
Sign up to save your podcasts
Or


OR-License 用 31 題真實付費作業研究案考 AI agent。AI 隨時能問模擬客戶 ORSim,卻幾乎只在開頭問,多數模型的錯出在把需求建模錯,程式照樣能跑,問題很難從外面看出來。
AdaExploreBench 讓規則在測驗中途不預告地改變,同時換掉一個因素、反轉另一個因素的影響方向。在隨機水準之上的六個模型平均立刻掉 26.9 分,漏掉方向反轉的回合約是漏掉替換的四倍多。強迫多探索沒有讓成績變好,把評測證據留給模型看,七個模型裡六個進步。
Codex 的 Pro 方案調整後,Theo 把每週用量上限照 API 牌價換算,200 與 500 美元兩檔都標成月費的 21 倍。這是帳面價值,以 200 美元方案用 GPT-6.1 Sol 推算,平均每天要用掉約 140 美元的 API 用量才算把額度用滿。
Anthropic 為 Max 與 Team 方案附上每月 API 額度,OpenAI 的 $100、$200、$500 方案也送等額額度,兩家的額度都在當期結束時過期。Haiku 5.5 超過 100,000 token 價格跳 5 倍,同一段長提示約多用 1.25 倍 token,實際成本要看帳單細則。
YC Labs 和 Olam Labs 讓 50 個 AI agent 組隊在 Minecraft 生存 3 小時,它們沒人教就搭出配給帳本、許可證與指派操作員,還越來越不敢離開庇護所。另一組 Mindustry 對戰裡,GPT 隊對 Claude 隊 7 場贏了 6 場,卡關時只有 GPT 隊會上網翻遊戲原始碼。
OpenAI Developers 宣佈,符合資格的 ChatGPT Pro 與 Business 訂閱者每月最多可以領 500 美元 API 額度,指定用來做 App 和 agent。Pro 方案依等級分成每月 100、200、500 美元三檔,Business 按付費席位累計,一個 workspace 最多 500 美元。額度要到 ChatGPT 的帳單頁面自己領取,沒用完的部分在帳單週期結束時到期,不會帶到下一期。
Artificial Analysis 推出 Intelligence Index v5,多項評測對瞎掰與出錯重罰,六成建立在不公開的題目或答案上。前三名 Claude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol 只差 3 分,每題成本卻從 10.04 美元到 1.27 美元,相差約 8 倍。
Google DeepMind 世界模型 Genie 4 能用打字即時換天氣、加入新的人或物件,Gemini 3.8 Flash 在迴圈裡驗收每一步。官方點名三種飄移情況,研究預覽先給受信任測試者。
OpenAI 的 Tibo 宣布 Pro 100、200、500 與 Business Premium 用量上限全部加倍,發文當天生效,Pro 200 上限不調降,Work 和 Codex 用量照舊,dot 用量也照舊和預設用量分開計算。比較 AI 方案時,月費之外,用量上限同樣決定同一個月費實際換到的量。
NVIDIA 的 Nemotron 3.5 Transcribe 換一句指令,同一份會議錄音就能產出逐字稿、翻譯,或直接回答會議做了哪些決定。醫療案例在指令寫明英文與拉丁字母,錯誤率從 30.8% 降到 23.8%,詞表後面再補一句錄音裡真的有聽到才用,避免模型把提示硬塞進逐字稿。中文普通話目前只列在最低一級「Supported」,對錄音發問的功能只用英文訓練。