小路读 AI 论文:2024 年 11 月 17 日精选 5 篇
精选 5 篇高质量 AI 论文,涵盖科学智能体、形式化验证、信念诡计与 Harness 规模效应。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
精选 5 篇高质量 AI 论文,涵盖科学智能体、形式化验证、信念诡计与 Harness 规模效应。
微软发布 MAI Licensed Weights,允许企业在自有 Azure 环境中部署并定制微软前沿 AI 模型,数据和定制成果归企业所有。
Krea AI 推出 Video Swap,可在 Krea Video 中使用。官方称其采用新工作流,能以较高精度替换视频中的角色、产品和背景。
OpenAI 发布两款新模型 GPT-6.2 Astra 和 Sol,Astra API 降价 20%,Plus 及以上订阅用户免费,强调更低 token 消耗和更高性能。
Microsoft AI 发布 MAI Image 2.7 和 MAI Image 2.7 Flash,主打低成本的前沿图像生成与编辑,并在 MAI Labs 推出由 Flash 驱动的交互工作区 Canvas。
Microsoft AI 发布首个语音到语音模型 MAI Realtime 1,起步价 $0.01 每分钟音频,称其在 Big Bench Audio 和 τ-Voice 基准上于质量、速度和价格上超过 GPT Realtime 2.1。
Microsoft MAI 在 Ignite 2026 发布七款新模型,定位以更低价格提供接近前沿的性能。
Microsoft AI 发布专用安全模型 MAI Cyber 2 Flash,主打以更低成本完成漏洞发现、修复建议与威胁调查。
Microsoft AI 在 Ignite 发布面向日常企业编码任务的 MAI Code 2 和 MAI Code 2 Flash 两款编码模型。
Microsoft AI 在 Ignite 2026 主题演讲中发布 MAI 系列模型:MAI Code 2 在四个企业编码基准上平均达到 GPT 6.1 Sol 98% 的性能。
Artificial Analysis 介绍 Microsoft AI 发布 MAI-Image-2.7,成为 AA-Image-Editing v2.1 榜单第一,价格约为其身后四个模型的六分之一。
TechCrunch 报道,10 月 Vercel 的 AI 模型路由上超过四分之一的请求流向了决策模型,这类不产出 token、专用于在预设选项间快速判断的 LLM 诞生仅一个月。
OpenRouter 宣布 OpenAI 的 GPT-6.2 Astra 和 GPT-6.2 Sol 上线。Astra 面向最难的项目,评测成绩创新高且每任务成本不到 GPT-6 Astra 的三分之一,价格为 $8/M 输入、$40/M 输出;Sol 面向日常智能体工作,价格为 $2/M 输入、$10/M 输出,两者均有 Pro 版本。
OpenAI 发布 GPT-6.2 Astra 和 Sol,两个模型现已开放使用,官方称其高效且面向真实场景表现。作者(OpenAI 员工)补充 Sol 的 ultrafast 已扩展到 Pro 200 套餐,并表示 Sol 是他日常使用的主力模型。
OpenAI 的 Astra for Law 6.2 在 Harvey LAB-AA v1.1 基准上以 20.8% 的 Hallucination-Gated All-Pass Rate 排名第一,GPT-6.2 Astra(max)以 15.0% 位居第二。
非常自豪,全新的 Astra for Law(以及 6.2 版 Astra 本身)在消除模型幻觉方面领先业界: 幻觉比 Opus 5.5 少 20 倍,比 Fable 5.2 少 25 倍! 这对律师事务所尤为重要,它们对模型幻觉格外敏感。
OpenAI 宣布 API 中可使用 gpt-6.2-astra 和 gpt-6.2-sol 两个模型,均支持 Fast 与 Ultrafast 模式。
GPT-6.2 Astra 在 Terminal-Bench Science 0.1 上创下新高,该基准测试模型在终端中开展科学工作的能力,其得分比 GPT-6 Astra 高出 9 个百分点,成本不到后者的 1/3。
GPT-6.2 Astra 和 Sol 持续提升编码质量与效率,带来更高的每美元智能。 日常编码请从 GPT-6.2 Sol 开始。在 Cognition 的 FrontierCode 2.0 上以最大推理强度运行时,它的成绩与 Astra 相差不到半分,而每个任务的 API 成本约为后者的 1/5。
OpenAI 宣布 GPT-6.2 Astra 在 Agents' Last Exam 上创下新高,比 GPT-6 Astra 高 5.2 分,单任务成本不到其三分之一。该基准测试分析营销活动、制作幻灯片和构建财务表格等多步复杂专业工作。
GPT-6.2 Astra 利用一辆RC越野车的公开照片和组装手册,制作了一份动画装配指南,展示各部件如何拼装在一起,并附有一份图文零件目录。 在 BenchCAD 2.1 Core 上——该基准测试考察根据工程图纸构建3D零件和装配体的能力——GPT-6.2 Astra 的表现比 GPT-6 Astra 高出32%。
OpenAI 发布 GPT-6.2 Astra 旗舰模型,带来代码更干净、前端与 3D 模型能力提升以及更高效的工具调用。
OpenAI 发布 GPT-6.2 Astra 与 Sol 两个模型,现已在 openai.com 公开。Greg Brockman 称两个模型在专业工作和科学研究方面表现出色,且每任务成本明显更低。
OpenAI Developers 宣布,等待结束,用户现在可以在 Codex 和 API 中使用 GPT-6.2 Astra 和 GPT-6.2 Sol。
Arena 宣布 OpenAI 的 GPT-6.2 Astra 和 Sol 已进入 Arena,用户可前往 Agent Arena 测试,分数即将公布。Agent Arena 基于全球用户提交的数百万个真实长程智能体任务评测模型,模型可使用网页搜索、文件系统和终端工具完成复杂工作流,排行榜以因果追踪方法衡量模型相对平均模型的结果表现。
关联计费(Linked billing)今日以测试版上线,支持 Asana、ClickHouse、Factory、Gumloop、Harness、Higgsfield AI、Kilo Code、Linear、Major、Mintlify、Niteshift、Omni、OpenArt、Railway、Ramp、Runlayer、Tessera、Tines…
Claude Platform 现已推出关联计费测试版。 现在,Factory、Linear 和 Ramp 等工具的用户可以通过其 Claude Platform 组织支付 Claude API 用量费用,无需共享 API key。
Meta 宣布个人 AI 智能体 Muse 在澳大利亚上线,可通过 iOS、Android、muse.ai 和 Mac 应用使用,并将登陆 AI 眼镜。
Replit 发布 Replit Missions,用户设定目标、预算和边界后,由智能体集群并行规划、构建、测试并迭代,独立 AI 裁判按约定标准验收。
LangSmith 新增三项控制以管理敏感 trace 数据访问:限制谁能查看 trace 输入输出、按用户组管理团队权限、基于 metadata 设置 trace 级访问策略。这些控制可叠加使用,让工程师在不暴露客户敏感信息的前提下调试智能体。新控制现已在 LangSmith Enterprise 套餐中可用。