已标记的文章 : 基准测试

Mistral Large 4：这款法国大模型能和 Claude、ChatGPT 抗衡吗？

一万亿参数的 Mistral Large 4 对比 Claude 和 ChatGPT：价格、质量、安全性分数，以及欧洲模型带来的变化。

阅读全文

Gemini 4 Argon: Google releases its best model, why can't you use it?

Gemini 4 Argon beats Claude and GPT-6 Astra on 12 of 18 tests but remains reserved for cyber defenders. Its strengths, weaknesses, and why.

阅读全文

GPT-6 Sol et Luna：便宜一半，评分却没变

OpenAI将价格砍半，紧随xAI和Anthropic之后。Sol在代码方面进步，Luna退步，幻觉率背后藏着一个障眼法。

阅读全文

Is Claude Opus 5.5 better than Fable 5.1?

Opus 5.5 is 40% cheaper than Opus 5 and outperforms Fable 5.1 on four tests. The two rows the manufacturer puts at the bottom of its table.

阅读全文

Grok 4.7 只要2美元，MiMo v2.6 可下载：该选哪个 AI 模型？

Grok 4.7 将账单砍半，MiMo v2.6 采用 MIT 许可证并可下载。看看数据、它输掉的考试，以及运行它需要什么。

阅读全文

Fugu Ultra v2 击败 GPT-6 Astra，却没有使用它，价格只有一半

Sakana AI 自 9 月 10 日起销售一种会选择由哪个模型回答的模型。在自己的测试中，它领先 GPT-6 Astra 和 Fable 5.1。

阅读全文

GPT-6 Astra 发布了：真的值得 2.5 倍的价格吗？

最难测试拿到 98.6%, 独立裁判只给 61 分：差距从何而来, GPT-6 Astra 到底改变了什么.

阅读全文

每百万 token 的价格：用于编程的 AI 完整对比（订阅、API、聚合器、本地运行）

修正后的编程 AI 对比：根据你的情况该选什么，每百万 token 的价格和真实上限。

阅读全文

ByteDance正在构建一个拥有10万亿个参数的模型。这是整件事里最不值得关注的数字。

ByteDance正在训练一个参数量最高达10万亿的模型。这个数字为什么几乎说明不了什么，以及Doubao背后真正隐藏着什么。

阅读全文