一群大模型玩你画我猜，人类一旁围观超起劲儿。就像下面这张图展示的，由Grok画长颈鹿，一堆大模型根据生成内容猜答案。参赛选手包括GPT-4o、Claude、Llama、Gemini、Grok等。其实这是最近爆火的一种新的测试基准（doge）。游戏结果一定程度上能反映出大模型能力，比如这组测试一共
......
本文由站长之家合作伙伴自媒体作者“量子位公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
我被这个Claude3.5这个神级Prompt惊呆了。
【新智元导读】围剿英伟达，数十万颗自研二代芯片超算在建!亚马逊祭出地表最强全家桶，多模态Nova击败GPT-4o。亚马逊推出了号称最强大的多模态模型Nova系列。IDC在2023年12月发布的最新研究报告显示，英伟达当前在AI芯片市场中占据着约95%的主导地位。
【新智元导读】AI自主研发会真的「失控」了吗?最新研究显示，Claude3.5Sonnet和o1-preview在2小时内的研发任务中，击败了50多位人类专家。但另一个耐人寻味的现象是，给予更长时间周期后，人类专家在8小时任务中优势显现。「扩展法则实验」得分存在运气成分虽然良好的实验可以帮助人类专家在环境中做出明智的预测，但智能体还是主要依赖猜测，更多是运气不是技巧的问题。
Anthropic又发大礼包!现在Claude自己就是一台服务器。能直连GitHub，AI自己写代码、自己创建仓库、Push代码、创建Issue、创建分支、创建PR一条龙服务。官方谷歌文档支持恐怕正是通过MCP实现的。
AI编程模型的开源王座易主了!Qwen2.5-Coder-32B正式发布，霸气拿下多个主流基准测试SOTA，彻底登上全球最强开源编程模型宝座。更重要的是，在代码能力的12个主流基准上，Qwen2.5-Coder-32B与GPT-4o对决，斩获9胜，一举掀翻闭源编程模型的绝对统治。可以期待一下~关于Qwen2.5-Coder的更多信息，可直接通过下方链接了解。
ScalingLaw又能续命了?如何通过语言智能体的高级规划来Scaling推理时计算?答案就是——使用LLM作为世界模型。使用GPT-4o来预测网站上操作的结果，可以提供强大的性能，同时还能提高安全性和效率。其他还有多模态，基础、规划与推理，合成数据和智能体安全。
法国著名开源大模型平台Mistral.ai，开源了超大多模态模型——PixtralLarge。PixtralLarge有1240亿参数，支持128K上下文，能理解文本、图表、图像等，也是Mistral.ai自家聊天助手leChat目前正在使用的视觉模型。LeChat提供了一个从模型到输出的完全集成平台，用户可以在一个平台上完成所有的多模态任务，无需在多个工具之间切换，简化了工作流程。
谷歌、Anthropic、微软和OpenAI都是AI领域的顶尖玩家，但现在看来，这些公司在开发更先进的AI大模型时都遇到了不小的困难。OpenAI曾接近一个重要的里程碑。有意思的是，尽管说需要这么多投入，Altman却又声称用现有的硬件就能实现AGI。
以全面提升的创意写作、技术支持和文件处理能力，再次夺回ChatbotArena的榜首宝座。还更新了API，开发者们现已可直接体验这一强大模型。无论是小型应用开发是大型企业解决方案，GPT-4o的新功能都能为开发者提供更强大的支持。
ChatGPT诞生的第二年，OpenAI和国内的一众企业正在试着“抛弃”它。在ScalingLaw被质疑能力“见顶”的情况下，今年9月，OpenAI带着以全新系列命名的模型o1一经发布，“会思考的大模型”再度成为焦点。在如何不过度思考的情况下，平衡大模型的推理进化和用户对效率的需求?这是杨植麟几个月前在云栖大会上的提问，这个问题需要留给国内大模型厂商们继续解决。
