位数约0.20美元。该版本在任务成功确认、用户正负反馈、Bash命令执行可靠性及可引导性四项指标中均位列开源模型第一,其中任务成功确认指标位列总榜第8。
豆包工作接入DeepSeek V4.1 Flash等更多模型
PANews 11月12日消息,据科创板日报报道,豆包工作正式接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等多款第三方模型。此外,豆包工作针对豆包 2.1 Lite和Deepseek V4.1 Flash推出限时优惠,下调这两款模型的额度消耗倍率。