Basis 用 GPT-6 Astra 以 2 倍速度完成税务工作簿
Basis 用 GPT-6 Astra 完成一份 50 个标签页的税务工作簿,速度达到 GPT-5.6 Sol 的 2 倍。该模型对用户意图的理解更强,让 Basis 对实际使用更有信心。
Basis 用 GPT-6 Astra 完成一份 50 个标签页的税务工作簿,速度达到 GPT-5.6 Sol 的 2 倍。该模型对用户意图的理解更强,让 Basis 对实际使用更有信心。
Vals AI 记录 GPT-6 Astra 在 141 小时 Minecraft 基准测试中走得比任何 AI 都远,却因 Creeper 炸毁箱子与床而丢失全部装备和出生点。随后数小时几乎只种土豆,并出现
Together AI 在 113 个 DeepSWE 任务、每侧 452 次 rollout 上对比 GLM-5.3(max)与 GPT-5.6 Sol(max)。
推荐理由:同一跑道上 GLM-5.3 以一半价格逼近 Sol,在重试和覆盖率上反而反超,读者可据此设计前端开源、后端旗舰的级联路由。
Together AI 在 DeepSWE 上对比 GLM-5.3 与 Claude Fable 5:首次尝试通过率 69.0% vs 69.7%,GLM-5.3 每次调用 $3.99。
推荐理由:在精度相近时,GLM-5.3 以五分之一成本覆盖更多任务,为预算有限的工程团队提供了清晰的选型与路由依据。
Together AI 在 DeepSWE 基准上对比 DeepSeek V4 Pro 0813 与 Claude Fable 5:Fable 首试准确率 69.7% 高于 Pro 的 62.8%。
推荐理由:在 DeepSWE 评测中两款模型价格相差 90 倍但表现接近,读者可据此判断何时值得为 Fable 支付溢价。
DharmaOCR 通过领域专精与两阶段训练(监督微调 + DPO),在巴西葡萄牙语基准上得分 0.925,显著高于 Mistral OCR4 的 0.798 与 Unlimited-OCR 的 0.7587。监督微调将参数集中于巴西葡萄牙语的词汇、句法与文档结构,DPO 阶段则降低推理时的退化率与不稳定输出。两阶段缺一不可:微调建立领域能力,DPO 确保该能力在生产条件下稳定。