一句话判断
Grok 4.5 的具体得分数据，可作为性能参考。
核心信息
Grok 4.5 在 VulcanBench v3 基准测试中以 91.3% 的分数排名第一。
原始内容
相关动态
Sakana AI 发布 Fugu-Ultra v1.1
Sakana AI 团队发布 Fugu-Ultra v1.1，通过动态编排最新前沿模型，性能比 v1.0 提升最多7.9分，在复杂编码和推理任务上超越 Fable 5（即使未在 agent pool 中使用它），且价格保持不变。
The Stack v3 发布：最大的开放代码数据集
BigCode 社区发布 The Stack v3，这是迄今最大的开放代码数据集，包含 114 TB 原始数据、15.9 TB 处理后数据、约 5T 去重 tokens，涵盖 770 种编程语言和 2.24 亿仓库，完全开放且无限制许可。相比 2024 年的 v2（68 TB raw / 550B tokens / 618 种语言），v3...
英美政府安全机构联合评估Kimi K3网络安全能力
英美政府安全机构联合发布报告，对比Kimi K3与美国前沿模型的网络安全能力。Kimi K3在模拟攻击中平均步骤17，而美国最强模型达28.5；在ExploitBench中，Kimi K3评分32.2%，美国领先模型76.2%，GLM-5.2为24.4%。
OpenAI 推出桌面版 ChatGPT Voice 语音控制功能
OpenAI 在 macOS 和 Windows 桌面应用中推出 ChatGPT Voice 功能，基于 GPT-Live 模型，支持用户通过语音控制电脑、同时指挥多个 agents，实现语音交互与任务协调。该功能面向 Plus、Pro、Business、Edu 和 Enterprise 计划用户，全球逐步上线。
AI医疗索赔代理
PE支持的医疗账单平台在四个月内部署了七个生产级AI代理，处理真实医疗索赔并确保零PHI泄露。他们通过构建包含34个动态变量的丰富化层、固定架构和严格的输出模式验证，将调用路由在两个模型提供商之间进行交换而不影响输出。与常规直接接入模型的做法相比，该团队花费的工程时间主要用于构建评估套件和数据预处理，实现了可靠的生产运行。