Artificial Analysis 评测 GPT-6.1 Terra 的智能、成本与编码 Agent 表现
Artificial Analysis 对 GPT-6.1 Terra 的评测显示,该模型以低于 GPT-5.6 Terra 三分之一的任务成本取得了更高智能表现。
推荐理由:评测同时比较了模型价格、智能指数、编码 Agent 表现与幻觉率,便于判断成本下降对应的能力变化。
Artificial Analysis 对 GPT-6.1 Terra 的评测显示,该模型以低于 GPT-5.6 Terra 三分之一的任务成本取得了更高智能表现。
推荐理由:评测同时比较了模型价格、智能指数、编码 Agent 表现与幻觉率,便于判断成本下降对应的能力变化。
Mistral AI 发布首个时间序列基础模型家族 Timestral,提供 5M、28M、123M 和 209M 四种规模,支持概率预测、多变量目标、过去协变量和已知未来协变量。
推荐理由:Timestral 提供四种规模与多种部署方式,并公开基准成绩、训练方法和代码,便于评估其在企业预测场景中的适配与成本。
Microsoft Research 提出研究系统 StudentSim,利用公开且去标识化的学习者记录训练个性化学生模拟器,在接触真实学习者前评估并改进 AI 辅导系统。同步推出覆盖国际象棋、第二语言英语写作和数学的 StudentSimEval,以行为忠实度和指导响应性评估模拟器。模拟器表现优于领先基线,但目前并非产品,也未部署于课堂或用于替代教师。
Import AI 476汇总直觉视觉推理、AI研究品味与递归自我改进等进展,并分析AI进入太空及开放权重模型竞争的影响。HSS包含522道题,人类基线pass@1为93.1,最佳AI系统GPT 6 Astra为53.6;TasteVal则显示前沿模型实验研究品味自2025年12月以来每3.0个月翻倍。
GitHub 发布 ReviewBench,一个用于评估 AI 代码审查智能体的开放基准,包含 219 个来自 187 个开源仓库、覆盖 19 种语言的公开拉取请求。
推荐理由:公开了完整数据集、评分规则与提交流程,便于不同代码审查智能体在统一配置下比较并复现实验结果。