OSWorld 2.1
PulseAugur coverage of OSWorld 2.1 — every cluster mentioning OSWorld 2.1 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Gemini 4 Carbon 基准分数因系统方法论受到质疑
Gemini 4 Carbon 在 OSWorld 2.1 上最近的基准分数 81.5% 正在因其方法论而受到审查。该分数据称依赖于 82 个任务子集、500 步限制,并利用了屏幕截图历史记录和上下文压缩等功能。这种方法表明报告的分数反映的是整个 AI 系统的性能,而不仅仅是模型的权重。
-
OpenAI 发布 GPT-6.1 Terra,大幅降低成本并宣布 AI 驱动的科学突破
OpenAI 发布了 GPT-6.1 Terra,这是一款专注于降低计算机操作任务成本同时保持强大性能的新模型。与之前的版本相比,该模型的 API 价格显著降低,并且在屏幕理解和跨软件协作等方面的能力可与旗舰模型相媲美。同时,OpenAI 宣布其 AI 系统在数学、计算机科学和物理学领域取得了三项新的科学发现,包括对长期存在的猜想和理论的证明。
-
OpenAI 发布 GPT-6.1 Terra,以降低成本处理大批量任务 · 跟踪到 2 个来源
OpenAI 发布了 GPT-6.1 Terra,这是一款专为大批量、以计算为中心的任务(如发票处理和表单填写)设计的新模型,价格为其前身 GPT-5.6 Terra 的一半。虽然在这些特定用例中速度更快且成本效益更高,但 OpenAI 指出,其更先进的模型 Sol 和 Astra 在复杂的编码任务方面仍然更胜一筹。Terra 的定价结构除了基础代币成本外,还包含几个因素,例如超过 272,000 个输入代币的请求价格大幅上涨,以及缓…
-
OpenAI 发布 GPT-6.1 Terra,价格下调 50%,速度提升 3 倍
OpenAI 发布了 GPT-6.1 Terra,这是一款新的默认层模型,与之前的版本相比,在成本和速度上都有显著的改进。Terra 的定价为每百万输入 token 1 美元,每百万输出 token 5 美元,其速度是 GPT-6 Astra 和 GPT-6.1 Sol 的三倍多,同时在复杂推理任务上的准确性也有所提高。作者提出了一种路由规则,该规则默认使用 Terra 来处理文档处理和编码等常规任务,而将 Sol 或 Astra 用…
-
Anthropic 的 Claude Haiku 5.5 提升运营能力,引入自适应推理
Anthropic 发布了 Claude Haiku 5.5,这是一个重要的升级版本,具有增强的运营能力和自适应推理。新模型在计算机操作、知识工作和多学科推理方面显示出显著的改进,基准测试表明其性能相比前代产品有了显著飞跃。尽管取得了这些进步,Haiku 5.5 在复杂的编程任务方面仍落后于 Sonnet 5.5 等更高级别的模型。此次更新还引入了更灵活的定价结构,对超过 100,000 个 token 的上下文窗口实行分级收费,并采…
-
Anthropic 的 Claude Haiku 5.5 在基准测试中表现强劲 · 跟踪到 2 个来源
Anthropic 的 Claude Haiku 5.5 在多项基准测试中表现强劲,包括 OSWorld 2.1、GDPval-AA v2.1、FrontierCode 1.1 和 Terminal-Bench。该模型的强大能力在关于 AI 开发和编码的讨论中备受关注。
-
OpenAI 发布 GPT-6 并推出交互式 UI;Anthropic 大幅降低 Haiku 成本
OpenAI 发布了 GPT-6,该模型具有“智能 UI”,可将交互式元素直接集成到聊天界面中,将其转变为应用程序生成器。与此同时,Anthropic 已大幅降低其 Claude Haiku 5.5 模型的成本,使其比前代产品便宜 75%,并与 OpenAI 的 GPT-6 Luna 定价持平。OpenAI 还报告称,一个 AI 代理生成了 372 个数学结果的突破,这比以前的群集方法更有效。然而,对 AI 安全的担忧依然存在,一份报…
-
Anthropic发布Claude Haiku 5.5,以价格与GPT-6 Luna展开竞争
Anthropic发布了Claude Haiku 5.5,这是其经济型小型模型的更新版本,定价旨在与OpenAI的GPT-6 Luna直接竞争。尽管Anthropic声称Haiku 5.5比其前代产品更便宜、更快,但独立评估和用户报告表明,对于某些任务,特别是超过10万token的任务,其token使用量和分级定价结构可能导致成本远高于GPT-6 Luna。Anthropic还宣布为其Sonnet 5.5模型降价,并为订阅用户推出了新…
-
Anthropic 发布 Claude Haiku 5.5,拥有 100 万上下文窗口,大幅降价 · 已追踪 8 个来源
Anthropic 推出了 Claude Haiku 5.5,这是一款新推出的小型 AI 模型,专为高吞吐量任务(如摘要和分类)而设计。该模型拥有 100 万个 token 的上下文窗口,并且价格大幅降低,对于高达 100K token 的提示,输入 token 价格为每百万 0.10 美元,输出 token 价格为每百万 0.50 美元,与前代产品相比,成本显著降低。Claude Haiku 5.5 可通过 Claude API、A…
-
Anthropic 的 Claude Fable 5.2 发布,在复杂任务上挑战 Opus 5.5
Anthropic 发布了 Claude Fable 5.2,这是一款专为要求严苛的推理和复杂的代理任务设计的新型顶级模型,其定价是 Claude Opus 5.5 的两倍。虽然 Fable 5.2 在基准测试中普遍优于 Opus 5.5,尤其是在长时任务和编码方面,但 Opus 5.5 因其较低的成本和在许多任务上的可比性能,仍然是日常工作的有力竞争者。两者的选择取决于任务的复杂性和成本效益,Fable 5.2 推荐用于专门的、困难…