最好的DIAMOND AI工具模型_精选DIAMOND资讯

AI资讯

谷歌Gemini 3发布后迅速登顶LMArena排行榜，马斯克与阿尔特曼齐送祝贺

谷歌Gemini 3 Pro以1501 Elo创LMArena历史新高，超越GPT-5.1等模型，成多模态模型榜首。在科学、数学及视频任务中表现卓越，如“人类终极考试”达37.5%，GPQA Diamond 91.9%。Deep Think模式进一步提升推理能力，通用智能测试ARC-AGI-2得分45.1%。

9.2k 40 分钟前

xAI 发布 Grok4Fast，效率提升40%，基准测试表现不输 Grok4!

xAI 推出了 Grok4Fast，这是一款轻量级的旗舰模型，据该公司称，其性能可媲美 Grok4，但计算量减少了40%。据AIbase报道，这一显著的效率提升使得每项任务的成本最多可降低98%。性能与效率的平衡Grok4Fast 在多个基准测试中表现出色，例如在 GPQA Diamond 中得分高达85.7%，在 AIME2025 中得分为92.0%，这些成绩与 Grok4甚至 GPT-5等顶尖模型不相上下。xAI 强调，该模型通过减少“思考标记”实现了这一成就，平均使用比 Grok4少40% 的标记就能获得相似的结果。在处理需要复杂推理的问题时，这种效率优势尤

10.5k 11-16

xAI 发布 Grok4Fast，效率提升40%，基准测试表现不输 Grok4!

OpenAI最新基准测试:AI编程能力达人类四分之一，显现局限性

OpenAI近日发布了一项重要的AI编程能力评估报告，通过价值100万美元的实际开发项目揭示了AI在软件开发领域的现状。这项名为SWE-Lancer的基准测试涵盖了1，400个来自Upwork的真实项目，全面评估AI在直接开发和项目管理两大领域的表现。测试结果显示，表现最佳的AI模型Claude3.5Sonnet在编码任务中的成功率为26.2%，在项目管理决策方面达到44.9%。虽然这一成绩与人类开发者仍有差距，但在经济效益方面已展现出可观潜力。数据显示，仅在公开的Diamond数据集中，该模型就能完成价值208，050美元的项

13.9k 6 小时前

满血版o1正式上线！OpenAI推出超豪华ChatGPT Pro 每月200美元！

昨天晚上，OpenAI推出了全新o1模型和ChatGPT Pro订阅服务，为AI技术描绘了令人心潮澎湃的发展蓝图。这次发布会上，Sam Altman及其团队用不到15分钟的时间，展示了o1模型的革命性突破。与此前的预览版本相比，新o1在多个关键指标上实现了跨越式提升。数学能力提升近30%，编码能力跃升27%，在GPQA Diamond基准测试中甚至超越了人类专家的表现。在最新版本中，o1展现出了更强大的能力。它不仅可以处理文字，还支持图像识别，并且在代码生成和数学问题解决上更加出色。OpenAI的内部测试显示，o1

15.7k 4 天前