只看模型 #Anthropic

#Anthropic

今天10月23日周五1 条

10月23日星期五 · 1 条

02:23
Artificial Analysis@ArtificialAnlys· 02:23AI 评分4848
CritPt v2 已在 Artificial Analysis 上线，CritPt 团队复核了全部 70 道研究级物理题，修正表述不清、错误与拼写问题并提升评分器稳定性，同时改为智能体方式运行，模型可在离线沙箱中写代码并调用计算工具。
模型 #评测/基准 #OpenAI #Anthropic

10月22日周四

10月22日星期四

20:44
Artificial Analysis@ArtificialAnlys· 20:44AI 评分2020
在 AA-PersonalityBench 中，Anthropic 模型总体上是所有被测模型中信息密度最高、文学素养最强的 ➤ 信息密度最高：Claude Fable 5.1（100）、Claude Opus 5.5（97）、Claude Sonnet 5.5（95）和 Claude Haiku 5.5（92） ➤ 文学素养最强：Claude Haiku 5.5（100）、Claude Opus 5.5（97）和 Claude Fable 5.1（95）
模型 #评测/基准 #Anthropic
10:26
Artificial Analysis@ArtificialAnlys· 10:26AI 评分4848
Artificial Analysis 用 MLCR-AA 和 HealthBench Professional 对比了 14 个模型：Claude Sonnet 5.5、Opus 5.5、Fable 5.1 拿下 MLCR-AA 完整性前三。
模型 #评测/基准 #OpenAI #Anthropic
03:43
ARC Prize@arcprize· 03:43AI 评分6666
ARC Prize 公布 Claude Sonnet 5.5 的 ARC-AGI (Verified) 评测结果：ARC-AGI-3 得分 72.4%（provider adapter harness，花费 $8.2K）、24.3%（standard harness，$7.4K），ARC-AGI-2 得分 83.9%（$0.55/task），ARC-AGI-1 得分 96.5%（$0.14/task）。其 ARC-AGI-3 的 72.4% 成绩尤为突出。
模型 #评测/基准 #Anthropic
01:39
Artificial Analysis@ArtificialAnlys· 01:39AI 评分3737
Artificial Analysis 的 AA-3D 场景测试中，Claude Fable 5.1 与 Sonnet 5.5 明显呈现了圣家堂的魔方，Grok 4.7 与 Step 5 Preview 则把它藏在柱子后，四款模型均为离线、未被提示。
模型 #评测/基准 #多模态 #Anthropic
01:39
Artificial Analysis@ArtificialAnlys· 01:39AI 评分4646
Artificial Analysis 推出新基准 AA-PersonalityBench，衡量模型的谄媚（Sycophantic）人格特质。测得最老的三个模型 GPT-4o、Llama 4 Maverick、GPT-3.5 Turbo 排名最高，Grok 4.7、Claude Fable 5.1 与 Inkling 最低。
模型 #评测/基准 #OpenAI #Meta
00:06
Artificial Analysis@ArtificialAnlys· 00:06AI 评分4848
Artificial Analysis 更新了 Wisedocs 医疗长上下文推理基准 MLCR-AA 的提示与评分方式，Claude Sonnet 5.5（max with fallback）与 GPT-6 Astra（max）以 41.7% 并列第一。
模型 #评测/基准 #Anthropic #OpenAI

10月21日周三

10月21日星期三

13:17
Artificial Analysis@ArtificialAnlys· 13:17AI 评分4545
Artificial Analysis 用 Claude Opus 5.5 (max) 主模型加 GPT-6 Luna (high) 副模型测试 Cognition 的 Devin Fusion CLI，在 Coding Agent Index 上得 68.1 分。
模型 #评测/基准 #编码 #Agent
00:55
Artificial Analysis@ArtificialAnlys· 00:55AI 评分6464
Artificial Analysis 分析 Intelligence Index 各阈值达成的成本变化：达到 30 分如今每任务 0.03 美元（GPT-6 Luna high）。
模型 #评测/基准 #OpenAI #Anthropic

10月20日周二

10月20日星期二

14:11
Artificial Analysis 完整文章· 14:11AI 评分5353
Artificial Analysis 发布 HealthBench 与 HealthBench Professional 模型健康对话排行榜
Artificial Analysis 上线 HealthBench 和 HealthBench Professional 排行榜，两个基准来自 OpenAI，用医生编写的评分标准评估模型在真实健康对话中的表现。
模型 #评测/基准 #OpenAI #Anthropic
07:24
Artificial Analysis@ArtificialAnlys· 07:24AI 评分5252
Artificial Analysis 为 OpenAI 的 HealthBench 与 HealthBench Professional 基准上线排行榜，评估模型对真实健康对话的回复。
模型 #评测/基准 #OpenAI #Anthropic

10月17日周六

10月17日星期六

23:31
The Decoder：AI News· 23:31AI 评分7171
Anthropic 的 Claude 用不到 30 分钟破解 NSA 悬置 25 年的 ECDSA 种子之谜
Anthropic 的 Claude 在不到 30 分钟内破解了一个悬置 25 年的密码学谜题：NIST 在 2000 年标准化的 ECDSA 椭圆曲线种子由 NSA 提供，来源不明，长期引发后门怀疑。
模型 #评测/基准 #推理 #Anthropic
03:32
Claude@claudeai· 03:32AI 评分2525
Haiku 5.5 写了二十首俳句，然后用 JavaScript 画出了每一帧。
模型 #模型发布 #多模态 #Anthropic

10月15日周四

10月15日星期四

11:22
Artificial Analysis@ArtificialAnlys· 11:22AI 评分4141
Artificial Analysis 让多个 AI 模型在离线沙盒中以智能体方式用 3D 搭建埃菲尔铁塔，Claude Opus 5.5 和 Grok 4.7 都凭记忆写出了铁塔一层平台下全部 72 位法国科学家、工程师和数学家的名字，且每侧 18 人顺序正确。
模型 #评测/基准 #Agent #Anthropic
04:23
Arena.ai@arena· 04:23精选AI 评分6666
Arena 发布基于超过 5000 次真实智能体会话的评测结果，Meta 的 Muse Wonder (Max) 进入 Agent Arena 第12名，净提升 +6.4%，比 Muse Spark 1.3 (Max) 高 +2.8 分并上升四位。
引用Arena.ai@arena
由 @AIatMeta 推出的 Muse Wonder (Max) 已进入 Code Arena：WebDev 以 1651 分位列第 15，Text Arena 以 1513 分位列第 2！在 Code Arena：WebDev 中，Muse Wonder (Max) 以 1651 分位列第 15。这一结果略低于以 1659 分位列第 12 的 Muse Spark 1.3 (Max)，与以 1655 分位列第 14 的 Kimi K3 (Max) 相差 4 分以内，并比以 1640 分位列第 16 的 Grok 4.7 (xHigh) 高 11 分。此次发布在 Text Arena 中相较过去的 Muse 模型有显著提升。与以 1494 分位列第 11 的 Muse Spark 1.3 (Max) 相比，Muse Wonder (Max) 提升了 +19 分并上升 9 位至第 2。它落后于以 1525 分排名第 1 的 Gemini 4 Argon (High) 12 分。祝贺 @AIatMeta 团队发布这一版本！
模型 #评测/基准 #Agent #Meta
推荐理由：原文基于5000多个真实智能体会话给出排名和成本对比，读者可据此衡量 Muse Wonder (Max) 的性价比变化。
01:38
ARC Prize@arcprize· 01:38AI 评分5555
ARC Prize 公布 Anthropic 的 Claude Haiku 5.5 在 ARC-AGI (Verified) 上的成绩。ARC-AGI-3 得分 2.8%、成本 $437（provider adapter harness），标准 harness 下为 0.5%、$388；ARC-AGI-2 得分 61.3%、$0.085/task；ARC-AGI-1 得分 89.0%、$0.051/task。官方评价称其为 Anthropic 小模型梯队带来了有竞争力的表现。
模型 #评测/基准 #Anthropic
01:38
ARC Prize@arcprize· 01:38AI 评分5353
ARC Prize 解释在 ARC-AGI-2 榜单中省略 Claude Haiku 5.5 的 max reasoning 结果，因为该设置只完成 120 个任务中的 74 个，且许多未完成的尝试在耗尽输出预算前无法返回可解析的答案。完整结果见 https://arcprize.org/results/anthropic-claude-haiku-5-5。
模型 #评测/基准 #Anthropic
01:38
ARC Prize@arcprize· 01:38AI 评分4040
@AnthropicAI - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Haiku 5.5 完整结果：https://arcprize.org/results/anthropic-claude-haiku-5-5
模型 #评测/基准 #Anthropic
00:47
Arena.ai@arena· 00:47AI 评分6363
Arena 宣布 Claude Haiku 5.5 (High) 上线 Agent Arena，基于超 20.5K 次真实智能体会话，净提升 +1.48%，综合排名 #27，Code 类排名 #15（+4.83%）。
引用Arena.ai@arena
Real-world results are in for Claude Haiku 5.5 (High) by @AnthropicAI. Debuting at #30 with 1587 pts in Code Arena: WebDev, this release sits just outside the Pareto frontier while still offering strong cost efficiency. It matches GPT‑6 Luna’s price at $0.10/$0.50 per 1M input/output tokens while scoring six pts higher. Compared with other Claude models, Haiku 5.5 offers: - 90% lower cost than Haiku 4.5 at +257 pts - 95% lower cost than Sonnet 5.5 (High) at -128 pts - 98% lower cost than Opus 5 (High) at -70 pts - 99% lower cost than Fable 5.1 (Max) at -157 pts Congrats to the team at @AnthropicAI on this release!
模型 #评测/基准 #Agent #编码
00:16
Arena.ai@arena· 00:16AI 评分5757
Arena 宣布 Anthropic 的 Claude Haiku 5.5 (High) 上线 Agent Arena，基于超 20.5K 真实智能体会话，净提升 +1.48%，总排名第 27。
引用Arena.ai@arena
Real-world results are in for Claude Haiku 5.5 (High) by @AnthropicAI. Debuting at #30 with 1587 pts in Code Arena: WebDev, this release sits just outside the Pareto frontier while still offering strong cost efficiency. It matches GPT‑6 Luna’s price at $0.10/$0.50 per 1M input/output tokens while scoring six pts higher. Compared with other Claude models, Haiku 5.5 offers: - 90% lower cost than Haiku 4.5 at +257 pts - 95% lower cost than Sonnet 5.5 (High) at -128 pts - 98% lower cost than Opus 5 (High) at -70 pts - 99% lower cost than Fable 5.1 (Max) at -157 pts Congrats to the team at @AnthropicAI on this release!
模型 #评测/基准 #Agent #编码

10月14日周三

10月14日星期三

09:11
Artificial Analysis@ArtificialAnlys· 09:11AI 评分5454
Artificial Analysis 发布 Coding Agent Index 评测，Sonnet 5.5 在 Claude Code 中 max 档以 68 分登顶，xhigh 档 63 分。
模型 #评测/基准 #编码 #Agent
03:21
OpenRouter@OpenRouter· 03:21AI 评分5858
OpenRouter 称 Anthropic Opus 5.5 已成为其平台消费份额第一的模型，带动 Anthropic 在与 OpenAI 的竞争中回升。Sonnet 5.5 和 Haiku 5.5 上线初期也表现强劲；图表显示自 Opus 5.5 发布以来 Anthropic 从 OpenAI 夺回份额。
模型 #评测/基准 #OpenAI #Anthropic
02:13
The Decoder：AI News· 02:13同事件AI 评分8181
Google 全球发布 Gemini 4 Argon 旗舰模型，免费和 Plus 用户仅能用 Flash 系列
Google 开始全球推出 Gemini 4 Argon，称其为最强前沿模型，可通过 AI Studio、Gemini 应用和 Google Antigravity 使用；免费用户和 Plus 订阅者只剩较弱的 Flash 模型。
模型 #模型发布 #OpenAI #Anthropic
同一件事，精选收录的是《Google 发布 Gemini 4 Argon：面向复杂工程与科研任务的前沿模型》
01:13
Arena.ai@arena· 01:13AI 评分4040
Agent Arena 将 Bash Recovery 信号升级为 Bash Reliability，并据此更新了智能体排行榜。
模型 #评测/基准 #Agent #Anthropic

10月13日周二

10月13日星期二

23:59
🚨 AI News | TestingCatalog@testingcatalog· 23:59AI 评分2929
ANTHROPIC 🔥：Claude Fable 5.5 的痕迹已在 Azure 配置中被发现。如果这个模型今天发布，它将在许多领域成为新的 SOTA。快了？👀
引用alex getman@alexgetmancom
🚨 Fable 5.5 appeared in Azure’s East US 2 model catalog with GenerallyAvailable status https://github.com/BerriAI/litellm/commit/7dd53d6adc6213e84f62f1366ba721d09f4af992
模型 #模型发布 #Anthropic
02:32
Arena.ai@arena· 02:32AI 评分5252
Arena 发布 Agent Arena 的 Confirmed Success 追踪数据：7 月 1 日 Claude Fable 5 领先所有模型，仅 12 周后 Top 20 平均水平就已追平。
模型 #评测/基准 #Agent #Anthropic

10月11日周日

10月11日星期日

01:34
Arena.ai@arena· 01:34AI 评分5858
Arena 更新 Image-to-WebDev Arena 榜单，Anthropic 的 Claude Opus 5.5 (Max) 以 1749 分排名第一，Claude Sonnet 5.5 (xHigh) 以 1740 分位居第二，两者均落在 Pareto 前沿。
模型 #评测/基准 #编码 #Anthropic

10月10日周六

10月10日星期六

18:03
The Decoder：AI News· 18:03AI 评分4040
Google Gemini 4 "Carbon" 被曝编程性能接近 Anthropic Opus 5.5
Google 正在内部测试 Gemini 4 的 Argon、Barium、Carbon 三个变体，其中 Carbon 已在内部编程平台 Jetski 部署，编程任务表现优于 Argon，有员工将其与 Anthropic 最强编程模型 Opus 5.5 相提并论。
模型 #模型发布 #编码 #推理

10月9日周五

10月9日星期五

04:17
Arena.ai@arena· 04:17精选AI 评分7171
Arena 公布 Anthropic Claude Haiku 5.5 (High) 的真实评测结果，在 Code Arena: WebDev 以 1587 分首秀排名第 30，略在 Pareto 前沿之外。
引用Claude@claudeai
隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。
模型 #评测/基准 #推理 #编码
推荐理由：榜单方给出 Haiku 5.5 在 Code Arena 的实际得分与各档 Claude 模型的成本分差，便于横向权衡性价比。

10月8日周四

10月8日星期四

15:11
meng shao@shao__meng· 15:11AI 评分6666
Anthropic 发布 Claude Haiku 5.5，官方称这是其推出的最便宜、最快、能力最强的小模型，运行成本平均比 Claude Haiku 4.5 低约 75%。作者称其 benchmark 全面领先 GPT-6 Luna，OpenRouter 观测的 token 输出速度约为 2 倍，并观察到不少用户正从 CodeX 迁移到 Claude Code。
引用Claude@claudeai
隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。
模型 #评测/基准 #Anthropic
11:18
Artificial Analysis 完整文章· 11:18精选AI 评分7878
Anthropic 发布 Claude Haiku 5.5，Artificial Analysis 评测得分 43
Anthropic 发布 Claude Haiku 5.5，在 Artificial Analysis Intelligence Index 得 43 分，较上一代 Haiku 一年内提升 26 分，是首个支持 effort 设置与 adaptive thinking 的 Haiku 模型。
模型 #评测/基准 #Anthropic
推荐理由：原文给出 Haiku 5.5 的跑分、token 消耗与分层定价细节，并指出 token 用量偏高和拒绝率问题，可作为选型参考。
09:27
MarkTechPost· 09:27同事件AI 评分7777
Anthropic 发布 Claude Haiku 5.5：1M 上下文，输入每百万 token 0.10 美元
Anthropic 发布 Claude Haiku 5.5，为目前最便宜最快的小模型，1M 上下文窗口、最高 128K 输出，10 万 token 以内输入每百万 0.10 美元、输出 0.50 美元，比 Haiku 4.5 低约 90%。
模型 #模型发布 #Anthropic
同一件事，精选收录的是《Anthropic 发布 Claude Haiku 5.5，运行成本平均降低约 75%》
08:11
Orange AI@oran_ge· 08:11AI 评分4242
A 社发善心，Claude Haiku 5.5 降价 90%，价格对齐 GPT 6 Luna 能力方面非常能打。。。这可能是最佳性价比模型
模型 #产品更新 #Anthropic
06:34
IT之家·人工智能· 06:34AI 评分7474
Anthropic 发布 Claude Haiku 5.5，运行成本较 4.5 低约 75%
Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，称其为速度最快、最便宜、功能最强的 Haiku 小型模型，运行成本平均较 Haiku 4.5 低约 75%。
模型 #模型发布 #Anthropic
05:21
Simon Willison 博客· 05:21AI 评分7272
Anthropic 发布 Claude Haiku 5.5，10 万 token 内与 GPT-6 Luna 同价
Anthropic 发布快速低价模型 Claude Haiku 5.5，10 万 token 内定价 $0.10/$0.50 每百万 token，与 GPT-6 Luna 持平，超过后涨价 5 倍至 $0.50/$2.50。
模型 #模型发布 #Anthropic
03:13
Boris Cherny@bcherny· 03:13同事件AI 评分6969
Anthropic 发布 Claude Haiku 5.5，定位为其史上最便宜、最快且能力最强的小模型，平均运行成本比 Claude Haiku 4.5 低约 75%。Boris Cherny 补充称其具备 100k token 上下文，价格比 Haiku 4.5 便宜 10 倍。
引用Claude@claudeai
隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。
模型 #模型发布 #Anthropic
同一件事，精选收录的是《Anthropic 发布 Claude Haiku 5.5，运行成本平均降低约 75%》
03:13
Artificial Analysis@ArtificialAnlys· 03:13同事件AI 评分7474
Anthropic 发布 Claude Haiku 5.5，在 Artificial Analysis 智能指数得 43 分，较上一代 Haiku 一年内提升 26 分。
模型 #评测/基准 #Anthropic
同一件事，精选收录的是《Anthropic 发布 Claude Haiku 5.5，Artificial Analysis 评测得分 43》
03:10
The Decoder：AI News· 03:10同事件AI 评分7878
Anthropic 发布 Claude Haiku 5.5，平均降价约 75% 并同步下调 Sonnet 5.5 缓存读取价格
Anthropic 发布 Claude Haiku 5.5，为公司迄今最快最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内的提示词降价最高达 90%。
模型 #模型发布 #Anthropic
同一件事，精选收录的是《Anthropic 发布 Claude Haiku 5.5，运行成本平均降低约 75%》
02:58
Arena.ai@arena· 02:58AI 评分6363
Anthropic 发布的 Claude Haiku 5.5 现已进入 Arena，用户可前往 Agent Arena 实测，分数即将公布。Agent Arena 基于全球用户贡献的数百万真实长程智能体任务评估模型，模型可调用网页搜索、文件系统和终端工具，榜单用因果追踪方法衡量模型相对平均模型的结果表现。
引用Claude@claudeai
隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。
模型 #评测/基准 #Agent #Anthropic
02:48
Thariq@trq212· 02:48同事件AI 评分6868
Anthropic 发布 Claude Haiku 5.5，称其为最便宜、最快且能力最强的小模型，10 万 token 以内价格比 Haiku 4.5 便宜 10 倍，平均运行成本低约 75%。用户可在 computer use、workflows 和 API 中使用。
引用Claude@claudeai
隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。
模型 #模型发布 #Anthropic
同一件事，精选收录的是《Anthropic 发布 Claude Haiku 5.5，运行成本平均降低约 75%》