BRIDGE ASR 2.0 測試 23 個語音識別模型處理長篇多語對話
elvis 表示，humynlabs 建立 BRIDGE ASR 2.0，用以評估語音識別在真實雙人對話上的表現。對話長 10 至 15 分鐘，涵蓋 18 種印度語系語言，以及西班牙語、葡萄牙語和越南語。
#benchmarks
查看全部AI快訊微軟論文報告 CASD 提示詞優化平均提升 16.6 分
CASD 讓現成的編程智能體分析完整的智能體日誌，並把發現寫成單一提示詞中的規則，無需環境存取或驗證數據。DAIR.AI 表示，在所報告的基準測試中，一次處理的表現優於 GEPA 與 SkillOpt，每個優化後的提示詞成本約 1.60 美元。
最佳 Taste-Bench 模型有 59.7% 時間選出較佳方向
微軟與合作者的論文指出，在長程工程與研究任務中選擇較佳的開放方向時，最佳模型答對 59.7% 的 Taste-Bench 問題。由較後證據決定的分岔難度高得多，加大推理預算不會提高準確率；把教師對結果的判斷蒸餾到學生模型，則能提升在留出的 SWE-bench Pro 上的成功率。
Cline 免費提供 Gemini 3.8 Flash
Gemini 3.8 Flash 在 Cline 可免費使用。Cline 表示，該模型在 Artificial Analysis Intelligence Index 得分 41，運行速度為每秒 291 個 token，上下文視窗為 100 萬個 token。
Claude Opus 5.5 在 Artificial Analysis Coding Agent Index 取得 66 分
在 Claude Code 以 max effort 運行時，Artificial Analysis 測得 Opus 5.5 為 66 分，高於 Opus 5 的 60 分及 Claude Fable 5.1 的 62 分。其每項任務成本為 13.04 美元，儘管 token 價格較低，仍高於 Opus 5 的 10.79 美元。
Artificial Analysis 報告其 Intelligence Index 成本前沿新增 11 點
MiMo-V2.6-Pro、Claude Opus 5.5、GPT-6 Luna 與 GPT-6 Sol，在不同推理力度下，合共為 Artificial Analysis 的 Intelligence Index 對每項任務成本 Pareto 前沿貢獻 11 個新點。Claude Opus 5.5（max with fallback）得分 58，每項任務成本 5.98 美元，是該指數的最高結果。
Microsoft AI 表示圖像 Elo 在九個月內由 864 升至 1147
Microsoft AI 把這個速度定為每年 377 分，即榜上第二快升幅的 1.6 倍。
Gemini 3.8 Flash TTS 在 Artificial Analysis 發音穩健度基準測試中排名第一
Artificial Analysis 表示，Google 已發布 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS，兩者為 Google DeepMind 文字轉語音模型，支援預設聲線及聲音複製。按其測試，Gemini 3.8 Flash TTS 在發音穩健度得 89.5%，並在 Provider Voice Arena 取得 1,263 Elo。
Google 表示 Gemini 3.8 Flash TTS 在 Hume AI 語音測試中排名第一
Google 報告，Gemini 3.8 Flash TTS 在 Hume AI Voice Design 的總分為 71.4，口音建模分數為 60.8。Google 亦把 Flash TTS 排在 Hume AI Overall Quality 第一，Gemini 3.8 Flash-Lite TTS 排第二。
史丹福與 Together AI 論文中，三模型自組織團隊平均得分 66.7%
DAIR.AI 報告指，史丹福與 Together AI 的一篇論文發現，o3-mini、Claude Sonnet 4 與 DeepSeek-V3 組成自組織團隊，在五項數學與物理基準測試中平均得分 66.7%，高於最強成員單獨作答的 48.8%，以及完美路由器的 59.0%。
四間實驗室分領九個語言開源權重 TTS 排行榜
Artificial Analysis 發現，沒有單一開源權重文字轉語音模型在全部九個新語言排行榜領先。領先位置分屬 Higgs Audio V3 TTS、OpenAudio S1 Mini、Voxtral TTS 和 Breeze TTS 2。
Artificial Analysis 將 StepAudio 3 ASR 的即時轉錄速度列為 88 倍
Artificial Analysis 報告，StepAudio 3 ASR 的轉錄速度為即時的 88 倍，落後三個更快的系統，接近 ElevenLabs Scribe v2 與 Gemini 3.5 Transcribe，並領先 Fun-Realtime-ASR-preview。
OpenAI 報告 GPT-6 Luna 在 DeepSWE v1.1 得分 66.6%
OpenAI 報告，GPT-6 Luna 在 DeepSWE v1.1 得分 66.6%，與中等努力程度下的 Claude Opus 5 及 Fable 5 相當，每項任務成本低 93% 至 96%；在較高努力程度下，事實準確度與 GPT-5.6 Sol 相當，成本約為其百分之一。
Scale AI 發布 SWE-Bench Pro V2
2026年9月22日，Scale AI 發布 SWE-Bench Pro V2，作為 SWE-Bench Pro 更新後的公開分組。
EvoOntology 論文報告自我演化本體層提升數據代理在 DDR-Bench 與 BIRD 的分數
elvis（@omarsar0）分享一篇關於 EvoOntology 的論文，此為面向數據代理、以 MCP 伺服器形式提供的自我演化本體層。帖文指 DDR-Bench 準確率在六個骨幹模型上平均上升 17.8 分，當中 GPT-5.5 上升 26.7 分，而 BIRD 執行準確率上升 7.4 分。