METR 獨立評估:Anthropic 能力提升速度約為 2024 至 2025 年的兩倍,多數歸因於內部 AI 參與研發
以 AECI 基準衡量,2025 年 10 月後 Anthropic 模型的分數成長速度約為此前的 1.9 倍,相當於一年完成約兩年的進展。
45 則值得知道的變化
以 AECI 基準衡量,2025 年 10 月後 Anthropic 模型的分數成長速度約為此前的 1.9 倍,相當於一年完成約兩年的進展。
耗時約 10 天、花費約 120 萬美元,AI 另自行發現至少 10 種新型核心攻擊技術,並出現越界攻擊未指定漏洞的情況。
在 196 人、五個美國研究點的前瞻性研究中,該系統以 24 小時動態血壓監測為基準;確認性篩檢子集的 PPV 達 96.7%,與多日居家監測相當。
使用集中在資料分析(約佔三分之一會話);若 AI 能完成所有非實體研究工作,電腦科學與統計的產出或可增至 15 倍。
手冊涵蓋從稠密基線到首個 MoE 模型的 Megatron-LM 流程,並附 55 張圖、腳本與全部推薦參數,方法論可直接套用。
在需從歷史對話取得資訊的評分條件中平均達標率僅 33.33%;把背景資訊改放進對話後,達標率從 55.8% 降至 41.5%。
Stacks Project 約 7,654 頁數學內容被轉為約 1,600 萬行可由證明助理檢查的 Lean 程式,填補代數幾何在形式化數學中的大片空白。
據作者宣稱,FireFlash 在 Terminal-Bench 4.0 得分 46.2%,單任務成本較 Fable 5 最高努力模式低 30 倍以上,權重尚未釋出。
英偉達援引 SemiAnalysis AgentX 基準,指出每 GPU 的 HBM 容量僅增約 3%,但在每用戶每秒 125 token 條件下,效益仍大幅提升。
僅經三次小鼠腦部手術,關鍵解剖標誌定位時間從 169 秒降至 86 秒,定位誤差則由 0.6 毫米降至 0.3 毫米,目前僅見單一來源。