AICoder

AI 编程实时动态与要闻

基于 𝕏 (Twitter) 权威实验室与科学家一手信源，经 AI 降噪提炼核心事实，联动全网模型评测与智能体生态。

在 𝕏 上探索最新发文 ↗

AI 编程实时动态与要闻

A
Andrej Karpathykarpathy·
👀9
🔥82
查看推特原帖 ↗

X 热议：Andrej Karpathy 称用 Claude Code 约 3 分钟一次做完 TristanTube，收录约 4.7 万个偏硬核 YouTube 视频并带电视模式

前 OpenAI 研究员、现独立研究者 Andrej Karpathy（@karpathy）于 2026-11-07 17:07 UTC 发帖称，看到 Tristan Hume 本周更新的 YouTube 频道分级榜后，把它做成了 TristanTube：约 4.7 万个偏硬核视频，并带适合放松观看的电视模式。他写道，这次是用 Claude Code「一次做完（one-shotted），大约 3 分钟」。抓取时该帖约 6,182 赞、6,768 收藏、458 回复、478 转发、146 引用、约 53.3 万展示。这是个人分享引发的讨论，不是 Anthropic 或任何公司的产品发布；「约 3 分钟」为作者自述，未经第三方计时核实。

核心要点速览

  • 原帖：Andrej Karpathy（@karpathy）2026-11-07 17:07 UTC，抓取时约 6,182 赞、6,768 收藏、458 回复、478 转发、146 引用、约 53.3 万展示
  • 成品主张：TristanTube 收录约 4.7 万个偏硬核 YouTube 视频，并带电视模式；站点为 karpathy.ai/tristan-tube/
  • 来源清单：Tristan Hume 2026-11-01 更新的公开 YouTube 频道分级榜（他在 2020 年也写过一版），不是再扫描 Hacker News 评论
  • 耗时主张：他称用 Claude Code「一次做完，大约 3 分钟」；未公开所用模型档位、提示词、仓库或 token 成本，该耗时未经第三方核实
  • 定性：这是个人周末黑客分享引发的 X 讨论，不是 Anthropic 官方功能发布
阅读全文
关联模型 / 智能体 / 厂商:
🤖 Claude Code (Anthropic)🌐 Anthropic
#X 热议#Andrej Karpathy#TristanTube#Claude Code#One shot#YouTube#TV mode
A
Apiiro@ApiiroSecurity·
👀11
🔥85
查看推特原帖 ↗

Apiiro 披露 Claude Code「不再询问」隐患：批准的命令连同密码写入 settings.local.json，公开 GitHub 上共查出 2,539 个密钥

安全公司 Apiiro 研究员 Shmulik Cohen 与 Matan Giladi 于 2026-11-05 发布研究：在 Claude Code 中选「Yes, and don't ask again」时，若提示给的是整条命令，会把命令原文（含其中的密码/Token）明文写入项目内的 .claude/settings.local.json。公开 GitHub 上 104,185 份该文件中有 1,122 份含至少一个密钥；连同 git 历史、共享 settings.json 与 Agent 对话记录，合计 2,539 个密钥、1,994 个仓库。Apiiro 未测试密钥是否有效，建议先轮换再清理。

核心要点速览

  • 触发条件：「不再询问」保存的是整条命令时，命令里的密码/Token 会原样写进 .claude/settings.local.json
  • 规模（Apiiro 口径）：104,185 份公开文件中 1,122 份（约 1.1%）含密钥，共 1,379 个；全口径 2,539 个密钥 / 1,994 个仓库
  • 类型：超三分之一可直连数据库（含 379 个数据库密码），另有 43 个 SSH 登录、42 个 GitHub/GitLab/npm Token、23 个 AWS Key
  • 扫描器盲区：gitleaks 命中 564、TruffleHog 命中 643，215 份两者都没发现，主要是命令里的明文密码
  • 处置：先轮换所有曾出现的密钥，再 git rm --cached 并写入项目 .gitignore；批准时优先用 npm test * 这类模式规则
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Claude Opus 5.5⚡ Claude Fable 5.1🤖 Claude Code🌐 Apiiro🌐 Anthropic🌐 GitHub
#Claude Code#Apiiro#安全#Secrets#settings.local.json#don't ask again#GitHub#Gitleaks#TruffleHog
B
BosonAI@boson_ai·
👀17
🔥86
查看推特原帖 ↗

Boson AI 发布 Higgs Realtime Duplex：45B MoE 全双工多模态交互模型，边听边看边说并在后台调工具，API 候补中

Boson AI（李沐、Alex Smola 团队）于 2026-11-05 发布研究预览 Higgs Realtime Duplex：一个 45B MoE 前台模型，把语音、视频、工具结果都切成 160ms 分块同时收发，可边听边看边说、实时渲染自己的脸，同时思考、调用工具或把难题委派给更大的后端模型而不中断对话。官方口径 Big Bench Audio 98.9、τ-Voice 69.8、Full-Duplex-Bench v1.5 75.5。目前 API 仅开放候补名单，旧版 Higgs Realtime 已可用。

Boson AI 发布 Higgs Realtime Duplex：45B MoE 全双工多模态交互模型，边听边看边说并在后台调工具，API 候补中

核心要点速览

  • 形态：45B MoE 前台模型，在约 2 万亿 token 文本/音频/视频上继续训练；所有流按 160ms 分块，静音也算一块
  • 后台干活：边说话边思考、异步调工具，难题带完整上下文委派给更大的后端模型（官方建议用前沿模型）
  • 官方口径跑分：Big Bench Audio 98.9（表内最高）、IFEval 94.1、τ-Voice 69.8（GPT-Live-1 约 74.5）、Full-Duplex-Bench v1.5 75.5（GPT-Live-1 80.1、TML 77.8）
  • 成本设计：音视频流约 2.6K tokens/分钟，含思考与工具约 2.6–5K；目标是 1 小时对话成本不超过人工 1 小时的 1/10
  • 可用性：Duplex API 仅候补名单；声音与人脸可用参考音频/单张图零样本替换
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Higgs Realtime Duplex⚡ Higgs Realtime⚡ GPT-Live-1⚡ TML Interaction Small🌐 Boson AI
#Boson AI#Higgs Realtime Duplex#全双工#omni model#语音智能体#MoE#Mu Li#Alex Smola#实时
P
Physical Superintelligence@psipbc·
👀18
🔥94
查看推特原帖 ↗

PSI 宣布证出 Aaronson–Ambainis 猜想：非公开 Anthropic 模型三日得出证明，Lean 形式化已开源

2026-11-06，Physical Superintelligence（PSI，@psipbc）宣布：其内部研究系统在非公开 Anthropic 模型实例上，于第三天得到 Aaronson–Ambainis 猜想（2008 年起开放）的完整证明，并经 Lean 接受；随后又改进两次。官方研究页与 GitHub Lean 4 形式化仓库已公开。厂商口径尚无期刊同行评审；README 仍要求人工核对形式化陈述与原猜想是否一致。

PSI 宣布证出 Aaronson–Ambainis 猜想：非公开 Anthropic 模型三日得出证明，Lean 形式化已开源

核心要点速览

  • 来源：PSI 官方研究页 2026-11-06 + @psipbc 原帖 + GitHub physical-superintelligence/aaronson-ambainis
  • 结果：厂商称第三天得到完整证明，Lean 接受；随后两次改进，最终版亦经 Lean 接受
  • 含义：猜想若成立则量子机在随机无结构输入上至多多项式级加速；现称已成定理（厂商口径）
  • 可验证性：公开 Lean 4.33/Mathlib 仓库，四主定理无 sorry/额外 axiom；README 仍留陈述对齐给人审
  • 局限：Anthropic 型号未公开、无同行评审、论文正文未机器校验——引用须标明厂商口径
阅读全文
关联模型 / 智能体 / 厂商:
🌐 PSI🌐 Anthropic
#PSI#Physical Superintelligence#Aaronson-Ambainis#Lean#Anthropic#quantum complexity#形式化验证#发布
AD赞助内容
D
David Sutton / Anthropic@davidsuttonca·
👀17
🔥89
查看推特原帖 ↗

Anthropic Claude Duet 联手 Claude Code：可在手机查看、批准并推进本地或云端编码会话

2026-11-06，Anthropic Claude Duet 联合创始人兼负责人 David Sutton（@davidsuttonca）与产品负责人 Karan Ahuja（@ahuja_karan）在 X 发帖：Claude Duet 现可对接 Claude Code 会话——在手机上查看运行中的任务、批准变更并发送后续指令，覆盖本机与云端会话；Ahuja 另称可继续 Projects 与既有 Claude 聊天/记忆。此为产品负责人第一人称更新，非 Anthropic 官方账号博文；Duet 仍为美国 Pro/Max/Ultra 研究预览排队。

Anthropic Claude Duet 联手 Claude Code：可在手机查看、批准并推进本地或云端编码会话

核心要点速览

  • 来源：Claude Duet 联合创始人/负责人 David Sutton（@davidsuttonca）2026-11-06 19:20 UTC X 原帖 + PM Lead Karan Ahuja（@ahuja_karan）同日确认帖；Snape Report / daily.dev 跟进
  • 能力：手机查看 Claude Code 会话进度、批准变更、发送后续指令；本机与云端会话均可用（产品负责人口径）
  • 扩展：Ahuja 称还可处理 Projects，并衔接既有 Claude 聊天与记忆；称此为早期用户第一诉求
  • 定位：员工第一人称产品更新，非 @AnthropicAI 官方账号发布；Duet 研究预览仍面向美国 Pro/Max/Ultra 排队
  • 语境：可与 Claude Code 手机 Code 页 / Remote Control 对照，但本条以 Duet↔Code 联通为准；勿当作公司博客公告
阅读全文
关联模型 / 智能体 / 厂商:
🤖 Claude Duet🤖 Claude Code🌐 Anthropic
#Claude Duet#Claude Code#Anthropic#David Sutton#Karan Ahuja#移动端#智能体#工具链#研究预览
G
Gal Weizman / Forever Security@Galweiz·
👀14
🔥90

Forever Security 披露 ThisBash：恶意浏览器扩展可经 Claude Dispatch 驱动 Desktop 本机甚至跨机执行命令

2026-11-04，Forever Security 研究员 Gal Weizman 发布 ThisBash：可控制 claude.ai 的浏览器扩展，能通过隐藏但仍可用的 Claude Dispatch 接口，以用户会话向 Claude Desktop 下发指令并自动点击 Allow，完成本机代码执行；同账号配对的另一台电脑也可被驱动。Anthropic 5 月确认有效，称拟退役 Dispatch，但帮助页显示既有用户仍可使用。

Forever Security 披露 ThisBash：恶意浏览器扩展可经 Claude Dispatch 驱动 Desktop 本机甚至跨机执行命令

核心要点速览

  • 来源：Forever Security 研究员 Gal Weizman 博文（2026-11-04）+ The Hacker News / The Register；Anthropic 5 月确认有效但按内部重复关闭
  • 攻击面：可控制 claude.ai 的浏览器扩展，经 Dispatch（隐藏页面仍可用）向 Claude Desktop 下发指令并自动点 Allow
  • PoC：四段「用户口吻」提示 + 每秒点 Allow，驱动 npm install -g，preinstall 打开计算器；无需浏览器漏洞
  • 跨机：同一 Claude 账号配对的另一台 Desktop 也可被驱动；个人账号登录工作电脑可成企业入口
  • 现状：Anthropic 称拟 10 月底退役 Dispatch；帮助页仍写既有用户可继续用；作者指 Remote Control / Cowork 同类边界仍在
阅读全文
关联模型 / 智能体 / 厂商:
🤖 Claude Code (Anthropic)🌐 Anthropic
#Claude Dispatch#ThisBash#Forever Security#Claude Desktop#browser extension#RCE#智能体#安全
R
Ravi Parikh@ravisparikh·
👀38
🔥88
查看推特原帖 ↗

Voyager 开源 vork：面向 Agent 的无界面 3D/VFX 引擎，核心 API 约 2500 tokens，研究预览可免费使用

2026-11-06，Voyager / vork 作者 Ravi Parikh（@ravisparikh，GitHub swag）在 X 发帖宣布 vork：面向 AI Agent 的无界面 3D/VFX 引擎（Rust + Slang，Vulkan/Metal）。官方称入门帮助约 2500 tokens；百万只独立轨迹鸟群在单卡 NVIDIA L4 上渲染约 97 秒。GitHub voyager-so/vork 研究预览源码可用，预览期免费。此为作者第一人称发布，非大厂官方产品线。

Voyager 开源 vork：面向 Agent 的无界面 3D/VFX 引擎，核心 API 约 2500 tokens，研究预览可免费使用

核心要点速览

  • 来源：Ravi Parikh（@ravisparikh）2026-11-06 X 原帖 + voyager.so/vork 与 GitHub voyager-so/vork（研究预览）
  • 定位：无 GUI，Agent 用代码写场景/着色器/相机/物理并渲染迭代；入门 help 约 2500 tokens（厂商口径）
  • 性能（官方站点口径）：百万鸟群单卡 L4 约 97 秒；相对把成品 flock 交给 Blender EEVEE 的投影对比约 8–11×（不含约 3 分钟 warmup）
  • 作者 X 帖另称最高约 24×、EEVEE 约 31 分钟——以官网更谨慎对比为准，并标注为作者口径
  • 限制：雾/体积未上线；重室内 Mac 可能中止；路径追踪尚慢于 Cycles；预览期源码可用且免费
阅读全文
关联模型 / 智能体 / 厂商:
🌐 Voyager
#Vork#Voyager#Ravi Parikh#3D#VFX#智能体#工具链#Rust
N
Nous Research@NousResearch·
👀46
🔥88
查看推特原帖 ↗

Nous Research 发布 Arete-27B：基于 Qwen3.8-27B 的 SFT，厂商口径宣传话术率约 22%→1%，Hermes Bench 无明显回退

2026-11-06，Nous Research 发布 Arete-27B：对阿里 Qwen3.8-27B 做约 5280 万 token 监督微调，强化西方价值观相关回答。自建 803 题七类价值观评测上，厂商口径宣传话术率约 22%→1%、事实分约 2.32→2.98/5；Hermes Bench 约 65.60%（基座约 65.77%）。权重、评测与数据已开源。

Nous Research 发布 Arete-27B：基于 Qwen3.8-27B 的 SFT，厂商口径宣传话术率约 22%→1%，Hermes Bench 无明显回退

核心要点速览

  • 来源：Nous 博文《Introducing Arete-27B》（2026-11）+ @NousResearch 公告
  • 方法：Qwen3.8-27B 纯 SFT（无 RL/PO），约 5280 万 token、2 epoch；教师模型为 Inkling；视觉编码器冻结
  • 评测（厂商口径）：803 题七类价值观，宣传话术率约 22%→1%，事实均值约 2.32→2.98/5；LLM 裁判为 Grok 4.7
  • 能力：Hermes Bench 约 65.60% vs 基座 65.77%；Terminal-Bench-2.1 厂商称约 70% vs 基座 67%
  • 开放：Apache 2.0 权重、Propaganda_Eval 与训练数据对均在 Hugging Face
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Arete-27B⚡ Qwen3.8-27B🌐 nous-research🌐 Qwen (通义千问)
#Nous#Arete-27B#Qwen3.8#SFT#开放权重#Values#发布
G
Google DeepMind@GoogleDeepMind·
👀42
🔥90
查看推特原帖 ↗

Google DeepMind：人类引导的 AI Agent 加速密码分析，发现遗留 1024 位 RSA 两处弱点；2048 位及以上仍安全

2026-11-06，Google DeepMind（@GoogleDeepMind）与 VP Science Pushmeet Kohli 发布研究：在人类监督下，AI Agent 对遗留 1024 位 RSA 找出两处弱点——签名填充在攻击者控制约一半签名块时不再提供额外防护（沙箱复现较先前约省 3.5× CPU），以及同长度批量分解每把额外密钥平均成本约降 30×。官方强调现代 2048 位及以上协议不受影响。

Google DeepMind：人类引导的 AI Agent 加速密码分析，发现遗留 1024 位 RSA 两处弱点；2048 位及以上仍安全

核心要点速览

  • 来源：@GoogleDeepMind 2026-11-06 帖 + Pushmeet Kohli X Article；技术 PDF 两篇（签名 / Batch NFS）
  • 范围：仅针对遗留 1024 位 RSA；官方明确 2048 位及以上仍安全
  • 签名：攻击者控制约一半签名块时，填充不再额外防护；沙箱在已解 1024 位基准钥上约 3.5× 更少 CPU，且不到破钥算力的千分之一
  • 短指纹（如 32 字节）：理论估计新算法对 1024 位约改进 1600×（相对先前最佳）
  • 批量分解：同长度多钥场景，每把额外钥平均成本约降 30×（相对既有 batch 方法）
阅读全文
关联模型 / 智能体 / 厂商:
🤖 deepmind-ai-agent🌐 Google DeepMind🌐 deepmind
#Google DeepMind#Cryptanalysis#RSA-1024#AI 智能体#Pushmeet Kohli#digital signatures#batch NFS
J
Joël Niklausjoelniklaus·
👀39
🔥90
查看推特原帖 ↗

Hugging Face 的 Joël Niklaus 发布 Harness Leaderboard：28,849 次试验比较 9 款编码 Agent Harness，厂商口径 mini-swe-agent 均值约 51.4%

2026-11-05，Hugging Face Harness Optimization 研究员 Joël Niklaus（@joelniklaus）发布 Harness Leaderboard：在固定模型/供应商/推理力度下只换 harness，跑 GLM-5.3-Flash、DeepSeek-V4.1-Flash 与 Flint，基准 Terminal-Bench 2.1 与 DeepSWE，共 28,849 次试验、推理花费约 $4,746。作者口径：三模型平均 mini-swe-agent 解决率约 51.4%，Pi 约 49.4% 且每解一题约 $0.29。本条为个人研究排行榜，非 Hugging Face 公司官方产品公告。

Hugging Face 的 Joël Niklaus 发布 Harness Leaderboard：28,849 次试验比较 9 款编码 Agent Harness，厂商口径 mini-swe-agent 均值约 51.4%

核心要点速览

  • 来源：HF 的 Joël Niklaus（Harness Optimization）个人帖 2026-11-05T16:04:08Z，非公司官宣
  • 规模（作者口径）：9 款 harness × 开源模型，28,849 次试验，推理花费约 $4,746
  • 方法：固定模型/供应商/推理力度，每任务 3 次尝试；基准 Terminal-Bench 2.1 与 DeepSWE
  • 结果（作者口径）：三模型平均 mini-swe-agent ~51.4%，openclaw ~27.3%；Pi ~49.4% / 约 $0.29 每解一题
  • 落地：排行榜与轨迹公开在 HF Space；对照 Harness Lens 看各 harness 提示词与工具差异
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GLM-5.3-Flash⚡ DeepSeek-V4.1-Flash🤖 mini-swe-agent🤖 hermes-agent🤖 Claude Code (Anthropic)🤖 codex🤖 opencode🌐 Hugging Face🌐 DeepSeek🌐 Moonshot🌐 Nous Research
#Harness Leaderboard#Joël Niklaus#Hugging Face#Mini swe agent#Terminal-Bench#DeepSWE#基准测试
AD赞助内容
P
Planetplanet·
👀18
🔥85
查看推特原帖 ↗

Planet AI App 正式 GA：自然语言检索十年卫星影像，地图对话 + Deep Research Agent

2026-11-05，Planet Labs 宣布 Planet AI App 正式 GA：以地图对话界面检索十年以上、3000+ 层日更卫星影像，支持自然语言搜地、时序对比与 Deep Research Agent 分析；入口 ai.planet.com。

Planet AI App 正式 GA：自然语言检索十年卫星影像，地图对话 + Deep Research Agent

核心要点速览

  • 官方：@planet / CEO @Will4Planet 2026-11-05；博客 Introducing the Planet AI App
  • 能力：自然语言搜地、十年时序对比/延时、上传文件与定时报告、Deep Research Agent
  • 数据：厂商口径 10+ 年日更影像、3000+ 图层；结果可回看 Planet 原图核验
  • 入口：ai.planet.com；面向非 GIS 用户的发现阶段，不替代专业 GIS
  • 官方未公布独立模型 Benchmark 或定价明细；beta 百人级用户反馈驱动发现期增强
阅读全文
关联模型 / 智能体 / 厂商:
🤖 planet-ai🤖 deep-research🌐 Planet
#Planet#Planet AI#卫星#Geospatial#智能体#深度研究#GA
W
World Labstheworldlabs·
👀20
🔥87
查看推特原帖 ↗

World Labs 发布 Frameboy：优化版 Atlas 云端流式最高约 15 fps，浏览器实时探索世界模型

World Labs 于 2026-11-05 发布研究预览 Frameboy：高度优化的 Atlas 变体从云端 GPU 流式推到浏览器，官方口径最高约 15 fps，支持实时控镜；公开 Demo 与封闭测试 Viewfinder 叠加模式同步上线。CEO Fei-Fei Li 在 X 转发「Real time Atlas」。

World Labs 发布 Frameboy：优化版 Atlas 云端流式最高约 15 fps，浏览器实时探索世界模型

核心要点速览

  • 官方：World Labs 2026-11-05 发布 Frameboy 研究预览（博客 + X）
  • 厂商口径：优化版 Atlas 云端流式最高约 15 fps，浏览器实时控镜
  • 公开 Demo：frameboy.worldlabs.ai；Viewfinder 封闭测试可自建场景后叠加实时漫游
  • 能力：单图/文本生成场景 + 多视图新视角合成；承接 RTFM 形态、Atlas 规模
  • 官方注明需强云 GPU，相对本地渲染不便宜；无独立第三方画质/延迟榜
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Atlas⚡ RTFM🌐 World Labs
#World Labs#Frameboy#Atlas#世界模型#Real-time#Spatial AI
N
Nous ResearchNousResearch·
👀26
🔥88

Nous Research 发布 Hermes Agent v0.23.0「Hearth」：浏览器 Webapp 桌面、统一 Gateway 会话与插件目录破千

Nous Research 于 2026-11-05 发布 Hermes Agent v0.23.0（The Hearth）。自有 Gateway 可在浏览器提供完整 Desktop；CLI/TUI/Desktop/编辑器/Bot/cron 共用单一会话权威；插件目录约 600→1050+；并带来对话 rewind、终端内联图片与付费 MCP 花费上限。官方：约 1950 个合并 PR、666 名贡献者。

Nous Research 发布 Hermes Agent v0.23.0「Hearth」：浏览器 Webapp 桌面、统一 Gateway 会话与插件目录破千

核心要点速览

  • 官方 GitHub Release：Hermes Agent v0.23.0（2026-11-05），代号 The Hearth
  • Webapp：Gateway 在浏览器提供完整 Desktop（默认关闭，webapp.enabled）
  • 统一会话：单机单 Gateway 拥有会话，避免多端重复写消息
  • 插件目录约 600→1050+，新增 Verified 档；付费 MCP 可标价与对话花费上限
  • 自 v0.22.0 起官方口径：~10,080 commits / ~1,950 PRs / 666 contributors
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GLM-5.3⚡ GPT-6.1 Terra⚡ DeepSeek V4.1 Flash 1017🤖 Hermes Agent🌐 Nous Research
#Hermes#Nous Research#智能体#网关#Webapp#插件#DevTools
P
Perplexity Developers@perplexitydevs·
👀22
🔥88
查看推特原帖 ↗

Perplexity 下调 Agent API 各 effort 档位价格并新增 ultra：medium 成本降近 90%，ultra WANDR 约 85.9%

Perplexity Developers（@perplexitydevs）于 11 月 5 日宣布：Agent API 所有 effort 档位每查询成本下降、研究质量持平或更高，并新增面向广覆盖长跑的 ultra。厂商口径称 medium 在 BrowseComp/DSQA 从约 55% 提到约 77% 且成本降近 90%；xhigh WANDR 约 76.5% 且约为 8 月配置成本的 25%；ultra 三 Agent 并行再汇总，WANDR 约 85.9%、约 $21.71/任务。

Perplexity 下调 Agent API 各 effort 档位价格并新增 ultra：medium 成本降近 90%，ultra WANDR 约 85.9%

核心要点速览

  • 官方（@perplexitydevs + 博客）：各 effort 档位降价且质量持平或更高；新增 ultra
  • 厂商口径：medium BrowseComp/DSQA ~55%→~77%，成本降近 90%
  • 厂商口径：xhigh WANDR ~76.5%，成本约为 2026-08 配置的 ~25%
  • ultra：三研究 Agent 并行 + 第四个汇总；WANDR ~85.9%、约 $21.71/任务；底层 Claude Opus 5.5
  • 接入：effort="ultra" 或 pin [email protected]；长任务可用 background
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Claude Opus 5.5⚡ GPT-6 Luna🤖 Perplexity Agent API🌐 Perplexity
#Perplexity#Agent API#Effort#Ultra#WANDR#BrowseComp#定价
r
rahul (CEO, Julius / Julius Research)@0interestrates·
👀18
🔥86
查看推特原帖 ↗

Julius Research 发布 DeepFinance：21 道 PE/投行长流程题，Claude Opus 5.5 均值约 54.8%

Julius Research CEO rahul（@0interestrates，产品 Julius AI）于 11 月 5 日发布 DeepFinance：用真实交易脱敏资料室构建的 21 道 PE/投行超长程任务，人类单题约 20–30 小时（均值约 27.1 小时）、每题约 84 条 rubric。官方榜：Opus 5.5 (max) 约 54.8%，Sonnet 5.5 约 54.6%，GPT-6 Astra 约 54.2%。强调可审计轨迹，而非只对最终数字。

Julius Research 发布 DeepFinance：21 道 PE/投行长流程题，Claude Opus 5.5 均值约 54.8%

核心要点速览

  • 一手来源：Julius Research CEO @0interestrates 发布帖 + 官方榜单/博客（非公司官号公告口径，属实验室产品负责人一手发布）
  • 规模：21 题；均值约 27.1 人时；约 84 rubric/题；资料室均值约 19 文件
  • 榜首（实验室口径）：Opus 5.5 max ~54.8%；Sonnet 5.5 ~54.6%；GPT-6 Astra xhigh ~54.2%
  • 成本（官方表）：Opus ~$8.63/题；Astra ~$4.55；GPT-6.1 Sol ~$0.81 且约 52.9%
  • 定位：补文档 QA / 纯数值正确评测缺口，强调假设与证据冲突下的可审计流程
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Claude Opus 5.5⚡ Claude Sonnet 5.5⚡ GPT-6 Astra⚡ GPT-6.1 Sol🤖 Julius🌐 Julius Research🌐 Anthropic🌐 OpenAI
#DeepFinance#Julius Research#基准测试#Private Equity#Investment Banking#Opus 5.5