Artificial Analysis 统计的 $0.64 / 1M blended price。这个 blended 是按 缓存:输入:输出 = 7:2:1 前提是缓存大量复用 2 个帖子 - 2 位参与者 阅读完整话题
在 Artificial Analysis Intelligence Index 等榜单中，MiniMax-M3 综合得分 54.7 ，排名全球第七、国产第二，接近 Claude Opus 4.7 （ 57.3 ），在代码工程、智能体任务、长文本处理等维度进入第一梯队。 MiniMax M3 国产模型第一梯队模型 API 一折。 立即访问： https://wellapi.ai/pricing?keyword=MiniMax
在 Artificial Analysis Intelligence Index 等榜单中，MiniMax-M3 综合得分 54.7 ，排名全球第七、国产第二，接近 Claude Opus 4.7 （ 57.3 ），在代码工程、智能体任务、长文本处理等维度进入第一梯队。 MiniMax M3 国产模型第一梯队模型 API 一折。 立即访问： https://wellapi.ai/pricing?keyword=MiniMax
英国£18.00： https://chatgpt.com/?promoCode=artificialintelligencetechuk 美国$25： https://chatgpt.com/?promoCode=artificialintelligencetechus 德国2-21,85 €： https://chatgpt.com/?promoCode=skysyncde 印度₹1,901.00： https://chatgpt.com/?promoCode=skysyncin 加拿大$34： https://chatgpt.com/?promoCode=skysyncca 法国21,67 €： https://chatgpt.com/?promoCode=skysyncfr 瑞士： https://chatgpt.com/?promoCode=skysyncch 阿联酋： https://chatgpt.com/?promoCode=skysyncae 1 个帖子 - 1 位参与者 阅读完整话题
基准测试平台 Artificial Analysis 最新数据显示，英伟达新推出的开源大模型 Nemotron 3 Ultra 被评为目前美国能力最强的开源人工智能模型，但在整体水平上仍落后于中国头部开源模型。该模型采用混合专家架构，整体参数规模约为 5500 亿，其中任一时刻实际激活约 550 亿参数。 在 Artificial Analysis 的智能评分榜单中，Nemotron 3 Ultra 获得 48 分，明显领先于其他美国开源模型，例如Google Gemma 4 31B 的 39 分、英伟达上一代 Nemotron 3 Super 的 36 分，以及 gpt-oss-120b 的 33 分。 不过，与中国最强开源模型相比，Nemotron 3 Ultra 仍有差距：来自月之暗面的 Kimi K2.6 在同一榜单中获得 54 分，而当前综合实力最强的闭源模型 Claude Opus 4.8 则拿到 61 分。 Artificial Analysis 的可视化图表显示，Nemotron 3 Ultra 落在其划定的“最具吸引力象限”，在智能得分处于第一梯队的同时，推理和生成速度也位居前列。 在推理性能方面，托管 Nemotron 3 Ultra 的平台 DeepInfra 实测吞吐量超过每秒 300 个 token，而相近规模的 DeepSeek 和 Moonshot 模型目前通常只能达到每秒 50 至 100 个 token 左右，Nemotron 3 Ultra 在速度上的优势十分明显。 英伟达表示，Nemotron 3 Ultra 将于 6 月 4 日正式向开发者社区开放，首批将登陆 Hugging Face、OpenRouter 等主流模型托管与调用平台，方便企业和个人开发者集成与测试。 外界普遍认为，随着这一模型的发布，美国开源模型阵营在高端能力段获得了一次重要补强，但在综合智能和性能上与中国领先开源模型及国际顶级闭源模型之间仍存在一定差距。 查看评论
来自AA的测评（ AI Coding Agent Benchmarks & Leaderboard | Artificial Analysis Cursor+Composer2.5 fast > Cursor+Opus4.7medium > CC+Opus4.7medium A\连自家agent和自家模型的适配都做得不行 Codex对自家的模型优化还是好的 要是补上 cursor+opus4.7MAX 和 cursor+gpt5.5xhigh就好了 3 个帖子 - 3 位参与者 阅读完整话题
ShadeFinderAI is an AI beauty shade finder that helps users upload a selfie to discover skin tone, undertone, foundation shade direction, lipstick matches, and makeup color recommendations. https://shadefinderai.com/
以前评测都是针对大模型，针对harnness的评测非常少见 比如相同opus-4.7-medium，在cursor cli里是61分，在Claude Code里是60分，在opencode里只有37分 来源： AI Coding Agent Index & Performance Analysis 2 个帖子 - 2 位参与者 阅读完整话题
The Berkeley Artificial Intelligence Research Blog Adaptive Parallel Reasoning: The Next Paradigm in Efficient Inference Scaling The BAIR Blog [!quote]+ 自适应并行推理系统 推理时，我们实际上是要求模型执行映射-还原操作： 将问题分叉为子任务/线程，并发处理它们 将它们合并为最终答案 具体来说，模型会遇到一个子任务列表。然后，它将预填充每个子任务，并将其作为独立请求发送给推理引擎处理。然后，这些线程会同时进行解码，直到遇到结束标记或超过最大长度。这一过程会阻塞，直到所有线程完成解码，然后汇总结果。这在各种自适应并行推理方法中都很常见。但是，在聚合过程中会出现一个问题：分支中生成的内容无法在 KV 缓存级别上轻松聚合。这是因为独立线程中的标记从相同的位置 ID 开始，导致编码重叠，并在将 KV 缓存合并时产生非标准行为。同样，由于独立线程之间互不关注，因此它们合并后的 KV 缓存会产生非因果关注模式，而基础模型在训练过程中并没有看到这种模式。 为了解决这个问题，在如何执行聚合过程的问题上，该领域分成了两派，分别以修改推理引擎还是绕过推理引擎来定义。 **Multiverse 修改了推理引擎，以便在连接过程中重复使用 KV 缓存。**在深入了解 Multiverse（ Yang 等人，2025 年 ）的内存管理之前，我们先来了解一下 KV 缓存在 "连接 "阶段之前是如何处理的。请注意每个独立线程是如何共享前缀序列（即子任务列表）的。如果不进行优化，每个线程都需要为前缀序列预填充和重新计算 KV 缓存。然而，SGLang 的 RadixAttention（ Sheng 等人，2023 年 ）可以避免这种冗余，它将多个请求组织成一棵词缀树，一棵由不同长度的元素序列而不是单个元素组成的三角形（词缀树）。这样一来，新的 KV 缓存条目只能是独立线程生成的条目。 现在，如果一切顺利，所有独立线程都已从推理引擎返回。我们现在的目标是找出如何将它们合成为一个单一的序列，以便为下一步继续解码。事实证明，我们可以在合成阶段重复使用这些独立线程的 KV 缓存。具体来说，Multiverse（ Yang 等人，2025 年 ）、Parallel-R1（ Zheng 等人，2025 年 ）和 NPR（ Wu 等人，2025 年 ）修改了推理引擎，将每个线程生成的 KV 缓存复制过来，并编辑页表，以便将非连续的内存块拼接成单个 KV 缓存序列。这避免了第二次预填充的冗余计算，并尽可能地重复使用现有的 KV 缓存。然而，这也有几个主要的局限性。 首先，这种方法需要修改推理引擎来执行非标准的内存处理，这可能会导致意想不到的行为。具体来说，由于合成请求会引用之前请求的 KV 缓存，因此会造成系统的脆弱性，并可能出现坏指针。在合成请求完成之前，另一个请求可能会进来并驱逐所引用的 KV 缓存，这就要求合成请求停止，并触发前一个线程请求的重新填充。这个问题导致 Multiverse 研究人员（ Yang 等人，2025 年 ）限制了推理引擎可以处理的批量大小，从而限制了吞吐量。 其次，这种方法改变了模型看待序列的方式，从而产生了分布上的变化，而模型并没有经过预训练，因此需要更广泛的训练来调整行为。具体来说，当我们以这种方式拼接 KV 缓存时，我们会创建一个具有非标准位置编码的序列。在独立线程生成过程中，所有线程都从相同的位置索引开始，并关注之前的子任务，而不是彼此。因此，当线程重新合并时，生成的 KV 缓存具有非标准位置编码，并且不使用因果注意。因此，这种方法需要大量的训练才能使模型与这种新行为保持一致。为了解决这个问题，Multiverse（ Yang 等人，2025 年 ）和相关研究在训练过程中应用了改进的注意力掩码，以防止独立线程相互关注，从而使训练和推理行为保持一致。 面对非标准 KV 缓存管理所带来的这些问题，我们能否尝试一种不修改引擎的方法？ **ThreadWeaver 保持推理引擎不变，将协调工作转移到客户端。**ThreadWeaver（ Lian 等人，2025 年 ）将并行推理纯粹视为客户端问题。分叉 "过程与 Multiverse 的几乎完全相同，但连接阶段对内存的处理方式却截然不同，因为它并不修改引擎内部结构。相反，客户端会将来自独立分支的所有文本输出连接成一个连续的序列。然后，引擎执行第二次预填充，为结论生成步骤生成 KV 缓存。虽然这引入了 Multiverse 竭力避免的计算冗余，但预填的成本明显低于解码。此外，由于第二次预填充使用的是因果注意力（线程之间会相互看到），因此在推理过程中不需要特殊的注意力处理，这使得顺序自回归模型更容易适应这项任务。 我们应该如何训练模型来学习这种行为呢？简单地说，对于每个并行轨迹，我们可以按照推理模式将其分解为多个连续的部分。例如，我们可以训练模型输出给定提示的子任务、给定提示+子任务分配的单个线程，以及给定提示+子任务+对应线程的结论。然而，这似乎是多余的，而且计算效率不高。我们能做得更好吗？事实证明，可以。就像在 ThreadWeaver（ Lian 等人，2025 年 ）中一样，我们可以将并行轨迹组织成前缀树（trie），将其扁平化为单个序列，并在训练（而非推理！）过程中应用只关注祖先的掩码。 具体来说，我们使用掩码和位置 ID 来模拟推理行为，这样每个线程就只受提示+子任务的制约，而无需关注同级线程或最终结论。 与引擎无关的设计让采用变得容易，因为你不需要另外想办法托管，还可以利用现有的硬件基础设施。随着现有推理引擎的改进，它也会变得更好。更重要的是，有了引擎无关的方法，我们就能提供一种混合模型，在顺序和并行思维模式之间轻松切换。 1 个帖子 - 1 位参与者 阅读完整话题
由于Artificial Analysis benchmark的多模态科学幻觉这个benchmark中，deepseek得分非常低，另外小米mimo，glm，qwen，grok这几个模型得分异常高。社区中有人开始对此提出质疑？第一眼看上去确实有刷分的可能，毕竟这个benchmark完全是AA平台自己的数据集。 这里我出了一道物理学的前沿科学题目 在量子引力理论的前沿研究中，‘哈特尔-霍金-彭罗斯纠缠熵’ (Hartle-Hawking-Penrose Entanglement Entropy) 主要是用来解决黑洞的哪一个具体信息悖论？它的数学推导公式中，边界条件引入了什么常数？ 结论是，deepseek在这类问题上确实有着超过其他模型的幻觉。 9 个帖子 - 5 位参与者 阅读完整话题
https://www.axios.com/2026/04/24/catholics-pope-vatican-artificial-intelligence 4 个帖子 - 3 位参与者 阅读完整话题
等一会看看Pro的成绩，不过我感觉应该不会很惊艳 15 个帖子 - 11 位参与者 阅读完整话题
MIT News | Massachusetts Institute of Technology A new type of electrically driven artificial muscle fiber New electrofluidic artificial muscle fibers could enable compact, silent, and power-dense robotic, prosthetic, and wearable assistive systems without bulky external pumps or motors. The work was led by researchers at the MIT Media Lab and Politecnico... [!quote]+ 最近发表在《科学机器人学》（Science Robotics）上的一篇论文介绍了新型电流体纤维肌肉–以纤维形式构建的电驱动致动器。这项工作由媒体实验室博士候选人 Ozgun Kilic Afsar、巴里理工大学教授 Vito Cacucciolo 和四位共同作者领导。 阿夫萨解释说，新系统汇集了两种技术。一种是被称为薄型麦基本致动器的流体驱动人造肌肉，另一种是基于电流体力学（EHD）的微型固态泵，它可以在密封的流体舱内产生压力，无需移动部件或外部流体供应。 阿夫萨说，"到目前为止，大多数流体驱动的软致动器都依赖于外部 “沉重、笨重、有时噪音很大的液压基础设施”，"这使得它们很难集成到对移动性或紧凑、轻型设计要求很高的系统中。这给流体执行器在实际应用中的实际使用造成了根本性的瓶颈。 https://www.science.org/doi/10.1126/scirobotics.ady6438 1 个帖子 - 1 位参与者 阅读完整话题
https://mp.weixin.qq.com/s/DKxrFnBwisNjjOnFQRqsqA 在权威三方评测Artificial Analysis刚刚更新的大模型榜单中，Qwen3.6-Max-Preview性能表现超过GLM5.1、MiniMax-M2.7等模型，登顶最佳国产模型。 7 个帖子 - 7 位参与者 阅读完整话题
36氪获悉，大模型评测平台Artificial Analysis最新Output Speed榜单显示，阶跃星辰（StepFun）最新开源基座模型Step 3.7 Flash以409 tokens/s的输出速度位列主流模型第一，同时在端到端响应时长（End-to-End Response Time）、智能效率（Intelligence vs. Output Speed）与速度价格比（Output Speed vs. Price）等关键指标上均处于领先位置。
36氪获悉，5月21日，三方机构ArtificialAnalysis公布了最新的全球大模型榜单，阿里新发布的旗舰模型Qwen3.7-Max得分56.6分，性能接近GPT、Claude、Gemini的最强模型，位列全球第五、国产第一。据了解，Qwen3.7-Max即将上线阿里云百炼对外提供API服务。