模型情報.
追蹤變化,讀懂每一次更新。
Claude Code 和 Codex 該選哪個?價格和用量上限比一比
Claude Code 和 Codex 的入門付費方案都是每月 20 美元,這個方案也都以 5 小時視窗和每週上限來計量用量,但在能否免費使用、高階方案解除了什麼、官方公開多少額度資訊、額度用完後能買什麼這幾點上差異很大。本文依兩家的官方頁面逐一比較,並說明各自適合哪類使用者。
最新文章33
最新發布2026 年末大模型架構演進深度分析:代碼合成、外掛長上下文與原生世界模擬的三條路線
隨著 Claude Fable 5.2、Gemini 4(Carbon 與 Hydrogen)以及 Seedance 2.5 在 2026 年 10 月至 11 月相繼落地,前沿人工智能正沿著三條清晰的技術主線分化:程序化代碼生成與原生影片模型的「左右腦分工」、長程推理與千級智能體協作帶來的「苦澀的教訓」外溢,以及知識表示從「靜態參數死記硬背」向「推理合成與百萬 Token 外掛記憶體」的全面遷移。本文結合公開基準數據與 API 定價,拆解三者的能力邊界與合流趨勢。
每個人都有 AI 助手,為什麼事情反而更難辦?讀懂 Anthropic 的 MAMUBench 研究
假設幾位朋友準備一起旅行,每個人都把安排交給自己的 AI 助手。有人預算有限,有人只能在特定時間到達,還有人願意多付一點錢。每個助手都知道自己要幫誰,可最終只有一份共同的預訂方案。 這時,問題就變成了:各自替用戶辦事的 AI,能不能把大家的要求放在一起考慮? Anthropic 在 2026 年 11 月 11 日發表的研究解讀,討論的正是這種情況。
Anthropic Project EVE:四 Agent 小隊為何難以識別被指派的破壞者
Anthropic 在 EVE Frontier 中讓四個 Claude 實例組隊,並通過提示詞指派其中一個暗中阻礙任務。其餘隊友雖收到警告,卻幾乎從未明確識別破壞者;只讀公共頻道的獨立監控者有所改善,仍遠非可靠防線。研究揭示工具故障、真實失誤與有限信息如何混淆歸因,不意味着 AI 會自發背叛。
AI 改網站滿足近七成要求,為什麼完整通過的任務只有約四分之一
Co-Design Bench 用 273 個真實使用者改站任務、2331 條隱藏驗收條目評測編程代理。共享 harness 下,最強端點平均每任務通過 69.9% 條目,但全部條目都 PASS 的任務僅 26.4%。論文提交於 2026 年 10 月 26 日,相關結果尚未獨立重現。
FMF 發布網路安全越獄風險評級初步框架,公開徵求意見
Frontier Model Forum 發布越獄風險評級初步框架,從能力增益、能力涵蓋範圍、部署容易程度與發現容易程度四個維度比較單個成功網路安全越獄。Version 1.0 仍需檢驗評分者一致性及評級能否反映有意義的風險差異,公開徵求意見至2026年12月21日。
OpenAI 與 Ligo 推出 BioBasicsBench,以 100 項任務評測濕實驗數據分析
OpenAI 與 Ligo 推出 BioBasicsBench,以 100 項任務評測原始實驗數據解讀、錯誤辨識和證據不足判斷。官方報告 GPT-6 Astra 在 xhigh 設定下的 mean reward 為 66.7%,不是任務成功率。
同一個 DeepSeek,為什麼換套評測框架分數差這麼多?
ARC Prize 官方結果頁上,DeepSeek V4.1 Flash 1017(頁標 Oct 17, 2026 · 5 harness configurations)在同一 max 推理檔下,ARC-AGI-3 的 Standard 爲 0.2%、Provider Adapter 爲 5.8%。分差來自評測運行框架——模型自選筆記 vs 請求間保留內部推理狀態並做 compaction——不是新權重。同頁 Semi-Private 峰值:v1 high 94.5%、v2 max 78.1%。數字爲 ARC Prize 自報;我們暫時還沒有複測。
Anthropic 研究:專家用 Claude Code 時判斷常被 Agent 帶著走
Anthropic 於 2026 年 10 月 27 日發布研究:50 名專業分析師在 web VS Code 內建 Claude Code(Claude Opus 4.8、High effort)上完成因果推斷任務時,四項分析選擇合計有 86% 跟隨 agent 隨機設定的 lean。事後解釋裡,77% 沿用 agent 話術,僅 15% 歸功於 agent。@AlexTamkin 於 2026-10-28 05:14(Asia/Shanghai)轉發。lean 為測量故意強化。細節以 Anthropic 研究為準,僅供參考。
Claude Pro 和 Max 怎麼選:價格、額度與升級值不值(2026年10月)
Anthropic 在免費版之上提供兩檔個人付費方案:Claude Pro 每月 20 美元(年付 200 美元,約合每月 17 美元),Claude Max 為 5x=100 美元/20x=200 美元,僅月付。本文對照每段會話額度、週限額、Fable 在 Max 上的獨立週額度、僅 Max 才有的月度 Claude Platform API 額度(100/200 美元),以及何時用 usage credits 比直接升級更划算。數字以 2026 年 10 月 Anthropic 官方定價頁與 Claude Help Center 為準。本站未對各檔實際用量逐一實測,以下為官方公開數字,僅供參考。
ChatGPT Plus 和 Pro 怎麼選:價格、額度與升級值不值(2026年11月)
OpenAI 的 ChatGPT Plus 為每月 20 美元,ChatGPT Pro 分成三檔月付:Pro 100=100 美元、Pro 200=200 美元、Pro 500=500 美元。下面對照個人訂閱裡的 Free/Go/Plus/Pro、Standard/Fast/Ultrafast 消耗倍率,以及研究與編程場景下的功能差距。截至 2026-11-04 Asia/Shanghai,公開討論裡有人按 20x/25x 質疑 $500 檔;OpenAI 的 Tibo 回覆稱是 50X——截至 2026-11-04 Asia/Shanghai,在 chatgpt.com/pricing 與 Pro Help 上未見該數字。各檔絕對額度暫時還沒有實測,以 Settings → Usage 為準。
AI 能幫你判斷研究選題是否重複嗎?LitPivot 能做什麼、邊界在哪
2026-10-23,Ai2 官方部落格介紹與賓夕法尼亞大學合作的 LitPivot:面向早期選題的研究系統。它把短提案切成問題/貢獻/評估,經 Asta Paper Finder 取文,由研究者選定對照文獻,再給出帶摘錄的批評與改寫建議;改稿後文獻相關性會重排(literature-initiated pivot)。17 人實驗室研究中,領域專家給 LitPivot 條件下的想法打了更高的「文獻 grounding」分;受試也自報新穎性、有用性與對周邊文獻的理解更強。這不是查重器,也不等於對選題新穎性的保證。Ai2 同文還提到 Old Ideas, Novel Problems:自動新穎性評判不穩定。官方部落格未確認面向公眾的公開產品。本站暫時還沒有測試;僅供參考。
Google 開源 EGM:一個會話寫設計,另一個會話專門找漏洞
2026-10-22,Google 開源部落格介紹 Elephant-Goldfish Model(EGM)外掛(Apache 2.0;倉庫 google/elephant-goldfish-model)。大象會話保留專案背景並起草設計;金魚會話不共享聊天記憶,只讀草案與原始碼,檢查是否說清、有無遺漏、是否可實施——先審方案再寫程式。README 列出 Antigravity/Claude Code/Codex 接入(Cowork/ChatGPT 見 harness 文件),並寫明「非 Google 正式支援產品」:開源方法/外掛,不是託管 SLA。開源不等於模型呼叫免費。對於普通提示與獨立審查在需求遺漏、返工與 token 成本上的差別,本站暫時還沒有測試;僅供參考。與站內 Baseten Mammoth-1/Elephant-1 不是一回事。