XNews

新模型发布与排行榜/评测动态

新模型发布与排行榜/评测动态

多条消息涉及新模型发布、模型排行榜与框架影响力。

Key insights

DeepSeekMath-V2 发布并在数学竞赛基准中表现优异

DeepSeek 发布 DeepSeekMath-V2 并在 IMO-ProofBench 与实际竞赛(IMO 2025 的 5/6 题)以及 Putnam 2024(118/120 分)中表现出色。该模型在 GitHub 与 Hugging Face 采用 Apache 2.0 协议开源,提供下载与复现途径。

Claude Opus 4.5 与 Claude Code 框架的区别:模型优秀,框架是关键

Yam Peleg 表示 Opus 4.5 在多数编码任务上表现优异,但真正的生产力提升来自 Claude Code 框架,后者支持浏览器控制、配置文件管理、子智能体协作与后台自动化执行,使得 Opus 成为“全电脑使用智能体”。Peleg 指出框架比单一模型更具革命性,并描述了高难度任务仍需手动处理的工作流实践与遇到的内存 bug。

神秘视频模型 Whisper Thunder 登顶榜单

Artificial Analysis 排行榜出现一款名为 Whisper Thunder(又名 David)的神秘视频模型,排名第一,击败 Veo 3、Veo 3.1、Sora 2 Pro 和 Kling 2.5 等模型;目前尚未公开归属方信息。

Source posts