信息情报站AI 情报 · 按工作日整理

X 博主墙

Artificial Analysis

@ArtificialAnlys · 机构 · AI

资料依据:公开简介 独立的 AI 分析机构,站点是 artificialanalysis.ai,发布模型评测等内容。

核对于 2026-11-21。资料依据:公开简介,不是独立职业认证。

已收录的帖子

112 条

最近一份日报(2026-11-21)没有收录 @ArtificialAnlys 的帖子。这不等于对方当天没有发帖,只说明这次导入里没有这条。

  • 2026-11-21 04:35 完整结果:https://t.co/nqFaPXextG日报 2026-11-20 · 原帖
  • 2026-11-21 04:35 智能指数评测完整明细:https://t.co/V2lnU95kcD日报 2026-11-20 · 原帖
  • 2026-11-21 04:35 Inkling 2 Mini 的每项任务成本比 Qwen3.8 27B 低约 6x,速度快约 4x。 在智能指数的每项任务上,它的成本为 $0.59,耗时 9.0 分钟;Qwen3.8 27B 则为 $3.53 和 38.2 分钟。GPT-6 Luna (max) 得分为 28,每项任务成本为 $0.15。成本采用 Thinking Machines 的官日报 2026-11-20 · 原帖
  • 2026-11-21 04:35 Inkling 2 Mini uses ~38% more output tokens than Qwen3.8 27B for the same Intelligence Index score, but ~2.8x less compute. Twelve of its 24 layers run three times per token, addi日报 2026-11-20 · 原帖
  • 2026-11-21 04:35 Inkling 2 Mini 在智能指数上的表现与 Qwen3.8 27B (xhigh) 和 Nanbeige4.3-33B 持平,而激活参数量分别少了约 5x 和约 6x。 无论按总参数量还是激活参数量衡量,它都处于智能水平与模型规模权衡的帕累托前沿。https://t.co/yAhZ10Z7Ij日报 2026-11-20 · 原帖
  • 2026-11-21 04:35 Thinking Machines 发布了 Inkling 2 Mini,它在 Artificial Analysis 智能指数中得分为 20。这是一个开放权重的循环 transformer,在智能水平与激活参数量的权衡上处于帕累托前沿。 Inkling 2 Mini 是一个混合专家模型,总参数量为 26B,激活参数量为 5.4B。该 https://t.日报 2026-11-20 · 原帖
  • 2026-11-21 03:50 查看更多:https://t.co/eMbH3wRI4X日报 2026-11-20 · 原帖
  • 2026-11-21 03:50 在我们用 AA-Robotics v0.1 测试过的所有模型中,GPT-6.2 Astra 完成任务所需的动作最少。 它用 92 条机械臂指令整理好了箱子,比 Claude Fable 5.2 少了约 75%。在六项任务中,它共发出 668 条指令,是 11 个模型中最少的,得分也最高 https://t.co/ND5u3Db7pV日报 2026-11-20 · 原帖
  • 2026-11-21 03:45 千禧年大奖难题:人类与两家实验室各得一分,打成平手 ➤ 人类:Grigori Perelman 在 2003 年证明了庞加莱猜想,这是迄今唯一获得官方认可的解答。他拒绝了奖金 ➤ OpenAI:声称解决了纳维-斯托克斯问题,见 https://t.co/h3XcmV44Oy日报 2026-11-20 · 原帖
  • 2026-11-21 03:06 Introducing AA-Millennium: seven problems, one human solution since 2000, and only two labs have scored above zero ➤ Human: Grigori Perelman proved the Poincaré conjecture in 2003日报 2026-11-20 · 原帖
  • 2026-11-21 01:43 ➤ 排行榜:https://t.co/9YAVImvolL ➤ 方法论:https://t.co/t1q98tB0w7 ➤ Stirrup,我们用于所有 Search API 榜单条目的开源智能体运行框架:https://t.co/09BlL5f0K5 Search API 提供商可以联系我们,加入基准测试:https://t.co/DqjVJYK90日报 2026-11-20 · 原帖
  • 2026-11-21 01:43 每项任务总 token 数统计模型在每项任务中使用的输入、推理和回答 token。Parallel Search(高级,客观)每项任务使用约 82k 个 token,在 26 个工具中排名倒数第 2,仅高于使用 41k 个 token 的 OpenAI Web Search(medium),后者是集成的第一方搜索工具。 https://t.co/w2R9Qa日报 2026-11-20 · 原帖
  • 2026-11-21 01:43 每项任务耗时包括搜索时间和模型耗时。Parallel Search(快速,客观)每项任务耗时 15.5s,是榜单上最快的工具之一,与 Octen(15.4s)和 Keenable Search(realtime)(15.8s)相当,而榜单中位数约为 28s。 其中搜索耗时 3.8s; https://t.co/RXGk2OD7hX日报 2026-11-20 · 原帖
  • 2026-11-21 01:43 每项任务总成本包含搜索成本和模型推理成本。Parallel Search(快速,客观)每项任务的成本约为 $0.014:搜索约 $0.005(4.6 次搜索,每 1k 次 $1),模型约 $0.009。 Parallel Search(高级,客观)的成本约为 $0.030:约 https://t.co/dFa35tQ8dk日报 2026-11-20 · 原帖
  • 2026-11-21 01:43 Parallel Search 在 Artificial Analysis 搜索指数中得分 83,与 Keenable Search(pro)并列榜首;其快速模式得分为 82,每项任务成本为 $0.014。 我们在 Stirrup 智能体运行框架中对 @p0 的 Parallel Search API 的快速和高级两种模式进行了基准测试,使用 https:日报 2026-11-20 · 原帖
  • 2026-11-20 08:59 或者在我们的竞技场中投票: ➤ AA-3D竞技场:https://t.co/UjBN6UyXzP ➤ 视频竞技场:https://t.co/ksERo0WDcM日报 2026-11-20 · 原帖
  • 2026-11-20 08:59 在AA-3D Explorer中亲自飞游GPT-6.2 Astra的场景: ➤ 悉尼歌剧院:https://t.co/1kncHxj1ry ➤ 机械表:https://t.co/uKLGIdTveN ➤ 巨龙袭击: https://t.co/AKX7R6yfQq日报 2026-11-20 · 原帖
  • 2026-11-20 08:59 语言模型能制作出比视频模型更好的视频吗? 如今,大语言模型可以制作动态图形、通过代码编辑视频,还能驱动Blender构建3D场景。大语言模型能与视频生成模型竞争吗? 我们测试了 @OpenAI 的GPT-6.2 Astra,它目前在AA-3D上排名 #1,构建了 https://t.co/O1ox1l2Vqe日报 2026-11-20 · 原帖
  • 2026-11-20 08:29 完整结果: https://t.co/Rf5yzmuzVx 方法: https://t.co/Giipt1dGaq日报 2026-11-20 · 原帖
  • 2026-11-20 08:29 Scribe v3的转录速度为实时速度的74x,高于Scribe v2的58x。它比MAI-Transcribe-2(334x)和Zoom Scribe V2.1 Pro(188x)更准确,但速度更慢;它比Fun-Realtime-ASR-preview(21x)更快,后者是唯一准确率更高的模型 https://t.co/2lFJjC7biD日报 2026-11-20 · 原帖
  • 2026-11-20 08:29 Scribe v3 costs $0.20 per hour, or $3.33 per 1,000 minutes, below Scribe v2 at $3.67. That is the third-lowest price of the five most accurate models, between MAI-Transcribe-2 at $日报 2026-11-20 · 原帖
  • 2026-11-20 08:29 在我们的语音智能体对话数据集AA-AgentTalk上,Scribe v3以1.47%的词错误率(WER)与Zoom Scribe V2.1 Pro并列最低。该数据集占AA-WER指数权重的一半。在Earnings22-AA财报电话会议数据集上,它的得分为3.34%,低于Scribe v2的3.95%,但落后于 https://t.co/HZZ5TOJo6v日报 2026-11-20 · 原帖
  • 2026-11-20 08:29 ElevenLabs的Scribe v3在非流式语音转文本的AA-WER指数中排名第2,词错误率(WER)为1.95%,较Scribe v2(2.18%)有所改善。 在我们的独立基准测试中,它落后于阿里巴巴的Fun-Realtime-ASR-preview(1.73%),略微领先于Microsoft AI的MAI-Transcribe-2(2.04%)。h日报 2026-11-20 · 原帖
  • 2026-11-20 07:40 完整结果: https://t.co/wDb6a2nhqV 测试方法: https://t.co/Giipt1dGaq日报 2026-11-20 · 原帖
  • 2026-11-20 07:40 Zoom Scribe V2.1 Pro Live 是 Zoom Scribe API 中 Live 模式的 Pro 档位,每小时音频收费 $0.40,即每 1,000 分钟 $6.67。该价格低于 MAI-Transcribe-2-Streaming 的 $9,高于 ElevenLabs Scribe v3 Live 的 $3.67 https://t.c日报 2026-11-20 · 原帖
  • 2026-11-20 07:40 Zoom Scribe V2.1 Pro Live 的首次部分转录(即语音结束后的首份临时文本)词错误率为 5.0%,耗时 0.55 秒,落后于词错误率为 2.5%、耗时 0.12 秒的 MAI-Transcribe-2-Streaming https://t.co/juULICjka5日报 2026-11-20 · 原帖
  • 2026-11-20 07:40 Zoom Scribe V2.1 Pro Live 在测试实时转录准确率的 AA-WER Streaming 评测中,在40款模型里排名 #1,最终转录词错误率为 2.4%,略优于 2.5% 的 MAI-Transcribe-2-Streaming。它返回该转录结果的速度较慢,在语音结束后 0.66 秒返回,而后者为 0.13 秒 https://t.co/日报 2026-11-20 · 原帖
  • 2026-11-20 07:40 Zoom Scribe V2.1 Pro Live 在 AA-WER Streaming 的最终转录准确率评测中排名 #1,词错误率为 2.4%,略优于 2.5% 的 MAI-Transcribe-2-Streaming。 我们对 @Zoom 的新流式语音转文字模型进行了独立基准测试。恭喜 Zoom 团队 https://t.co/Y5t8CB1cR2日报 2026-11-20 · 原帖
  • 2026-11-20 05:33 下周二,11月24日,欢迎来到旧金山,与开发开放权重模型的团队共度一个夜晚。 活动将以 Artificial Analysis 的最新基准测试数据开场,随后是闪电演讲和小组讨论。 报名 👇 https://t.co/askLb3adQQ日报 2026-11-20 · 原帖
  • 2026-11-20 04:28 在此比较 Gemini 4 模型与其他领先模型:https://t.co/AS2xerqcL9日报 2026-11-19 · 原帖
  • 2026-11-20 04:28 在这三个模型中,Neon 和 Hydrogen 占据了智能水平与单任务成本、智能水平与单任务耗时的所有帕累托前沿。 两者的范围从智能指数 27、每项任务 $0.29(Hydrogen,低推理强度),延伸至智能指数 61、每项任务 $6.44(Neon,超高推理强度)。https://t.co/dAYtftYAJx日报 2026-11-19 · 原帖
  • 2026-11-20 04:28 Carbon 在 CritPt(一项研究生级别的物理评测)中表现最佳,但在智能体研究和知识工作方面落后。这是因为与 Neon 和 Hydrogen 相比,它在更高推理级别下的提升有限。https://t.co/vH1WcgUEwh日报 2026-11-19 · 原帖
  • 2026-11-20 04:28 对新发布的 Gemini 4 系列感到陌生?以下是 Gemini 4 Carbon、Neon 和 Hydrogen 的一些主要亮点。 Carbon 是价格最高的模型(每 1M 输入/输出 token 的价格为 $4/$20),其次是 Neon($3/$15)和 Hydrogen($1.50/$7.50)。在低推理强度下,Carbon 的表现 https:/日报 2026-11-19 · 原帖
  • 2026-11-20 02:55 今天就来 https://t.co/rUVu2ONIwS 创建你自己的指数日报 2026-11-19 · 原帖
  • 2026-11-20 02:55 在Artificial Analysis Data Playground中创建你自己的自定义指数 添加任意Artificial Analysis基准测试,自定义其权重,并使用其他图表坐标轴绘制结果。只有在模型具备你指数中每项评估的结果时,才会获得评分,一致 https://t.co/MBUz2WivJT日报 2026-11-19 · 原帖
  • 2026-11-19 23:58 选择你接收新结果通知的方式: ➤ 新分数一上线就立即通知 ➤ 每日摘要日报 2026-11-19 · 原帖
  • 2026-11-19 23:58 你现在可以在 Artificial Analysis 上关注模型创建者和 API 提供商了。 有喜欢的创建者或提供商吗?登录 Artificial Analysis 账户并点击关注,即可在新测评结果上线时第一时间看到分数 https://t.co/JxT0bAuJ1x日报 2026-11-19 · 原帖
  • 2026-11-19 10:30 在我们的排行榜上查看完整结果: AA-Image-Editing v2.1:https://t.co/YkaRjZVI7U AA-Image-T2I v2.1:https://t.co/BWne82t8XT 或者看看图像竞技场:https://t.co/bO0hPHGPuk日报 2026-11-19 · 原帖
  • 2026-11-19 10:30 UI/UX 设计是 Kling Image 4.0 表现最好的文生图应用场景,排名 #4,相比 Kling Image 3.0 Omni 的 80 名以外有所提升。 这与它在布局和文字渲染方面的进步相吻合。Kling Image 4.0 在 UI/UX 设计方面紧随排名 #3 的模型之后。它排名最低的文生图应用场景是 https://t.co/DuTQpz日报 2026-11-19 · 原帖
  • 2026-11-19 10:30 在文生图方面,Kling Image 4.0 在全部 9 项能力上均优于 Kling Image 3.0 Omni,其中布局和文字渲染的进步最大。 Kling Image 4.0 在布局和文字渲染方面均跻身前 10,而 Kling Image 3.0 Omni 在这两项上的排名都在 80 名以外。它最好的 https://t.co/bcdwQ6ZgR3日报 2026-11-19 · 原帖

设置

主题
涨跌颜色
默认语言(抓取的新闻与资料)

页头的国旗 / 地球图标可随时临时切换。设置只保存在本机浏览器(localStorage)。