与“tag:"Computer Use"”匹配的图钉

Anthropic 发布了升级版 Claude 3.5 Sonnet,将 SWE-bench Verified 得分从 33.4% 提升到 49.0%,并成为首个在公开测试版中提供计算机操作功能的前沿模型——像人一样移动光标并打字。

Anthropic 发布了 Claude Sonnet 4.5,该公司称其为全球最佳编程模型,SWE-bench Verified 得分 77.2%,在 OSWorld 计算机操作测试中以 61.4% 领先,并能在同一任务上持续工作超过 30 小时。

Anthropic 发布了 Claude Haiku 4.5,这是一款小型模型,编程能力与 Claude Sonnet 4 相当,成本仅为其三分之一,速度提升超过两倍,面向所有 Claude 用户免费开放,API 价格为每百万输入 token 1 美元。

Anthropic 发布了 Claude Sonnet 4.6,这是其最强大的 Sonnet 模型,编程测试者更偏好它而非 Opus 4.5,它成为 claude.ai 免费版的默认模型,拥有 100 万 token 的上下文窗口,定价为每百万输入 token 3 美元。

Anthropic 发布了 Claude Sonnet 5,这是其最具智能体能力的 Sonnet 模型,在编程和计算机操作方面接近 Opus 4.8,定价为每百万输入 token 2 美元,并成为免费版和 Pro 用户的默认模型。

OpenAI 发布了 GPT-6 Astra,该公司称其为“全球最智能、对齐程度最高的模型”,先面向一小部分机构推出,随后开放给付费 ChatGPT 套餐、API 和 AWS;这是 OpenAI 首个在网络安全方面被评为“严重”级别的模型。