完整日報

AI 日報 2026-10-22

57 則值得知道的變化

要聞

3 則

較前代 GPT-5.6 Sol 的 5.4% 大幅提升；在 MultiLangBench 測試中，COBOL 通過率也從 10.9% 升至 72.1%。

匿名模型 Space Bunny 揭曉為其早期版本；電腦操作基準 OSWorld V2 得 61.7 分，列中國模型第一。

Flint 採 Apache 2.0 授權，單 token 啟用約 2.5B 參數，Recursive 公布 Terminal-Bench 2.1 達 54.9%、SWE-bench Verified 達 74.2%

4 則

模型直接讀取企業資料庫、單次前向推論即可預測流失、需求與詐欺，在 SAP SALT 基準的平均互逆排名（MRR）上勝過 AutoGluon 集成模型 8%。

據 Reddit 轉述 Hugging Face 頁面，此模型採 Apache 2.0 授權，提供 MXFP8 與 NVFP4 量化，NVFP4 版可在單張 RTX 5090（32GB VRAM）上推論。

凍結詞彙表在 LAMBADA、HellaSwag、PIQA 上與學習式嵌入持平或更好，稀有字表現領先 1.7 至 2.3 nats，新增 1 萬字僅損失 3%。

作者稱其在 TerminalBench 2.1 與 SWE-bench Pro v2 明顯勝過 Qwen3.6-35B-A3B，並支援 262k 上下文，llama.cpp 已有支援 PR。

1 則

測試採 Claude Opus 5 模型、每項漏洞上限 10 小時，並停用 CVE 查詢以避免代理直接取得公開利用程式；另有 2 項因服務停擺未達成功條件。