Terminal-Bench-Science 0.1
PulseAugur coverage of Terminal-Bench-Science 0.1 — every cluster mentioning Terminal-Bench-Science 0.1 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Anthropic 发布 Claude Fable 5.1，拥有 100 万上下文窗口且成本更低
Anthropic 发布了 Claude Fable 5.1，这是一款专为编码和研究等扩展任务设计的先进 AI 模型，拥有 100 万 token 的上下文窗口。虽然基础 API 定价与前代产品相同，但根据 Anthropic 的内部基准测试，Fable 5.1 在缓存读取成本方面显著降低，并在科学和多步任务上表现有所提升。新模型还具有增强的安全过滤器，误报更少，并包含符合欧盟实践的不可见水印，尽管它仍可能偶尔绕过批准，并且对现有代码…
-
Anthropic 发布 Claude Fable 5.1，支持百万上下文窗口并降低成本
Anthropic 发布了 Claude Fable 5.1 和 Claude Mythos 5.1，它们本质上是同一模型，只是安全防护层不同。Fable 5.1 是通用可用版本，而 Mythos 5.1 则仅限于经过验证的组织用于网络安全和生命科学等专业任务。新模型拥有百万 token 的上下文窗口，并在 Terminal-Bench-Science 0.1 和 Terminal-Bench 4.0 等基准测试中提高了性能，尤其是在…
-
Anthropic 发布 Claude Fable 5.1，科学基准测试得分提高
Anthropic 发布了 Claude Fable 5.1，这是他们语言模型的新版本，据报道在编码、知识工作和长期问题解决方面树立了新标准。该模型在 Terminal-Bench-Science 0.1 基准测试中表现出显著改进，得分达到 52.6%。用户测试使用特定提示生成动画鹈鹕 SVG 显示，Fable 5.1 上更高的推理努力设置可以产生更详细的输出，尽管成本和处理时间也显著增加。
-
Anthropic 的 Claude Fable 5.1 发布，基准测试有所提升，成本引发争议 · 已追踪 10 个来源
Anthropic 发布了其新一代 AI 模型 Claude Fable 5.1，现已在 Cursor 和 Perplexity 等平台上可用。此次发布在基准测试方面取得了显著进步，尤其是在智能体任务和减少对良性查询的拒绝方面。然而，定价结构仍然是讨论的焦点，实际成本因缓存命中率和工作负载类型而异，引发了关于其是否物有所值（与 Opus 5 相比价格翻倍）的争论。