标签： ChatGPT

GulliBench：衡量前沿模型的怀疑精神

GulliBench：衡量前沿模型的怀疑精神

Vetto Research 发布名为 GulliBench 的评测集，用 150 个刻意设置“表面数据在说谎”的简单任务，检验大模型是会盲目采信现成字段，还是愿意多一步验证。它提示：模型变聪明和变得可信，是两回事。

DeepSeek launches V4-Pro, its most advanced model that rivals Kimi K3 on some benchmarks at much lower prices, costing $0.44/1M input and $0.87/1M output tokens (Juro Osawa/The Information)

DeepSeek launches V4-Pro, its most advanced model that rivals Kimi K3 on some benchmarks at much lower prices, costing $0.44/1M input and $0.87/1M output tokens (Juro Osawa/The Information)

DeepSeek 于 2026 年 8 月发布最新模型 V4-Pro，在部分基准测试中与 Kimi K3 相当，但 API 定价显著更低：输入每百万 tokens 收费 0.44 美元，输出每百万 tokens 收费 0.87 美元。这是 DeepSeek 针对性价比区间的一次关键卡位。

holaboss-ai / holaOS

holaboss-ai / holaOS

开源项目 holaOS 发布了一个本地优先的 AI 代理工作区，让 Claude Code、Codex 等不同代理共用同一套记忆、工具和应用界面，并提供内置前沿模型或自带 API 密钥两种模型接入方式。这个项目把“代理碎片化”问题直接摆到了台面上：多代理协作能否成为下一个 AI 工作流常态。

Qencode MCP

Qencode MCP

Qencode 将其视频编码 API 通过 MCP（Model Context Protocol）协议对外开放，这意味着 AI 模型和智能体可以直接调用视频转码、压缩与处理能力，视频处理正从“人工调用接口”进入“AI 自动调度”的早期阶段。

Sources: Anthropic investors expect it to float at a $2T+ valuation after an October IPO and to hit $100B to $120B in annualized revenue by the end of 2026 (Financial Times)

Sources: Anthropic investors expect it to float at a $2T+ valuation after an October IPO and to hit $100B to $120B in annualized revenue by the end of 2026 (Financial Times)

据英国《金融时报》报道，Anthropic 的投资者预期该公司最快将于今年 10 月启动 IPO，届时估值可能超过 2 万亿美元；同时预计其到 2026 年底可实现年化营收 1000 亿至 1200 亿美元。这一预期若兑现，将使其成为 AI 大模型公司中商业化速度最快的选手之一。