跳到正文
IFAI

大模型

GPT、Claude、Gemini、DeepSeek、通义千问等大模型的新版本发布、跑分对比、价格和 API 变化，每天更新。

近 7 天 11 条

  6. 传播指数 47

    Meta 否认 Llama 4 跑分造假：没针对测试集刷分

    Meta 生成式 AI 副总裁 Ahmad Al-Dahle 发文否认针对测试集训练以虚标 Llama 4 跑分的传言。此前周末网络热传 Meta 刻意美化测试成绩，且实测中各平台表现不一。官方回应称模型刚发出来，各云端实现仍需几天调优并持续修复 bug。

  8. 传播指数 47

    OpenAI 计划有变：GPT-5 推迟几个月，o3 与 o4-mini 先发

    Sam Altman 发文确认调整发布节奏，将在未来几周内先推出 o3 和 o4-mini，而 GPT-5 则推迟到几个月后。Altman 表示各项能力的平滑整合比想象中更难，推迟能让 GPT-5 变得更强，同时也要储备足够算力应对空前需求。

  10. 传播指数 49

    ARC 修正 OpenAI o3 成本估算：解一道难题或烧掉 3 万美元

    据 TechCrunch 报道，Arc Prize Foundation 上调了对 OpenAI o3 的推理成本预估。表现最强的 o3 high 解决单个 ARC-AGI 难题可能要花 3 万美元，远超此前预估的 3000 美元。该模型拿最高分需尝试 1024 次，算力消耗达低配版的 172 倍。

  13. 传播指数 39

    AI 国际象棋对决：ERNIE 4.5 连胜三局横扫 GPT-4.5

    测试者分享了 ERNIE 4.5 与 GPT-4.5 的国际象棋对局，ERNIE 4.5 以 3 比 0 击败对手。ERNIE 4.5 在逻辑推演和指令遵循上表现突出，最后一局仅用 10 步便完成将死，展现出在复杂博弈推理上的强劲表现。

  14. 传播指数 51

    OpenAI 放宽 ChatGPT 画图审核：允许生成公众人物肖像

    OpenAI 放宽了 ChatGPT 的图像生成审核规则。新政策不再一刀切拒绝敏感提示词，允许用户生成特朗普等公众人物肖像以及中立语境下的敏感符号。OpenAI 称此举旨在转向防范现实危害并赋予用户更多控制权，但针对儿童的保护依然严格。

  15. 传播指数 46

    OpenAI 更新 GPT-4o：多任务指令遵循更强，少发 emoji

    OpenAI 宣布在 ChatGPT 中更新 GPT-4o。新版强化了多重复杂指令的遵循能力，处理复杂技术与编程问题更得心应手，直觉和创造力也有所提升。有意思的是，官方还特意提了一句：新版会少发点 emoji。

  16. 传播指数 50

    QwenLM 发布 QVQ-Max：给多模态大模型装上深度推理引擎

    QwenLM 正式发布视觉推理模型 QVQ-Max 的首个版本。该模型不仅能解析图像与视频，还能展开深入推理；在 MathVision 评测中，延长思考过程能持续提升解题准确率。团队计划后续引入定位技术，并逐步将其拓展为能操作手机与电脑的视觉智能体。

  17. 传播指数 43

    传 Anthropic 将推 Claude 3.7 Sonnet 500K：上下文翻倍以上

    代码功能标记显示 Anthropic 正准备将 Claude 3.7 Sonnet 的上下文窗口从 200K 扩大至 500K。这意味着用户能直接喂入超大代码库或长文档，避开 RAG 带来的检索断层。不过目前尚不清楚该版本是否仅限企业客户使用。