一句话判断
新增 70B 版本参数及对应基准提升数据
核心信息
Meta 发布 Llama 3 8B 与 70B 两款模型,参数量分别为 8B 和 70B。 在 MMLU 基准上,8B 版本比 Llama 2 提升 5%,70B 版本提升 3%。
原始内容
相关动态
BestBlogs 早报 07-25: Claude Opus 5 等
Anthropic 发布 Claude Opus 5 旗舰模型,Frontier-Bench 得分超前代两倍,ARC-AGI 3 是次优模型三倍,但网络安全能力落后。Moonshot 开源 Kimi K3 开放权重模型;火山引擎开源 SearchCLI Agent 搜索技术;AMD 发布 MI455X 等硬件。
Sakana AI 发布 Fugu 模型
Sakana AI 发布新模型 Fugu,参数量为 1B,在 MMLU 基准上达到 75% 准确率,比同规模模型高出 5 个百分点。该模型采用高效训练技术,但未开源。
Claude Opus 5 在 AA-Briefcase 基准上领先 Fable 5,成本更低
Artificial Analysis 发布评测,Claude Opus 5 在 AA-Briefcase 基准上以 1720 Elo 领先,比 Claude Fable 5 高 146 点,成本降低 20% 至 $17.79 每任务,但推理时间更长,max 设置平均 36.2 分钟。
Opus 5 性能大幅提升
在发布仅两个月内,Opus 5模型在ARC-AGI 3基准上从Opus 4.8的低于5%提升至超过30%,并在Artificial Analysis基准上以比Fable 5低26%的成本提供相当智能。
Claude Opus 5 在 3D 编码测试中超越 Fable 5,价格仅为其三分之四
Anthropic 发布了 Claude Opus 5,官方称其为 '思慎且主动的模型',性能接近 Claude Fable 5 但价格仅为后者一半。Opus 5 在 frontier-bench v0.1(43.3%)、gdpval-aa v2(1861)、arc-agi-3(30.2%)、zapier automationbench(...