筛选结果
12 篇排序
38:30EN → 简体中文
Theo - t3․gg· 2026年10月14日Theo 测试 Gemini 4 Argon：设计长处与代码审查疑虑Theo Browne · Ping LabsTheo 自建的滑板基准表现出色，但其代码库审计出现了大量错误发现。
30:58EN → 简体中文Theo - t3․gg· 2026年9月29日GPT-6.1 Sol：代码审查深入、成本低，长任务表现仍不稳定Theo Browne · T3Theo 从基准测试成本、实际代码审查和 3D 游戏演示出发，分享 GPT-6.1 Sol 的早期体验。
31:46EN → 简体中文Theo - t3․gg· 2026年9月29日Claude Sonnet 5.5：编程代理的快速研究助手Theo Browne · T3Theo 从价格、推理档位、代码库分析和 3D 游戏等方面测试 Sonnet 5.5，发现它与更大模型配合时有一个出人意料的用途。
27:29EN → 简体中文Theo - t3․gg· 2026年9月27日放缓 AI 前沿发展，对模型发布意味着什么？Theo Browne · T3Theo 认为，发布更可靠、更实惠的模型，可以与放缓最危险能力的发展同时进行。
0:31EN → 简体中文Theo - t3․gg· 2026年9月24日Grok 4.7 的 token 用量与发布前的预测Theo Browne · T3Theo 将 Elon Musk 此前对 Grok 4.7 的预测，与部分基准结果和 token 数量进行比较。
40:14EN → 简体中文Theo - t3․gg· 2026年9月23日Opus 5.5：Theo 使用新编程模型的第一天Theo Browne · T3Theo 比较价格、基准测试、实际编程和游戏演示，同时提醒这份评价仅基于一天的使用。
27:53EN → 简体中文Theo - t3․gg· 2026年9月22日Grok 4.7：代码库调查表现出色，性价比参差不齐Theo Browne · T3Theo 对比发布时的说法、Token 成本、基准测试和自己的代码库及游戏实验，发现它的审查能力有用，同时也存在明显取舍。
0:23EN → 简体中文Theo - t3․gg· 2026年9月21日为什么 AI 安全评估不能只依赖黑箱Theo Browne · T3Theo Browne 解释一项提议：让外部评估人员在 AI 公司内部获得类似员工的访问权限。
30:29EN → 简体中文Theo - t3․gg· 2026年9月21日Jev：用于结构化决策的快速分类模型Theo Browne · T3Theo Browne 通过分类、游戏和开发工作流演示介绍 Typesafe AI 的 Jev，并解释他认为哪些场景仍需要推理模型。
27:09EN → 简体中文Theo - t3․gg· 2026年9月18日为什么 Theo 更看重编程智能体的稳定性，而非最佳表现Theo Browne · T3Theo Browne 认为，当编程任务从调查延伸到测试和审查时，模型最差的表现也很重要。
34:48EN → 简体中文Theo - t3․gg· 2026年9月13日Dario Amodei 放缓 AI 发展的三部分提议Theo Browne · T3Theo Browne 解读进驻评估人员、民主国家之间协调，以及未来国际协议的提议。
25:31EN → 简体中文Theo - t3․gg· 2026年8月13日Grok 4.6：智能体基准更强，速度与成本有所取舍Theo Browne · t3.ggTheo Browne 用设计、游戏和真实代码测试 Grok 4.6，将报告的基准提升与自己观察到的任务速度和成本进行比较。