莫比乌斯nebius要下架ds32了，我的翻译模型啊 List of deprecated models deepseek-ai/DeepSeek-V3.2 deepseek-ai/DeepSeek-V3.2-fast MiniMaxAI/MiniMax-M2.5-fast moonshotai/Kimi-K2.5 moonshotai/Kimi-K2.5-fast openai/gpt-oss-120b-fast PrimeIntellect/INTELLECT-3 Qwen/Qwen3-235B-A22B-Thinking-2507-fast Qwen/Qwen3-Next-80B-A3B-Thinking-fast Qwen/Qwen3.5-397B-A17B-fast zai-org/GLM-5 List of deprecated models deepseek-ai/DeepSeek-V3.2 deepseek-ai/DeepSeek-V3.2-fast MiniMaxAI/MiniMax-M2.5-fast moonshotai/Kimi-K2.5 moonshotai/Kimi-K2.5-fast openai/gpt-oss-120b-fast PrimeIntellect/INTELLECT-3 Qwen/Qwen3-235B-A22B-Thinking-2507-fast Qwen/Qwen3-Next-80B-A3B-Thinking-fast Qwen/Qwen3.5-397B-A17B-fast zai-org/GLM-5 3 个帖子 - 3 位参与者 阅读完整话题
Arena Leaderboard | Compare & Benchmark the Best Frontier AI Models Arena Leaderboard | Compare & Benchmark the Best Frontier AI Models See how leading AI models stack up across text, image, vision, and more. This page provides a high-level snapshot of each Arena. Explore dedicated tabs for deeper insights. 用过的佬感觉如何，真的这么强吗 2 个帖子 - 2 位参与者 阅读完整话题
Cursor Cursor · CursorBench Compare CursorBench 3.1 results across the models Cursor evaluates. 刚看到 Fable 霸榜, 忍不住用了一下 看到价格都有心理准备了, 但还是没绷住 什么叫问个问题收 5U? 关键是全是 cache read write 作为对比我找了个 Opus 4.8 Max Fast 我靠 token 真成金子了啊, 还是乖乖用 Medium 了 11 个帖子 - 7 位参与者 阅读完整话题
Notion Status Anthropic's Opus 4.7 and 4.8 models are experiencing degraded performance -... Issue is now resolved. 3 个帖子 - 3 位参与者 阅读完整话题
Google – 5 Jun 26 Gemma 4 QAT models: Optimizing model compression for mobile and laptop... We’re releasing Gemma 4 quantization-aware training checkpoints, reducing memory requirements and improving on-device performance. 使用量化感知训练，在保证模型质量的同时降低了显存需求(Q4_0和Mobile) 下载模型文件 huggingface.co Gemma 4 QAT Q4_0 - a google Collection We’re on a journey to advance and democratize artificial intelligence through open source and open science. huggingface.co Gemma 4 QAT Mobile - a google Collection We’re on a journey to advance and democratize artificial intelligence through open source and open science. 2 个帖子 - 2 位参与者 阅读完整话题
使用久未更新的题集 llm-benchmark.github.io Reasoning Models Evaluation 【目前GPT 5.5 XHIGH 大致只差2道，GEMINI也接近，但这里题目不够细致区分GEMINI3.1和 GPT 5.5,显然GPT 5.5 更强】 选择某简单题目 1 使用QODER【不确定是否真实模型】 QWEN 3.7 无限循环思考，1个多小时关闭了 2 官网，正确回答，但是费时极长，20分钟以上，无法接受的低效率 所以我第一次开始怀疑评测博主 nao榜单的真实性， 他声称了 gpt5.5 80,qwen达到78的结论. 4 个帖子 - 4 位参与者 阅读完整话题
论文： [2605.27922] Harness-Bench: Measuring Harness Effects across Models in Realistic Agent Workflows 代码： GitHub - Qihoo360/harness-bench · GitHub harness-bench.ai Leaderboard - Harness Bench Harness Bench leaderboard across harnesses, models, domains, and completion, process, and combined task scores. harness bench 简单来说就是固定任务和模型，只换harness，看agent表现差多少。 方法 106个沙箱化离线任务，8个类别（SWE、数据分析、DevOps、长程状态维护等），每个任务有独立的oracle grader。 评估维度有completion score 、LLM judge score 和security score。 测了6个现在比较火的agent（OpenClaw、nanobot、Hermes、ZeroClaw、NullClaw、Moltis） 8个模型后端（gpt-5.4、claude-opus-4.6、claude-sonnet-4.6、gemini-3.1-pro-preview、qwen3.6-plus、glm-5.1、kimi-k2.5、deepseek-v4-flash），总共5194条execution trajectories。 几个关键结论 同模型换框架，综合分最大差距23.8分（nanobot 76.2 vs OpenClaw 52.4）。说明agent benchmark只报模型得分而不报框架配置是不够的。 Failure mode分析（Table 3）比较有参考价值：36.4%的失败是contract/format类，即agent产出了内容但格式不满足验证条件；24.6%是tool/recovery类，即工具调用出错后没能恢复。真正的推理错误只占一小部分。对框架设计的启示：容错和输出校验比堆模型能力更影响实际成功率。 强模型（gpt-5.4、claude-opus-4.6）跨harness的方差更小，中等模型对harness质量更敏感。好的harness能显著拉高中等模型的上限。 Token效率方面差异显著，同样任务不同harness消耗的token能差3-4倍，主要取决于上下文构建策略。 局限 全部是离线沙箱任务，没有在线服务、用户交互、长期记忆场景。LLM judge score 依赖LLM judge，引入了评估方的主观性。只测了配置级差异，没有因果分解。 Section 5提出的execution-alignment概念值得注意：框架的核心价值在于维持agent推理、workspace实际状态、工具返回结果、最终验证条件之间的对应关系，大多数失败的根本原因不是模型推理出错，而是agent的内部判断和外部实际状态脱节了，比如以为文件改对了其实没改，以为命令成功了其实报错了。 1 个帖子 - 1 位参与者 阅读完整话题
ModelScope 保活机制 同理可用于huggingface 概述 通过 playwright-cli 定时自动访问 ModelScope 网页，保持登录状态和会话活跃，避免因长时间未操作导致的登录失效或会话过期。 实现原理 1. 持久化浏览器配置 playwright-cli open --persistent --profile=./modelscope-profile --headed https://modelscope.cn/studios/hqzqaq/QwenPaw 参数 说明 --persistent 使用持久化配置文件，浏览器数据（cookies、localStorage、缓存等）会保存在本地 --profile=./modelscope-profile 指定配置文件目录路径 --headed 以有头模式启动（可见浏览器窗口） 2. 会话保持机制 Cookies 持久化 ：登录后生成的 session cookie 会保存在 modelscope-profile 目录 LocalStorage 保持 ：网站的本地存储数据会被保留 缓存复用 ：浏览器缓存可复用，减少加载时间 3. 保活流程 ┌─────────────────┐ │ 定时触发 │ │ (Schedule) │ └────────┬────────┘ │ ▼ ┌─────────────────┐ │ 打开浏览器 │ │ playwright-cli │ │ open --persist│ └────────┬────────┘ │ ▼ ┌─────────────────┐ │ 访问目标页面 │ │ modelscope.cn │ └────────┬────────┘ │ ▼ ┌─────────────────┐ │ 等待加载完成 │ │ (等待时间可调) │ └────────┬────────┘ │ ▼ ┌─────────────────┐ │ 关闭浏览器 │ │ playwright-cli │ │ close │ └─────────────────┘ 配置步骤 步骤 1：初始化持久化配置（仅需执行一次） # 手动打开浏览器并登录 playwright-cli open --persistent --profile=./modelscope-profile --headed https://modelscope.cn # 在打开的浏览器中完成登录操作 # 关闭浏览器 playwright-cli close 步骤 2：创建保活脚本 创建 modelscope-keepalive.sh 脚本： #!/bin/bash PROFILE_PATH="./modelscope-profile" TARGET_URL="https://modelscope.cn/studios/hqzqaq/QwenPaw" WAIT_TIME=30 # 页面加载后等待秒数 # 打开浏览器并访问目标页面 playwright-cli open --persistent --profile=${PROFILE_PATH} --headed ${TARGET_URL} # 等待页面加载和保持活跃 sleep ${WAIT_TIME} # 关闭浏览器 playwright-cli close 步骤 3：设置定时任务 使用 cron 或 Schedule 工具设置定时执行。 使用 cron（每 6 小时执行一次）： # 编辑 crontab crontab -e # 添加以下行（每天 6:00、12:00、18:00、00:00 执行） 0 0,6,12,18 * * * /path/to/modelscope-keepalive.sh 使用 Schedule 工具（推荐） 参见下方「使用 Schedule 工具」章节。 使用 Schedule 工具 在 Trae SOLO 中使用 Schedule 工具创建定时任务： 创建定时任务 # 在 Trae SOLO 中执行 Schedule.create( name="ModelScope 保活", cron_expression="0 0,6,12,18 * * *", # 每 6 小时执行一次 message="使用 playwright-cli 定时访问 ModelScope： 1. 执行命令：playwright-cli open --persistent --profile=./modelscope-profile --headed https://modelscope.cn/studios/hqzqaq/QwenPaw 2. 等待 30 秒 3. 执行命令：playwright-cli close", timezone="Asia/Shanghai" ) 定时任务管理 操作 命令 查看任务列表 Schedule.list() 查看任务详情 Schedule.get(scheduled_task_id) 手动触发执行 Schedule.trigger(scheduled_task_id) 暂停任务 Schedule.pause(scheduled_task_id) 恢复任务 Schedule.resume(scheduled_task_id) 删除任务 Schedule.delete(scheduled_task_id) 注意事项 登录状态有效期 ：大多数网站的登录状态会在 7-30 天后过期，需要定期检查并重新登录 网络连接 ：确保执行环境网络畅通 并发控制 ：同一 profile 不要同时在多个进程中使用 数据目录 ：妥善保管 modelscope-profile 目录，不要删除或随意移动 错误处理 ：建议添加日志记录，便于排查问题 常见问题 Q: 登录状态过期了怎么办？ A: 删除旧的 profile 目录，重新执行「步骤 1」进行登录： rm -rf ./modelscope-profile playwright-cli open --persistent --profile=./modelscope-profile --headed https://modelscope.cn # 手动登录后关闭 playwright-cli close Q: 如何确认保活是否生效？ A: 可以通过以下方式验证： 查看 cron/Scheule 任务的执行日志 在执行时加上日志记录： #!/bin/bash echo "$(date): 开始保活访问" >> ./keepalive.log playwright-cli open --persistent --profile=./modelscope-profile --headed https://modelscope.cn/studios/hqzqaq/QwenPaw sleep 30 playwright-cli close echo "$(date): 保活完成" >> ./keepalive.log Q: 能否在无头模式运行？ A: 可以。去掉 --headed 参数即可： playwright-cli open --persistent --profile=./modelscope-profile https://modelscope.cn/studios/hqzqaq/QwenPaw 1 个帖子 - 1 位参与者 阅读完整话题
Elevated errors across multiple models 用的给我一堆大佐语 4 个帖子 - 4 位参与者 阅读完整话题
WebDev AI Leaderboard - Best AI Models for Web Development WebDev AI Leaderboard - Best AI Models for Web Development View overall rankings across AI models on front-end web development tasks, including agentic coding workflows that require multi-step reasoning and tool use. qwen看排行榜,coding已经和claude-opus-4-7 能旗鼓相当了?有没有用过的佬友评论一下 1 个帖子 - 1 位参与者 阅读完整话题
Amazon News – 28 Apr 26 OpenAI models GPT-5.5 and GPT-5.4—and Codex—now on Amazon Bedrock For the first time, the most advanced OpenAI models are available on Amazon Bedrock, with pricing that matches OpenAI first-party rates and no additional fees. 6月1日，AWS宣布OpenAI的 GPT-5.5、GPT-5.4 在 Amazon Bedrock可用，价格与OpenAI官方一致。 1 个帖子 - 1 位参与者 阅读完整话题
https://aigc.mgtv.com/develop/docs#text-models 暂时看是到这个月底，不知道后面什么折扣，感觉可以先薅一把
https://aigc.mgtv.com/develop/docs#text-models 暂时看是到这个月底，不知道后面什么折扣，感觉可以先薅一把
https://aigc.mgtv.com/develop/docs#text-models 暂时看是到这个月底，不知道后面什么折扣，感觉可以先薅一把
https://aigc.mgtv.com/develop/docs#text-models 暂时看是到这个月底，不知道后面什么折扣，感觉可以先薅一把
https://aigc.mgtv.com/develop/docs#text-models 暂时看是到这个月底，不知道后面什么折扣，感觉可以先薅一把
https://aigc.mgtv.com/develop/docs#text-models 暂时看是到这个月底，不知道后面什么折扣，感觉可以先薅一把
https://aigc.mgtv.com/develop/docs#text-models 暂时看是到这个月底，不知道后面什么折扣，感觉可以先薅一把
https://aigc.mgtv.com/develop/docs#text-models 暂时看是到这个月底，不知道后面什么折扣，感觉可以先薅一把
https://aigc.mgtv.com/develop/docs#text-models 暂时看是到这个月底，不知道后面什么折扣，感觉可以先薅一把