GPT-6 双版本发布:Sol 和 Luna 怎么选?实测对比
OpenAI 一次发两个 GPT-6:Sol 主推理,Luna 偏长 context。HN 621 分热度背后,这次发布可能藏着一个 ToB/ToC 分家的信号。
Anthropic 旗舰模型又迭代了,但 intelligence、速度、价格这三件事,真的每一件都进步了吗?用第三方数据拆给你看。
OpenAI 一次发两个 GPT-6:Sol 主推理,Luna 偏长 context。HN 621 分热度背后,这次发布可能藏着一个 ToB/ToC 分家的信号。
HN 上 MacStories 把 M5 Ultra Mac Studio 称为「本地 AI Agent 的理想 Mac」。统一内存架构听起来很美,但实际跑 Agent 工作流,体验到底怎么样?
Simon Willison 报道了一款叫 Jev 的新模型,标题喊出"新形状"。9 月 21 日登 HN 首页,但只有 20 分、3 条评论——冷启动信号,还是被低估的开端?
xAI 跳过 4.5/4.6 直接发 4.7,Hacker News 一天 235 分 191 条评论。从版本号策略看,这不像技术更新,更像节奏博弈。
HarnessTax 用控制变量实验证明:包装层(prompt、tool、反馈循环)才是 coding agent 性能差异的真正来源。基准跑分,得打折扣看了。
一个 4B 参数的模型生成的查询计划,比 Postgres 原生 planner 快 81%。小模型碾压传统 CBO 的活样本。
Amazon Science 新研究:当多个 LLM 评委给出相同答案时,结果可能错得整整齐齐。多模型投票这事,没你想的那么靠谱。
递归自我改进被捧为通向 AGI 的快车道,但 MIT Tech Review 用证据说:曲线已经走平。这条预期差,正在重写一份又一份 pitch deck。
12k stars 的开源电脑操作 Agent,S3 以 72.60% 首超人类水平,拆解叙事记忆+在线课程式任务分层的设计。
Dwarkesh 这期把 METR 前研究员 John Beren 和 Charlie 拉到一张桌子上吵递归自我改进(RSi)。HN 64 分、53 条评论,分歧比想象的大,中间地带被双方都绕过去了。
厂商说能省 80% token,Quesma 独立测试只跑出 2%。HN 上 64 分讨论,问题到底出在哪?