Cloudflare 推出 270 億參數決策模型,在 Jev 的主場擊敗 Jev有些模型呼叫應該回傳一個數字,而不是一段文字。一個類別正圍繞這個想法成形。Ai·2026年10月6日·預計閱讀 10 分鐘
BOSSFIGHT 讓前沿模型當了 24 週咖啡店老闆,多數輸給了「什麼都不做」在測驗中拒絕賄賂,與在真實季度中拒絕妥協,是兩種不同的能力,而目前的評測往往只衡量了較容易的那一種。Ai·2026年10月6日·預計閱讀 10 分鐘