JStars

04_love_work_Studying

fitness_ai_Reading

Hope I can find a job in electricity trading.

[JStars @JiangS78846]

说实话，其实有点像宇将军

[梭哈靓女 @shgirl666]

还没睡的，请看着我那睿智的眼神

[JStars @JiangS78846]

用Gemini app里的argon做了段视频，也是HTML用无头浏览器渲染出来的，但是没声音，但是看效果其实还可以，但是额度真遭不住

[JStars @JiangS78846]

求助：有谁知道gcp预付金的规律吗？

为什么我有的账号要预付30刀，有的要50刀？

是我哪里出问题了吗？

[JStars @JiangS78846]

argon其实没有让Google领先多少，尽管现在polymarket认为Google的模型暂时领先（评价口径问题）

argon的主要作用是让Google订阅终于有了再次被讨论价值，终于不用再靠雷霆flash撑场面了

[JStars @JiangS78846]

不行了，有点按捺不住想开ultra了，如果过几天终面没啥问题，就开ultra玩玩

[JStars @JiangS78846]

Gemini 4已经可以使用了，要不要开ultra呢？有人试过怎么样吗？

[JStars @JiangS78846]

Meta 新模型 Muse Wonder 刚上 BridgeBench 榜单，成绩有点尴尬。
总分 611，只排第 8。
比自家上一代 Muse Spark 1.3 只多了 5 分，
比 Anthropic 最小的 Haiku 5.5 也就高 10 分。
榜首 Claude Opus 5.5 拿了 760，足足领先 149 分。
可在 Artificial Analysis 的智能指数上，Muse Wonder 有 52 分，
Full 版更是 56 分，离 Opus 5.5 只差 2 分。
同一个模型，换个榜单，排名差了一大截。
你觉得是榜单测法不一样，还是 Meta 真的在刷分？

（图源：BridgeBench @bridgebench）

[JStars @JiangS78846]

这个增长速度很快啊，基本确定Gemini4会在明天中午十二点之前发布了

[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]

@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