AI快讯

TG RSS 订阅共 449 条

Scale AI 发布 SWE-Bench Pro V2

2026年9月22日，Scale AI 发布 SWE-Bench Pro V2，作为 SWE-Bench Pro 更新后的公开划分。

Claude Opus 5.5 现已登陆 Cursor

Cursor 表示，该模型以 57.8%（Max）成为 CursorBench 的新榜首，且每项任务成本比 Opus 5 低 40%。

OpenAI 提出独立评估的四个优先领域

OpenAI 表示将支持独立评估，并在训练、评估和部署环节提供深入访问，同时概述四个优先领域以及严谨、安全、独立开展工作的原则。

Hassan 推出 theopenfrontier.com，用于比较开源模型

theopenfrontier.com 从编程、智能体、长上下文、视觉、金融及其他任务比较开源模型，并同时展示成本与质量，包括改用开源模型可能节省的费用。

PyTorch Foundation 博客介绍面向 vLLM 的硬件无关层

来自 IBM、Meta 和 Hugging Face 的贡献者提出硬件无关层，旨在为在不同硬件上运行多种模型的用户兼顾前沿性能与可移植性。

LangChain 的 Managed Deep Agents 可从 Slack 发起 GitHub pull request

LangChain 表示，Managed Deep Agents 只需几行代码即可构建这类智能体。其示例 Patch 在 Slack 讨论串中被提及并收到功能描述后，会发起包含 diff 的 pull request。

Sahara AI 表示 Paper Trading 已在 HeySorin.AI 上线

用户可以构建交易策略、进行回测，并在投入真实资金之前，对照 Hyperliquid 实时市场做前向测试。

Sahara AI 表示质押 $SAHARA 可解锁每月 Sorin 积分

这些积分可用于研究、策略生成、回测和模拟交易。自动化执行仅被列为后续用途。

Paper Trading 现已在 Sorin 上线

Paper Trading 现已在 Sorin 上线，属于 HeySorinAI 交易体系的一部分。用户可以用 AI 构建交易策略并回测，再部署到 HyperliquidX 实盘市场，由 Sorin 在后台持续运行。

Claude 推出 Opus 5.5，作为首个 Claude 5.5 模型

Claude 表示，Opus 5.5 在大多数任务上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。Pi 表示，希望在 Pi 中使用该模型的用户可以等待，或运行 pi update --models。

Claude Opus 5.5 现已成为 Perplexity Computer 的 Standard 努力级别

Perplexity 已将 Claude Opus 5.5 作为 Perplexity Computer 的 Standard 努力级别开放使用。在 Perplexity 的 WANDR 基准测试中，其得分为 0.610，每项任务成本 4.13 美元，略优于 Claude Fable 5.1，同时每项任务成本低 67.6%。