资讯

共 135 条更新于 2026-11-10 07:45RSS

模型评测

11 月 8 日周日

模型MarkTechPost

Nous 开源 Arete-27B：宣传性回答22%降至0.9%

Nous Research 发布 Arete-27B，仅对 Qwen3.8-27B 做监督微调，未使用 RL 或偏好优化。在其803条提示评测中，宣传性回答占比从22%降至0.9%，基准能力基本持平，权重、评测集与训练数据全部公开。

11 月 6 日周五

模型量子位

Anthropic三个内部模型曝光，Model 4的AECI超Opus5.5约3个月

METR报告披露Anthropic未公开内部模型Model 2/3/4的训练时间与成绩：最强Model 4的AECI达178.6，比Opus5.5高约3.9分，约合3个月进步；研究员称AI把想法到实验的时间缩短约80%。

10 月 28 日周三

模型Artificial Analysis

Artificial Analysis 智能指数升到 v5：Claude Opus 5.5 以 58 分居首

这是该指数自 1 月 v4 以来最大的一次升级，首次有 60% 的评测建立在私有测试集或留出答案上，同时上线了 Progress Index v1。