跳到正文

#推理

RSS
今日 9 則
11月18日週三
  1. Dev.to Top Tech84

    OpenAI 發布 GPT-6.2 Astra 和 Sol,價格更低、回答更短

    OpenAI 推出 GPT-6.2 Astra 和 Sol,主打用更少的 token 完成工作,費用也比前一代低。OpenAI 表示,Astra 在 GDPval v2 的分數提高 6.2 分,輸出 token 減少 22%;Sol 則以較低價格接近 Astra 的 FrontierCode 2.0 成績。不過,Claude Fable 5.2 在部分程式評測仍領先,這些數字也不一定能代表你自己的工作。兩款模型都被列在 OpenAI 資安準備框架的最高階別,因此加強了限制,可能擋住部分正當的漏洞研究與安全測試。切換時也要留意,設定 reasoning_effort 為 none 會收到錯誤,需改成 low;超過 272K 輸入 token 的請求費用也會提高。

    推薦理由:文章整理 GPT-6.2 Astra 與 Sol 的價格、基準差異及資安限制,也列出切換模型 ID 前要調整的設定。

  2. Dev.to Top Tech78

    OpenAI 發布 GPT-6.2 Astra 和 Sol,調降 Astra API 價格

    AI 助理要處理長時間、多步驟的工作時,模型費用可能讓大規模使用變得困難。OpenAI 發布 GPT-6.2 Astra 和 GPT-6.2 Sol:Astra 面向複雜工作,Sol 面向大量日常任務。文章整理的 Artificial Analysis 測試中,Astra 得分 62,每項標準任務平均花費 $4.00;Sol 得分 57,約 $0.60。OpenAI 也把 Astra 的 API 輸入與輸出價格調降 20%,已快取輸入的費用調降 60%。文章建議依工作難度選用模型,並留意輸入超過 272K token 時,部分費用會提高。

    推薦理由:Artificial Analysis 的比較呈現 Astra、Sol 在測試分數與單項任務成本上的差異,可用來思考不同難度工作該如何分配模型。

  3. aihot87

    OpenAI 發布 GPT-6.2 Astra 和 Sol,Astra 評測名列第二、Sol 每項任務成本較低

    挑 AI 模型時,測試成績、使用成本和實際感受可能不一致。OpenAI 發布 GPT-6.2 Astra 和 Sol,並開放給部分 ChatGPT Work、Codex 使用者及 API 開發者。第三方測試中,Astra 在 Intelligence Index 得 62 分,排第二;Sol 的單項任務成本約為 9 月 Astra 的 15%。不過,早期測試者對 Astra 的評價分歧,有人抱怨它難以使用,也有人認為部分問題和執行框架有關。這篇整理了基準成績、價格與使用回饋,呈現兩款模型的表現差異。

    推薦理由:第三方基準顯示兩款模型在能力與每項任務成本上各有差異,文中也收錄早期測試者的負面回饋,可用來理解效能資料和實際使用感受的落差。

  4. Dev.to Top Tech87

    OpenAI 推出 GPT-6.2 Astra 和 Sol,令牌更便宜但評價不一

    處理困難任務時,模型用掉的輸出令牌和費用都會影響能在訂閱額度內完成多少工作。OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,兩款模型都已能透過 API 使用;OpenAI 表示,它們做複雜工作時成果更好,也會用掉較少輸出令牌。Astra 面向最困難的任務,Sol 則主打日常使用。Astra 每百萬令牌收費為 $8/$40,Sol 維持 GPT-6.1 的 $2/$10;Astra 的快取輸入每百萬令牌 $0.40。文章整理的測試結果顯示,兩款模型各有表現出色之處,但 Astra 並非每項測試都勝過 Claude Fable 5.2;實際使用者也反映它溝通方式令人困惑。

    推薦理由:GPT-6.2 Astra 與 Sol 的價格和測試結果呈現不同取捨,文中也整理了實測中的弱點與比較限制。

  5. Latent Space82

    OpenAI 推出 GPT-6.2 Astra 和 Sol,效能與價格各有差異

    OpenAI 推出 GPT-6.2 Astra 和 Sol,兩款模型已開放給部分 ChatGPT、Codex 使用者和 API 開發者。報導整理的測試顯示,Astra 在多項基準測試表現突出;Artificial Analysis 的 Intelligence Index 給它 62 分,略低於 Fable 5.2 的 65 分。Sol 在一項測試中達到與前一版 Astra 相近的表現,每項任務成本約為後者的 15%。不過早期使用者評價不一,有人批評模型難以使用,也有人認為部分問題來自測試工具設定。兩款模型都有 1M 上下文視窗,輸出上限為 128K。

    推薦理由:OpenAI 同時推出 Astra 與 Sol,報導整理了兩者在價格、基準測試與早期使用者評價上的差異,可看出效能和成本如何取捨。

  6. ModelScope74

    模型要做更複雜的工作,通常得增加引數,但更大的模型也比較吃硬體。SenseNova-Loop-9B 改用 Loop + mHC,讓 32 個不同的解碼器層在一次運算中執行 56 次,重複使用中間層的權重。它能讀取文字和圖片、產生文字,並支援最高 512K 的上下文視窗。原文列出的測試分數也比 Preview 高,例如 AutomationBench 從 14.33 升到 36.67;官方 4-bit AWQ 權重約 4.9 GB,搭配 4-bit KV cache 時,64K 上下文可在約 9 GiB VRAM 上部署。

    推薦理由:SenseNova-Loop-9B 以重複運算部分層的方式增加計算深度,文中也提供多項基準分數與低位元部署所需的記憶體資訊。

  7. Hacker News (official RSS)68

    Energy-Based Reasoners 用能量分數引導 AI 推理與停止

    AI 模型反覆修改答案時,常不知道什麼時候該停,也缺少判斷目前答案是否變好的方法。這篇研究提出 Energy-Based Reasoners,讓模型替每個推理狀態計算能量分數,再沿著分數下降的方向修正答案;分數變化變小時,就能停止推理,也能從多個候選答案中挑出分數最低的。在 Sudoku-Extreme 測試中,它用 1.8M 個引數達到 99.9% 準確率,推論運算量比次佳模型少 345 倍。研究也測試了迷宮、皇后擺放和圖形著色題。

  8. Dev.to Top Tech72

    為什麼不該讓最大型模型處理每個請求?先用小模型,只把難題升級

    每個請求都交給最強的大型語言模型,可能讓成本白白增加。作者建議先用小模型處理容易的問題,再依答案分數或事前判斷,把少數難題交給大型模型。文章比較兩種做法:逐步升級能先檢查答案,但升級時會多一次呼叫、增加等待時間;事前分流每個請求只呼叫一個模型,卻得只看問題來猜難度。作者也整理了實作步驟,包括記錄成本和結果、準備不同難度的測試題,並持續檢查品質、升級比例和延遲。若多數問題都很難,或缺少可靠的評分方式,分流可能省不了多少成本。

  9. ModelScope74

    長上下文模型常需要更多運算成本,Tencent Hy 推出開放權重模型 Hy4-flash,想讓長時間工作更省資源。它有 220B 引數,每個 token 只啟動 12B 引數,能理解圖片,並支援 1M-token 上下文。Tencent Hy 表示,在自家 WorkIndex 測試中,Hy4-flash 略勝較大的 Hy4 Preview,每項任務成本是 Hy4 Preview 的 1/13、Hy4 的 1/20;解碼速度超過每秒 150 tokens。模型也提供不同用途的版本,並支援 vLLM、SGLang、Transformers 和 OpenAI 相容 API。

    推薦理由:Hy4-flash把長上下文、圖片理解與較低推論成本放進同一模型,文中也提供內部測試和部署資料,可用來瞭解它的定位。

  10. iThome (臺灣)64

    Databricks 推出 AI Runtime,讓企業用表格資料做預測

    企業過去常得為信用風險、客戶流失或需求預測等工作,各自開發和維護模型。Databricks 推出 AI Runtime,讓企業使用表格基礎模型,將已標記結果的資料列和待預測資料一起交給模型,直接推算新資料的結果;也可以用特定資料微調模型,提升預測準確性。AI Runtime 提供 GPU 運算環境,並可把模型部署成 REST 端點,讓應用程式取得即時預測。

  11. The Economic Times · ETtech83

    OpenAI 推出 GPT-6.2 Astra 和 Sol,主打專業工作與降低使用成本

    企業想用更進階的 AI 工具處理工作,也得留意費用。OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,並表示兩款模型能用較少的輸出 token 完成更多工作。Astra 面向檔案、簡報、試算表、程式撰寫和科學研究等較複雜的任務;Sol 則適合日常和多步驟工作。OpenAI 表示,Astra 在 Agents' Last Exam 的分數比 GPT-6 Astra 高 5.2 分,執行成本不到三分之一;Sol 在 FrontierCode 2.0 的分數接近 Astra,成本約為五分之一。Astra 的 API 輸入與輸出 token 費用也比 GPT-6 Astra 低 20%,快取輸入費用低 60%。兩款模型已提供給部分 ChatGPT Work、Codex 和 API 使用者;OpenAI 也加強了網路安全任務的防護措施。

    推薦理由:Astra 與 Sol 分別鎖定專業工作和日常任務,文中比較了基準表現與 API 費用,可看出兩款模型的定位差異。

  12. aihot77

    騰訊混元開放 Hy4 flash 權重,推出 FP8 與 Base 兩個版本

    想在日常工作中使用多模態模型,常得先了解模型規格和如何取得。騰訊混元宣佈開放 Hy4 flash 權重,提供 Hy4 flash-FP8 和 Hy4 flash-Base 兩個版本,模型共有 224B 引數,啟用 12B,支援 1M 上下文,定位在日常生產力用途。模型以 Tencent Hy License 發布,可從 Hugging Face 和 GitHub 取得;官方也預告 Hy4 即將推出。

    推薦理由:Hy4 flash 提供 FP8 與 Base 兩種版本,並列出引數量與上下文視窗資訊,方便讀者瞭解模型規格與取得方式。

  13. Dev.to Top Tech80

    Google 發布 Gemini 3,首日就匯入搜尋的 AI Mode

    新模型推出後,大家常要等一段時間,才會在搜尋服務裡用到它。Google 在 2026 年 11 月 17 日發布 Gemini 3,並從第一天起讓 Pro 和 Ultra 訂閱者在 Google 搜尋的 AI Mode 使用它;作者說,前幾代模型進入搜尋都晚了幾週。文章也提到 Gemini 3 Pro 在 LMArena 得到 1501 Elo,Gemini 3 Flash 則比 2.5 Flash 快約 2 倍、執行成本低約 60%,這些數字是 Google 提供的。作者認為,模型發布時就接上搜尋服務,讓更多人能直接用到新功能,是這次發布的關鍵變化。

    推薦理由:Gemini 3 從發布當天就進入 Google 搜尋的 AI Mode,文章聚焦模型發布與搜尋入口同步,呈現 Google 如何把新模型直接帶到使用者面前。

  14. iThome (臺灣)91

    OpenAI推出GPT-6.2 Astra與Sol,Astra達到AI自我改進高風險門檻

    OpenAI推出兩款GPT-6.2模型,分別用來處理專業工作和日常任務。Astra主打程式開發、科學研究與財務分析,在一項多步驟專業工作測試中比前代GPT-6 Astra高5.2分,任務成本不到前代的三分之一;Sol則主打日常工作,在程式開發測試中只比Astra低約0.5分,成本約為五分之一。OpenAI也把Astra協助研究人員開發下一代AI的能力列為高風險,並指出兩款模型的網路安全能力已達極高風險門檻。

    推薦理由:Astra與Sol同時涵蓋專業工作和日常應用,文中也比較兩者的成本與測試表現,並說明Astra達到自我改進高風險門檻的原因。

  15. BlockTempo 動區動趨47

    Qwen4-Max 第三方評分落後 Claude,蒸餾是否受阻還沒有定論

    阿里自家測試說,Qwen4-Max 的表現和 Claude Opus 5.5 差不多;但在 Artificial Analysis 的榜單上,Qwen4-Max 得 43 分,低於 Opus 5.5 的 59 分,也比 Claude Fable 5.2 的 65 分少。有人猜,Anthropic 把 Claude 的思考過程藏起來後,其他模型更難拿這些資料來訓練、追上 Claude;不過這目前只是社群的說法,還不能當成定論。 Anthropic 表示,完整的思考過程比摘要更適合拿來訓練模型,也說新防護讓可能被取走的推理內容減少約 90% 到 99%。文章提到阿里是 Anthropic 指控的物件之一,但阿里沒有公開回應;目前沒有證據證明 Qwen4-Max 分數較低就是蒸餾受阻造成的。

  16. Dev.to Top Tech82

    GPT-6.2 Astra 和 GPT-6.2 Sol 怎麼選?價格、表現與起始設定比較

    要整理多份資料做簡報,或處理日常文字和程式工作,該選哪款模型?OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,文章比較了兩者的價格、測試表現和起始設定。Astra 的一般輸入價格從每百萬 token $10 降到 $8,輸出價格從 $50 降到 $40;Sol 價格維持不變,測試分數則比前一版高 5.3 個百分點。文章建議,用 Astra 處理依公司範本整理簡報或跨多個服務找程式問題;會議紀錄、日常寫作和程式工作可從 Sol 開始。文中也提醒,交辦程式修改後要對照需求並檢視測試結果。

    推薦理由:文章把兩款模型的價格、基準表現與起始設定放在一起比較,並用簡報整理和跨服務除錯說明各自適合的工作。

  17. Hacker News (official RSS)78

    Cerebras 把提示處理交給 GPU,讓每單位電力服務更多文字

    AI 服務需求增加,但資料中心的電力有限,業者需要在維持回應速度的同時服務更多請求。Cerebras 將工作拆成兩段:AMD Instinct GPU 處理提示,Cerebras CS-3 負責逐字產生回答。這套做法已用在 Cerebras Inference Cloud 的正式服務中;公司表示,相較只用 CS-3 的配置,每單位電力可處理的文字量提高到 5 倍,生成速度沒有降低。合作夥伴也能採用 Cerebras 提供的架構和軟體,或接上自己的提示處理工具。

    推薦理由:Cerebras 在正式服務中比較分開處理提示與生成的做法,呈現它如何在不降低生成速度下提高每單位電力的服務量。

  18. Dev.to Top Tech74

    Microsoft 推出七款 MAI 模型,並以 Frontier Tuning 配合企業工作流程

    企業使用 AI 處理固定工作時,通用模型未必熟悉內部流程,也不一定能用合理成本完成任務。Microsoft AI 推出七款 MAI 模型,涵蓋推理、程式開發、影像、語音和轉錄,並透過 Foundry 與合作平臺提供。Frontier Tuning 會在受控環境中利用實際工作紀錄調整模型,讓組織資料留在自己的環境;開發者也可以自行調整模型權重。Microsoft 提到 Mayo Clinic 合作計畫會先在院方環境中運作,但尚未公佈 MAI 模型的公開價格,也未說明該計畫的實際成效與擴大提供時間。

  19. Simon Willison82

    OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,作者比較價格與動畫成果

    OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向較難的工作和日常使用。作者比較了兩款模型的價格,也用 Codex CLI 讓它們製作同一段動畫:讓 Yonkers 變成大型機甲,在紐約市幾個地區行走。作者認為兩款模型都沒有做好機甲變形,表現不如 Claude Fable 5.2 和 Gemini 4 Carbon。Astra 的輸入價格比前一代低,快取價格也更便宜;Sol 則維持原價。作者也提到,Astra 在部分基準測試的分數不如 Fable 5.2,長時間工作時還可能提出難以回答的實作細節問題。

    推薦理由:文章整理兩款模型的價格差異,也用同一項動畫任務比較輸出,能看出成本與實際表現各有不同。

  20. Dev.to Top Tech58

    VIDRAFT 的 Darwin-180B 在 Hugging Face 官方排行榜拿下 12 項第一

    模型在排行榜上的名次常被拿來比較,但只看第一名數量,可能看不出它參加了哪些專案。VIDRAFT 盤點 Hugging Face 標有「benchmark:official」的公開資料,截至 2026 年 11 月 17 日,Darwin-180B 參加了 57 個排行榜中的 15 個,15 項都進入前三名,其中 12 項拿下第一。成績涵蓋科學、數學、檔案辨識與法律等領域;部分第一名是多人並列。它沒有參加另外 42 個排行榜,因此這些成績只反映已參賽專案的表現,不能代表所有領域。

  21. Dev.to Top Tech56

    作者實測本機推論調校:速度提升得超過誤差範圍

    本機推論調校常有人宣稱快了幾個百分點,卻沒交代測量誤差,也不確定新設定是否真的生效。作者在自己的雙 RTX 3090 電腦上測試四種調整,記錄每次速度、誤差範圍和設定;若程式載入時當機,就直接淘汰。結果只有一項略快,但誤差範圍仍和原設定重疊,因此先列為候選,另外兩項反而變慢。這套做法提醒人們,速度數字要能重測,而且提升幅度得超過測量誤差,才適合當成調校成果。

  22. Hacker News (official RSS)71

    Latent Lattice Language Models 用持續運作的潛在狀態提升語言模型表現

    語言模型想增加運算能力,常會加深網路或加入推理步驟;這項研究則讓模型在每一層保留能隨文字持續運作的額外狀態,並用它們影響注意力、KV cache、運算和解碼。在使用 20B FineWeb-Edu tokens 訓練的比較中,406M 引數的模型把驗證困惑度從 15.41 降到 14.40;搭配其他殘差改良方法時,數字進一步降到 13.61。研究也在多種迴圈式模型架構上測試這種設計,結果顯示它提供了增加語言模型計算能力的另一個方向。

  23. MarkTechPost87

    OpenAI 推出 GPT-6.2 Astra 和 Sol,Astra API 價格降低 20%

    OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,分別主打較難的多步驟工作和日常任務。兩款模型都能接收文字和圖片,並在 OpenAI API、ChatGPT Work 和 Codex 提供。Astra 每 1M tokens 的輸入和輸出價格比 GPT-6 Astra 低 20%,Sol 則維持前一版的價格。評測中,Astra 的 Artificial Analysis Intelligence Index 分數是 62,排名第二;但它的 AA-Omniscience 幻覺率為 59%,Sol 為 55%。Sol 在 Coding Agent Index 也少了 3 分,顯示較低成本不代表程式開發表現都有進步。

    推薦理由:Astra 的成本與多項評測結果放在一起看,能瞭解它在高難度工作上的表現和價格取捨,也看得到幻覺率偏高的限制。

  24. Thurrott85

    OpenAI 推出 GPT-6.2 Astra 和 Sol,供 ChatGPT Work 與 Codex 使用

    OpenAI 推出 GPT-6.2 Astra 和 Sol,讓工作與開發任務有新的模型可選。公司表示,兩款模型處理較難的工作時會用較少輸出 token;GPT-6.2 Astra 面向專業與科學工作,輸入和輸出 token 便宜 20%,快取輸入 token 便宜 60%。GPT-6.2 Sol 的 token 價格則維持和 GPT-6.1 Sol 相同。兩款模型已提供給 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 使用者,開發者也能透過 OpenAI API 使用。

    推薦理由:OpenAI 提供兩款新模型,其中 GPT-6.2 Astra 的輸入與輸出 token 價格比前代便宜 20%,可從任務用途與費用差異瞭解這次更新。

  25. hackernews10071

    Weight-Space Programming 如何用傳統技巧打造神經網路

    大型語言模型能直接設定神經網路的權重,但它究竟學會了訓練模型,還是把舊方法重新組合起來?作者讓 Claude Fable 5.2 從零設定手寫數字分類器,發現它畫出筆畫和轉角偵測器,再用訓練資料檢查哪些特徵有用,做法很像早期的影像辨識。這套方法在手寫數字上達到 91.3%,在貓狗照片上則只有 61.6%;作者也從另一個圍棋網路看到類似的手工規則。實驗顯示,模型能靈活運用傳統技巧,但遇到較難的照片分類時,這些技巧也會碰到限制。

  26. Dev.to Top Tech57

    小型企業怎麼選 RAG 或微調?五個問題幫你評估

    小型企業常把「模型不知道公司資料」當成微調理由,但資料會變動時,直接查檔案通常更好更新。這篇文章用五個問題比較 RAG 和微調:答案是否常變、是否要附上資料來源、資料是否依客戶區分,以及工作重點是找回資訊還是固定回答方式。作者也建議先拿 20 個真實問題測試提示詞,再比較 RAG 的回答、引用、費用和速度;只有格式或語氣很難穩定時,才考慮微調。

  27. Epoch AI Updates82

    Claude Fable 5.2 和 GPT-6.2 Astra 做真實工作表現如何?

    模型在常見基準測試拿下高分,不代表就能做好日常工作。Epoch AI 用六個模型完成研究、寫作和 AI 資料中心分析等任務,再由人依照工作標準評分;沒有模型在任何一項任務達到 Epoch 員工的標準。Claude Fable 5.2 和 Opus 5.5 的 AI 資料中心分析已達承包商水準,但模型仍常沿用舊點子、很少反覆修改,也不擅長挑出重要發現。評測只有少量任務且每個模型每項只測一次,分數也含有人為判斷,因此作者提醒,結果不能代表所有工作情境。

    推薦理由:這份評測把模型放進真實工作任務中比較,呈現基準測試成績與研究設計、反覆修正及成果判斷能力之間的落差。

  28. Rohan Paul44

    OpenAI 執行長 Sam Altman 說,OpenAI 會用 RSI(遞迴式自我改進)技術,讓新模型開發得比不用這些技術更快。但這不代表 AI 已經能自己按下按鈕、設計下一代模型並快速改進,完全不需要人類監督。Altman 表示,OpenAI 還能讓開發更接近這種做法,但目前這麼做還不安全。這說明 AI 能協助加快模型研發,是否讓它自行改進,仍需要考慮安全。

  29. OpenRouter72

    Microsoft 在 Ignite 發表三款新模型,並已在 OpenRouter 上線。MAI-Image-2.7 可產生 2K 透明背景圖片;MAI-Image-2.7 Flash 是速度較快、較輕量的版本,適合大量使用;Microsoft-Decision-1.1 則能在一次呼叫中,為每個答案選項提供校準後的機率。

    推薦理由:三款模型各自面向透明背景圖片、高量生成與選項機率估計,能快速看出 Microsoft 這次發布的用途差異。

  30. Dev.to Top Tech62

    Deployed Lab 解釋聊天機器人第 50 則訊息為何比第 1 則貴 19 倍

    聊天機器人的每次新提問,都可能把前面的對話重新送給模型,所以聊得越久,每次請求要處理的文字也越多。Deployed Lab 用一組假設數字示範:第 1 則訊息送出 540 個 token,第 50 則則送出 10,340 個,約為 19 倍;實際費用會依模型和服務商的計價方式而異。文章建議只找出最相關的檔案內容、縮短舊對話並替各部分設定用量上限,避免長對話增加費用與等待時間。

  31. The Decoder92

    OpenAI 推出 GPT-6.2 Astra 和 Sol,主打更低成本與不同用途

    OpenAI 推出 GPT-6.2 Astra 和 Sol,分別面向專業工作與日常任務,並表示兩款模型比前代便宜、部分測試表現更好。外部評測也看到差異:Astra 在科學和 3D 設計等測試表現突出,Sol 的每項任務成本較低;但程式能力沒有明顯進步,法律測試排名偏後,兩款模型在困難的事實題上也常猜答案。資安能力提升同時帶來濫用風險,OpenAI 表示會加強高風險資安請求的防護;相關漏洞利用測試是在關閉防護的情況下進行。

    推薦理由:多家評測呈現 Astra 與 Sol 在科學、價格和程式能力上的不同表現,也指出法律任務與事實回答仍有落差。

  32. Dev.to Top Tech56

    等變神經網路教學:把對稱性寫進架構,讓模型少做重複學習

    同一張貓照片轉個方向,還是同一隻貓;但一般模型可能得靠大量例子,才學會辨認不同方向的圖案。等變神經網路會把問題中的對稱性直接寫進架構,例如讓同一個濾鏡處理四種旋轉方向,模型就能把學到的特徵用在不同方向上。這能減少重複學習,也讓模型處理沒看過的方向;不過前提是任務真的不在乎方向。像辨認手寫數字時,旋轉可能改變數字意思,硬套旋轉對稱反而會造成問題。文章也用簡短程式示範如何檢查旋轉後的輸出是否符合預期。

  33. aihot76

    OpenAI 發布 GPT-6.2 Astra 和 Sol,Artificial Analysis 評測排名第二

    OpenAI 發布 GPT-6.2 Astra 和 GPT-6.2 Sol,兩款模型在 Artificial Analysis 的智慧指數中排名第二,僅次於 Claude Fable 5.2。Astra 每百萬個輸入 token 收費 8 美元、輸出 40 美元;Sol 的輸入和輸出各為 2 美元和 10 美元。評測中,Astra 在科學、3D 和機器人專案表現突出,但程式 AI 助理指數沒有進步,Sol 還比前代少 3 分。兩款模型在最大努力設定下的幻覺率分別為 59% 和 55%。

    推薦理由:評測同時列出 GPT-6.2 Astra 與 Sol 的價格、排名和表現落差,可用來比較成本與不同任務的能力。

  34. a16z49

    AI 助理現在已能像研究實習生一樣,照著人指定的方式執行實驗、跑程式並整理結果;Mark Chen 說,這類工作通常範圍明確,不是叫 AI 自己想研究方向。John Schulman 分享,他讓 Fable 花幾天嘗試研究點子,確實能做出一些合理實驗,也提出有趣想法,但最後可能沒完成原本的任務。人類研究者能一邊動手寫程式、一邊累積理解,提出 AI 沒想到的問題,並把研究帶往不同方向。因此,AI 已能幫忙做部分研究工作,但仍需要人判斷目標並引導過程。