筛选结果
50 篇排序
7:26EN → 简体中文
Matthew Berman· 2026年9月23日GPT-6 Sol 与 Luna：价格与基准测试的权衡Matthew Berman · Forward FutureMatthew Berman 解析 OpenAI 2026 年 9 月的发布，比较 API 价格及公布的智能体基准结果与更大模型的差异。
1:05:23EN → 简体中文Matthew Berman· 2026年9月3日Matthew Berman 测试 GPT-6 Astra：基准、浏览器智能体与游戏Matthew Berman · Forward Future这次抢先体验将模型基准和价格与实际浏览器工作流、演示文稿及各类生成游戏相对照。
15:37EN → 简体中文Matthew Berman· 2026年8月4日Matthew Berman 谈 Qwen3.8-Max、AI 成本与开放权重竞争Matthew Berman · Forward Future一场 2026 年对已公布的基准测试和研究演示的评析，引出了部署经济性与地缘政治依赖的问题。
52:29EN → 简体中文Matthew Berman· 2026年7月24日Claude Opus 5：基准测试、任务成本与初步体验Matthew Berman · Forward FutureMatthew Berman 直播解读模型发布、评测和定价，并说明为什么完成任务的成本比单纯的 token 单价更值得关注。
16:09EN → 简体中文Matthew Berman· 2026年7月23日如何比较 AI 任务成本，并在不同模型间分配编程工作Matthew Berman · Forward FutureMatthew Berman 比较 token 价格与基准任务成本，并提出使用不同模型分别规划、执行和审查的工作流程。
28:16EN → 简体中文Matthew Berman· 2026年6月9日Claude Fable 5 与 Mythos 5：Matthew Berman 评测长时间编程任务Matthew Berman · Forward Future一位 Fable 5 早期用户分析 Anthropic 的基准、安全控制、定价和编程工作流程，并演示魔方与流体模拟。
1:42:41EN → 简体中文Matthew Berman· 2026年5月1日测试 AI 推理、应用商店相似应用与 Anthropic 争议Matthew Berman · Forward Future在 2026 年 5 月的直播中，Matthew Berman 测试洗车问题，讨论 AI 订阅限制，并思考有关为训练模型而监测员工的报道。
18:07EN → 简体中文Matthew Berman· 2026年4月16日Claude Opus 4.7：基准测试、网络安全防护与未解问题Matthew Berman · Forward FutureMatthew Berman 将 Anthropic 2026 年 4 月发布的 Opus 与受限开放的 Mythos Preview 进行比较，并研究其系统卡。
9:47EN → 简体中文Matthew Berman· 2026年4月3日Gemma 4：面向本地 AI 的小型开放权重模型Matthew Berman · Forward FutureMatthew Berman 着眼于本地智能体，回顾 Google 的模型规模、多模态功能和报告中的基准成绩。
0:37EN → 简体中文Matthew Berman· 2026年2月20日Gemini 3.1 Pro：解读公布的基准测试成绩Matthew Berman · Forward FutureMatthew Berman 评论 Gemini 3.1 Pro 的对比结果，重点关注 Humanity’s Last Exam 的成绩。
11:49EN → 简体中文Matthew Berman· 2026年2月17日Matthew Berman 评测 Claude Sonnet 4.6：基准、计算机使用与安全Matthew Berman · Forward Future这份发布当天的概览审视了 Anthropic 报告的知识工作和智能体成绩，以及提示注入与能力评估。
9:31EN → 简体中文Matthew Berman· 2026年2月6日GPT-5.3-Codex 发布：编程智能体、速度与计算机操作Matthew Berman · Forward FutureMatthew Berman 回顾 OpenAI 在 2026 年 2 月展示的演示和基准，细看所报告的提速与分数能够说明什么，以及不能说明什么。
14:20EN → 简体中文Matthew Berman· 2026年2月5日Claude Opus 4.6：更长上下文、智能体团队与初期基准测试Matthew Berman · Forward FutureMatthew Berman 回顾 Anthropic 于 2026 年 2 月发布的模型、智能体功能、长上下文结果及当时的定价。
1:11EN → 简体中文Matthew Berman· 2025年11月18日Gemini 3 发布：基准测试、Antigravity 与智能体Matthew Berman · Forward FutureMatthew Berman 概述 Google 在 2025 年 11 月发布的新模型、开发工具和助手演示。
13:53EN → 简体中文Matthew Berman· 2025年10月10日微型递归模型与谜题基准比较的局限Matthew Berman · Forward FutureMatthew Berman 研究一种在 ARC 和数独上报告强劲结果的小型递归网络，以及其实验设置的意义。
8:47EN → 简体中文Matthew Berman· 2025年9月16日为什么温度为零时，相同的 LLM 提示词仍可能产生不同回答Matthew Berman · Forward FutureMatthew Berman 解读 Thinking Machines Lab 关于批次不变推理的研究，以及其可复现性实验实际展示了什么。
15:13EN → 简体中文Matthew Berman· 2025年5月10日Absolute Zero：用自行生成的编程任务训练推理模型Matthew Berman · Forward FutureMatthew Berman 解读一篇 2025 年的论文：预训练语言模型利用可验证的反馈，自行提出并解决编程任务。
0:34EN → 简体中文Matthew Berman· 2025年5月1日DeepSeek-Prover-V2 及其形式化数学评测结果Matthew Berman · Forward FutureMatthew Berman 介绍 DeepSeek 报告的 miniF2F、PutnamBench 和形式化 AIME 问题上的定理证明结果。
14:04EN → 简体中文Matthew Berman· 2025年4月29日Qwen3：开放权重、可调整推理与工具使用Matthew Berman · Forward FutureMatthew Berman 回顾 2025 年 4 月的 Qwen3 系列、其基准成绩、训练流程和本地演示。
15:15EN → 简体中文Matthew Berman· 2025年4月19日OpenAI o3 与 o4-mini 的早期反响：工具使用、数学与错误Matthew Berman · Forward FutureMatthew Berman 回顾 2025 年的演示和基准报告，从地点识别、编程到挑战乐观预期的简单错误。
7:33EN → 简体中文Matthew Berman· 2025年4月4日Ace 计算机操作智能体：快速桌面与浏览器演示Matthew Berman · Forward FutureMatthew Berman 回顾 General Agents 的示例及其公布的点击准确率和延迟，并说明自己尚未亲自测试 Ace。
11:31EN → 简体中文Matthew Berman· 2025年3月29日2025 年 3 月 AI 新闻：GPT-4o、Gemini、DeepSeek 与 MCPMatthew Berman · Forward FutureMatthew Berman 回顾模型更新、ARC-AGI-2 基准测试、图像生成器以及 Model Context Protocol 的早期应用。
8:52EN → 简体中文Matthew Berman· 2025年1月21日业界对 DeepSeek R1 于 2025 年发布的反应Matthew Berman · Forward FutureMatthew Berman 回顾 DeepSeek R1 发布初期的反应，涉及开放权重推理模型、本地硬件、基准结果和 API 价格。
21:02EN → 简体中文Matthew Berman· 2024年12月24日OpenAI 2024 年 o3 预览版引发的反应：基准、成本与局限Matthew Berman · Forward FutureMatthew Berman 综述外界对 o3 预览版的反应，从数学基准到关于 AGI、算力和可靠性的争论。加载更多已显示 24 篇，共 50 篇