JStars

04_love_work_Studying

fitness_ai_Reading

Hope I can find a job in electricity trading.

[JStars @JiangS78846]

@narinnovo 对啊，这么看差远了

[JStars @JiangS78846]

Meta 的 Muse Wonder 被质疑刷榜。

BridgeMind 在北京时间今天凌晨 3:50 发了 BridgeBench 熔岩灯测试，用同一个提示词让四个模型同台比。Muse Wonder 只做出一根红色圆柱，没有玻璃罩，也没有流动的熔岩；GPT-6 Astra、GPT-6.1 Sol 和 Claude Opus 5.5 都做出了完整的熔岩灯。这条帖子大约 30 万浏览、3900 多赞，马斯克在下面回了一句“Hmm”。Bindu Reddy 也发帖说，她赌这个模型的分数是刷出来的。

有人去翻了 Meta 自己的跑分表。Terminal-Bench 4.0-AA 上，Opus 5.5 是 59.6，Astra 是 59.1，都比 Wonder Full 的 57.1 高；API 能用的普通版 Wonder 只有 52.0。Wonder Full 领先最多的一项，是 Meta 自家的内部综合指数。它的 API 价格和 Opus 5.5 一样，每百万 token 输入 4 美元、输出 20 美元。

要注意，熔岩灯只是一个 3D 演示，不是标准基准，也有测试者用 Muse Wonder 1.0 Max 跑出了更好的结果。第一张是 BridgeBench 的官方对比图，图源 @bridgemindai；第二张是 @buildwithhassan 截的 Meta 跑分表。

[JStars @JiangS78846]

HackerRank 推出了新基准 HackerRank-Bench。题目全是私有的长程真实工程任务，比如 GDPR 数据删除、系统迁移、身份对接和前端交互，都是从零写的，没用公开仓库。一共测了 15 个模型，统一用 high 推理档。

Claude Opus 5.5 拿到 51.23%，排第一

GPT-6 Astra 43.51%

Claude Opus 5 42.58%

GPT-5.6 Sol 38.43%

Kimi K3 38.25%，是开源模型里最高的

DeepSeek V4 Pro 17.01%，排最后

多数模型都不到 40%。成本上，Opus 5.5 每个任务 18.9 美元，比 Opus 5 的 47.3 美元便宜；GPT-5.6 Luna 每个任务只要 0.18 美元，得分 26.06%。

[JStars @JiangS78846]

我发现，人体结构和甜甜圈一样，中间一条贯穿身体，两头通的

那可不可以拿人当吸管用

[JStars @JiangS78846]

我有个问题，喜欢男人就叫gay吗？

如果只喜欢男人的一部分也算吗？

[JStars @JiangS78846]

这第一财经对吗？正经吗？

[JStars @JiangS78846]

@7gongg 真的无语，想流量想疯了

[JStars @JiangS78846]

让 AI 不吃不睡连干 48 小时，做真实的机器学习研究，结果差距大得离谱。

新基准 DeepRSI 刚放出首轮榜单。

Claude Fable 5.1 拿了 1548 分，稳坐第一。

GPT-6 Astra 1232 分排第二，官方还专门点名，它在测试里钻了验证器的空子。

国产的 Kimi K3 拿了 820 分，排第三，Grok 4.7 和 Gemini 3.8 Flash 都在它后面。

短跑能刷高分的模型，一到 48 小时的长跑就露馅了。

[JStars @JiangS78846]

@WeiPeng46457 对啊，虽然用处不会很大

[JStars @JiangS78846]

35B 的多模态大模型，现在能直接塞进 iPhone 里跑了。

面壁刚开源的 MiniCPM-V 4.7，总参数 35B，每次只激活 3B。
官方实测在 iPhone 17 Pro Max 上，每秒能出 13 个 token 以上，内存只占 3GB 左右。

跑分也很能打。
同样是 35B-A3B，OCRBench 它拿了 91.2，Qwen3.6 是 86。
文档解析 OmniDocBench 94.2 对 80.2，直接拉开 14 分。
长视频理解也领先了将近 6 分。

不过它也不是全赢，界面定位 ScreenSpot 还落后 Qwen 6 分。

手机本地跑大模型，你觉得是真刚需，还是又一个噱头？

[JStars @JiangS78846]

@liufengrong9 毕竟好多模型下架了，argon发布条件都齐了，还有meta在后面咬着

[JStars @JiangS78846]

polymarket中Gemini4于10月13日发布概率已至72%

Gemini4极有可能近日发布

[JStars @JiangS78846]

@echoecho1996 虽然现在用grok少，但是退了就没了，万一grok真让Musk做成了咋办哈哈哈哈

[JStars @JiangS78846]

看来我的700卢比印度老supergrok还能继续传下去了😀

就算单独订阅一个xpremium也比新订阅便宜

而cursor？没有第三方额度要他干嘛

[JStars @JiangS78846]

恭喜你浪费了三秒时间，可以思考人生意义了😀

[JStars @JiangS78846]

盯着这张图三秒，然后点开评论区，你会感谢我的

[JStars @JiangS78846]

@BrunoMAiub 印度不在亚洲吗？

[JStars @JiangS78846]

Meta 憋了一年多，终于挤进第一梯队了。

昨晚 Meta 发布了 Muse Wonder 系列，内部代号就叫“西瓜”。

旗舰版 Wonder Full 在 Artificial Analysis 智能指数上拿了 56 分，只比 Claude Opus 5.5 低 2 分，GPT-6 Astra 是 53 分。

在长时间写代码的测试 SWE-Marathon 上，它拿了 57.5，Opus 5.5 只有 46.3。

但也有让人皱眉的地方。API 价格是每百万 token 输入 4 美元、输出 20 美元，跟 Opus 5.5 一个价。最强的 Full 版还不开放 API，只给 Muse Code 的订阅用户用。

价格跟 Claude 看齐，总分还差一点，你会为 Meta 的模型掏钱吗？

[JStars @JiangS78846]

冷知识： 刘欢就领了三年养老金

根据2020年第七次全国人口普查结果，男性平均死亡年龄大约69.92岁
女性大约75.66岁

[JStars @JiangS78846]

为什么最近刷不到Xpass了

Google你最应该清楚这个

没有回应的期待是持续不了多久的

所以快点把argon端上来！