X @elonmusk10/8 14:54AI 評分20
馬斯克稱 Grok 4.7 在法律領域排名第一
馬斯克在 X 上發帖稱，Grok 4.7 在法律事務上排名第一。該帖沒有給出評測名稱、對比模型或具體分數，也沒有說明排名的來源與統計口徑。
搜尋
找到 17 筆
Hacker News front page10/4 13:54AI 評分30
資料視覺化工具目錄收錄 291 個庫，按 GitHub 等資料每日排名
一個社群維護的資料視覺化工具目錄上線，收錄 291 個圖表庫、地圖工具包、圖形視覺化與儀表盤工具，分 23 個類別，按 GitHub、npm、PyPI、CRAN 的即時資料每日重新整理排名。這些工具合計獲得 240 萬 GitHub stars，其中 171 個（60%）倉庫在過去 90 天內有活動。目錄還提供 MCP server、JSON API 和 llms.txt，方便 AI 助手基於最新資料推薦工具。
量子位10/7 07:34AI 評分63
AI 影視公司 Utopai 影片模型盲測排名第二
Artificial Analysis 最新文生影片榜單中，影視公司 Utopai Studios 的模型 Utopai X 以 1150 分位列第二，與第一名阿里 Wan 3.0 僅差 7 分，據福布斯估算其估值約 10 億美元。該榜單由評審在不知道模型名字的情況下盲投產生；Utopai X 以 MiniMax 開源的影片模型 H3 為底子做後訓練，10 項能力中有 7 項比基座更接近頂尖水平，音訊同步、運鏡控制與物理提升最明顯。
機器之心10/6 08:12AI 評分48
影視公司 Utopai 的定製模型 Utopai X 登 Video Arena 全球第二
Artificial Analysis 的 Video Arena 文生影片排行榜上，影視公司 Utopai 的定製模型 Utopai X 以 1150 的 Elo 評分位列全球第二、全美第一，這是該榜採用雙盲投票以來首次有影視公司定製模型進入前列。Utopai X 基於 MiniMax H3 架構做深度定製後訓練，在評測的 10 項細分能力中 7 項超越基座模型，音訊同步與物理規律排名第一，光照與材質、鏡頭控制排名第二。
X @elonmusk10/4 12:42AI 評分56
馬斯克稱 Grok 4.7 登頂 AA Cyber Index
馬斯克在 X 上表示，Grok 4.7 在 AA Cyber Index 上排名第一。該帖未給出具體分數、測試範圍或與第二名的差距，也未說明該指數的評測方式與更新日期。
量子位10/7 02:39AI 評分56
Meshy 入選 a16z 消費級 AI 應用月收入 Top 50，排第 31 名
a16z 第七版《百強 AI 消費者應用》報告首次新增月收入榜單，Meshy 位列第 31 名，是榜上唯一的 AI 3D 公司。該榜單依據資料分析公司 YipitData 追蹤的美國消費者銀行卡消費資料排名，同榜還有 OpenAI、Anthropic、Canva、Superhuman、Higgsfield。
Latent Space10/3 04:45AI 評分12
GPT-6.1 Sol 與 Sonnet 5.5 發布，重塑價效比前沿
OpenAI 發布 GPT-6.1 Sol，定價每百萬輸入/輸出 token 2/10 美元，遠低於 Astra 的 10/50 美元，官方稱其在 DeepSWE v1.1 上超 GPT-6 Sol 6.4 分。Sonnet 5.5 在 Agent Arena 首秀排名第 3 並在 Chat 類別登頂，Anthropic 模型包攬前三。Codex 用量於 10 月 2 日太平洋時間上午 10 點全球重置。
X @MistralAI10/7 10:06AI 評分40
Mistral Large 4 在 Harvey 法律智慧體基準居開源第一
Mistral AI 官方帳號宣布，Mistral Large 4 在 Harvey 的 Legal Agent Benchmark（LAB）中位列開源模型第一。該推文以「金球獎·法律組」的說法公布這一排名，LAB 是面向法律場景智慧體能力的評測基準。原文未給出具體分數、參評模型數量與評測細節。
Hugging Face blog● 精選10/7 08:45AI 評分82
Nemotron 微調後在 IOI 與 IMO 2026 均達金牌水平
NVIDIA 以監督微調、強化學習和反饋式推理專門化 Nemotron 3，在 IOI 2026 與 IMO 2026 雙雙達到金牌水平。IOI 2026 的 Nemotron-3-Ultra-CC 在與人相同的時限和提交限制下取得 535.4/600，高於 361.12 的金牌線和人類最高分 498.27，但屬非官方、無監督基準，未計入官方排名。
量子位10/2 22:38AI 評分55
Jev 估值 100 億美元，創始人稱日處理破萬億 token
TypeSafe AI 聯合創始人兼 CEO Diogo Almeida 在 Latent Space 訪談中透露，其 System-One 模型 Jev 估值達 100 億美元，日處理量已突破一萬億 token，且夜間流量持續走高，說明大量呼叫來自機器自動化。Jev 1.13.0 在第三方 JevBench v1.2.1 綜合榜以 75.3 分排名第一，發布影片 6 天瀏覽量超 3870 萬。
Cloudflare blog (AI)● 精選10/1 11:34AI 評分75
Cloudflare 開源決策模型 Clef，並推出 RL 微調平台
Cloudflare 發布兩個自研決策模型 Clef 與 Clef-flash，託管於 Workers AI，並以 Apache 2.0 許可在 Hugging Face 開源，可本地執行。Clef 在 Jev Decision Index 上排名第一，具備視覺編碼器與 64k 上下文視窗，中位延遲 209.3ms，快於 Jev 的 524.1ms。同時推出強化學習微調產品，供使用者按自身場景微調 Clef。
Hugging Face blog● 精選9/29 11:30AI 評分83
NVIDIA 發布 Kumo Tabular 表格基礎模型，登頂四項基準
NVIDIA 推出開源表格基礎模型 Kumo Tabular，在 TabArena、BeyondArena、TALENT 和 ScoringBench 四個基準上排名第一。該模型提供 28M 至 215M 三種引數規模，單次前向傳播即可完成分類與迴歸預測，無需訓練、調參或特徵工程，僅用人工資料預訓練，採用 OpenMDW-1.1 許可證允許商用，權重已上線 Hugging Face。
機器之心● 精選10/4 07:27AI 評分73
南洋理工研究：Harness 選擇需與模型任務聯合評估
新加坡南洋理工大學安波團隊發布報告《Finding the Right Fit》，用 4 套可配置 Harness（OpenHands、DSH、PI、openJiuwen）交叉 5 個模型、3 個任務集，共得到 66 項結果。結論是 Harness 好壞並非固定屬性，同一模型換 Harness 後排名可能反轉，原生搭配也不一定最優；成本更高未必得分更好。
Hacker News front page10/5 20:00AI 評分75
兩年隨機試驗：Khanmigo 輔導數學成績提升有限
田納西州 18 所中學的兩年叢集隨機試驗顯示，在日常補救數學課中使用 Khan Academy 的 AI 導師 Khanmigo（配置為引導而非直接給答案），學生每學期數學成績提升 1.3 個國家百分位排名，一學年約 0.06 至 0.08 個標準差，全年積極參與的隱含效應為 0.14 個標準差，與沒有 AI 輔助的 Khan Academy 練習效果相近。
X @OpenAIDevs10/6 16:47AI 評分37
@OpenAIDevs: Developers have been using the Decisions API to:
OpenAI 開發者帳號公布 Decisions API 的六類典型用法：把請求路由到合適的模型、工具或智慧體；把規模化輸入轉成標籤、排名和評分；分析影像、比較視覺內容或定位影片關鍵幀；依據截圖選擇按鈕、填寫表單或判斷操作；標記有風險的工具呼叫或需深入審查的問題；以及對大規模資料集分類以發現趨勢和模式。推文未給出定價、可用範圍或上線時間等資訊。
OpenAI News9/24 20:00AI 評分46
Wayfair 用 OpenAI 驗證 1100 萬商品規格並自動化客服工單
Wayfair 公布與 OpenAI 的合作成果：用 OpenAI 模型驗證了超過 1100 萬條商品規格，每月自動處理 4.1 萬張供應商支援工單，部分工作流自動化率達 70%，並部署了 1200 個 ChatGPT Enterprise 席位。其 AI 目錄品質系統負責核查顏色、材質、尺寸等標籤，目前擴充套件檢查範圍的速度是去年的 70 倍，已處理逾 100 萬件商品，A/B 測試顯示曝光、點選與頁面排名顯著提升。
Hacker News front page10/8 12:34AI 評分47
六款 AI 決策模型吃豆人對戰，基準與排行榜開源
有人讓 jev 1.13、kev、clef、clef flash、GPT-6 Luna 和 Laya 六款低延遲決策模型玩吃豆人對抗機器人鬼魂，每個模型各跑 100 局，並公布了排行榜。測試倉庫已開源，任何人都能接入自己的模型加入排名。這些模型通過其創業公司 opper 執行，一局成本約 2 美分，併為所有人提供免費試用額度。讀者也能自己扮演吃豆人、由模型當鬼魂，作者稱打破 jev 的高分出乎意料地難。