DeepSeek-V3.2 突然發佈，那參數強得離譜……基本上把 GPT-5 都按在地上摩擦了。圖：國外網友瘋狂研究 DeepSeek 3.2累不累啊？Benchmark 資料直接拉滿，而成本更是暴擊一堆海外頂尖模型。價格只有 GPT-5 的約 20%，輸出 Token 甚至只有它的 1/24。圖：DeepSeek  V3.2 參數大家都嗨了。而且這玩意還完美適配 Claude 生態，只需要改名成“deepdeek-reasoner”就好了。作為一個有“模型收集癖”的老玩家，我當時的反應和大家一樣：“扶我起來，我要測它！”但剛坐到電腦前，我就萎了。01｜ 以前測模型的“勸退”流程你們有沒有算過，以前我們要想對比測試幾個模型，得掉多少根頭髮？想測 DeepSeek？去官網。想測 Claude？去外網。想測阿里通義？去阿里雲。每個平台都得註冊帳號，綁手機，填發票資訊，還得先充值（那怕我只測幾毛錢）。最崩潰的來了。每家的 API 文件都長得不一樣！這家的參數叫 max_tokens，那家非要叫 max_output_tokens。為了相容這堆亂七八糟的介面，我得寫一堆 if-else 的“屎山程式碼”。圖：傳統的模型使用流程我就想簡單的問一句：“DeepSeek V3.2 和Claude Opus 4.5 到底誰寫程式碼更好？”結果這還沒開始測，我已經被“配環境”給勸退了。02｜降維打擊：一個介面，通吃所有我實在不想再這麼折騰了，還好有朋友給我推薦了一個神器。它把市面上幾乎所有叫得上名字的頂尖模型（DeepSeek-V3.2、Opus 4.5、Gemini 3 Pro...），全部封裝成了一個標準的 OpenAI 相容介面。市面上做模型中轉的工具不少，但能以雲廠商的底座做到如此絲滑封裝的，還真不多。這就是七牛雲。它不僅僅是省事，這是玩法的降維打擊。這意味著，在我的視角裡，DeepSeek 和 Claude 不再是兩個需要分別配置的龐然大物，它們只是兩個不同的“字串名字”而已。我要做的，就是配置一次七牛雲的 Key。然後？ 然後我就擁有了整個 AI 世界。03｜ 極致偷懶：Vibe Coding 實現“模型自由”既然介面統一了，我甚至連程式碼都懶得自己寫了。我打開了 Google AI Studio，然後開啟了 Vibe Coding（氛圍感程式設計） 模式。不到 10 分鐘，我擼了一個模型競技場出來：圖：模型競技場我一口氣把市面上的主流模型全擼了進來，想測那個測那個。這感覺，太 tm 爽啦！放在程式碼裡也一樣，以前我的程式碼（一堆亂七八糟的 import）：import openaiimport anthropic# 此處省略50行噁心的配置程式碼現在我的程式碼：只需要改 model 參數，其他全都不用動client = QiniuAI(api_key="...")# 1. 遇到難題？切 CEO 帳號response = client.chat(model="deepseek-v3.2", messages=complex_task)# 2. 髒活累活？切 牛馬 帳號response = client.chat(model="qwen-turbo", messages=format_task)這就很舒服了。下次有新的模型一上，我不需要改邏輯，改個字串就能無縫升級。比如我突發奇想寫一個賽博朋克風的俄羅斯方塊，DeepSeek V3.2 Speciale 號稱宇宙無敵，先拿它來試試。結果它整整思考了 453 秒....圖：DeepSeek V 3.2 Speciale 思考時間很長然後寫了這玩意。。。圖：DeepSeek V3.2 Speciale 生成的遊戲接著我再試試 Gemini 3 Pro，我只需要在這裡換個模型名字就可以了。這回它不到 2 分鐘就完成了，快到飛起。圖：模型競技場中選擇模型而且這個效果也是碾壓啊。。 所以，模型好不好，不要光看跑分，實際跑一下吧。。。圖：Gemini 3 Pro 生成的遊戲整個過程非常絲滑，畢竟他們是做雲的，這速度非常流暢，不管模型在那，延遲都很低。但不得不說，DeepSeek V3.2 這個最牛逼的模型（Speciale），也是真的慢。04 最後的碎碎念：小孩子才做選擇這個模型競技場對我這種博主來說，太有用了。在這個“三天一個新模型”的瘋狂時代，效率就是生命。我是真的不想再把時間浪費在註冊帳號和配環境上了。很多人問我到底那個模型好？說實話這個問題沒有答案，模型各有千秋，我也會同時使用多個模型。下一步我還想做一件事兒，就是把多個模型放在一塊組成一個委員會，就是所謂的 LLM Council。圖：設想中的 LLM Council這也是有了七牛雲這個“萬能插座”後才能實現的玩法。你想想，每次你問一個問題，背後是一整個“復仇者聯盟”在給你出謀劃策。這才是 AI 正確的打開方式。小孩子才做選擇，成年人當然是全都要！ (AI范兒)

【新智元導讀】估值飆升至3500億美元，Claude Opus 4.5強勢登頂企業級市場，Anthropic正式終結了OpenAI的獨角戲時代。從Instagram創始人到OpenAI的「決裂者」，這11位頂尖人物組成了矽谷最豪華的「復仇者聯盟」。他們用一場驚天逆襲證明，在通往AGI的狂飆突進中，對安全的極致堅守才是最深的護城河。如果你在2021年走進Anthropic的辦公室，看到的只是一群從OpenAI「叛逃」出來的理想主義者；但如果你今天再看Anthropic的高管名單，你會發現這已經不再是一個簡單的實驗室，而是一支足以撼動矽谷版圖的「全明星復仇者聯盟」。隨著Anthropic的估值在本月飆升至驚人的3500億美元，Claude Opus 4.5更是拿下了企業級市場32%的份額。在這個龐大的數字帝國背後，是11個性格迥異、背景傳奇的掌舵者。他們有人曾一手打造了Instagram，有人曾是OpenAI最核心的大腦，有人則是守護過Netflix全球資料的守夜人。這是一份關於信仰、決裂與重塑的名單。權力的雙核：兄妹與決裂故事的起點始終是Dario Amodei（CEO）。這位前Google科學家和OpenAI研究副總裁，在四年前做出了一個震驚業界的決定：帶著六名親信出走。原因很簡單，他無法接受老東家在安全問題上的激進。Dario是那種典型的「技術苦行僧」，他拒絕了OpenAI的併購提議，堅守獨立研究。而站在Dario身旁的，是他的親姐姐Daniela Amodei（總裁）。哥哥仰望星空，妹妹腳踏實地。Daniela有著極罕見的履歷：從政治競選的泥潭中摸爬滾打，轉型為Stripe的風控經理，再到OpenAI的安全副總裁。在Anthropic，她是那個能讓理想主義落地的人，直接管理著包括CTO在內的核心高管，確保這家公司的骨架不會被飛速增長的肌肉壓垮。矽谷頂流的跨界當「濾鏡」遇上「大腦」最令人意想不到的加盟者，無疑是Mike Krieger（首席產品官）。作為Instagram的聯合創始人，他曾定義了全球數億人的視覺語言。在將自己的新聞應用Artifact賣給雅虎僅一個月後，他就閃電加入了Anthropic。Krieger的到來是一個強烈的訊號：Claude不想只做工程師的玩具。這位擁有極致產品嗅覺的產品天才，正準備把冷冰冰的模型變成人人愛用的國民級產品。同樣來自頂級商業戰場的還有Rahul Patil（CTO）。兩個月前，他剛從支付巨頭Stripe的CTO位置上卸任。在微軟、亞馬遜和甲骨文歷練多年的他，深諳如何駕馭龐大的工程系統。如今，他接過了指揮棒，掌管著這家AI巨頭所有的工程命脈。「叛逃者」聯盟：為了即使機器不失控在技術核心圈，Anthropic幾乎匯聚了「反叛軍」的精華。Jan Leike（對齊科學負責人）的名字本身就是一面旗幟。他曾是OpenAI「超級對齊」團隊的聯席主管，卻因絕望於前東家對安全的忽視而憤然離職。他的名言「為後AGI時代的人類繁榮而最佳化」，在Anthropic找到了真正的共鳴。在這裡，他不再是孤獨的守望者，而是掌舵者。Jared Kaplan（首席科學官）則是一位理論物理學家出身的「第一性原理」信徒。作為約翰霍普金斯大學的教授，他用量子場論的思維去解構神經網路，為公司確立了長期的科研航向。Tom Brown（首席計算官）曾是GPT-3的幕後締造者。這位自學成才的工程天才，如今正在指揮一場被YCombinator稱為「人類歷史上最大規模的基礎設施建設」。他的任務簡單而艱巨，為甚至還沒誕生的ASI打好地基。Sam McCandlish（首席架構師），另一位擁有史丹佛理論物理博士學位的初創元老。他的論文引用量超過10萬次，但他並沒有留在象牙塔裡，而是從CTO轉型為架構師，專注於那些最硬核的模型訓練難題。守夜人與布道者在這個充滿了不確定性的時代，安全感是最大的奢侈品。Vitaly Gudanets（首席資訊安全官）曾在Netflix全球擴張期間守護其資料安全。作為Lightspeed的營運合夥人，他看慣了科技圈的起起落落。今年9月，他選擇站到Anthropic的城牆上，為這艘巨輪抵禦來自網路世界的暗箭。Jack Clark（政策負責人）則有著最獨特的視角。他從彭博社的一名科技記者起家，寫出了著名的Import AI通訊，最終轉型為OpenAI的政策總監並隨後聯合創立了Anthropic。他是這個極客團隊對外的窗口，遊走在各國政府與國際組織之間，試圖為AI制定規則。Krishna Rao（CFO），這位曾在Airbnb和Fanatics掌管財務戰略的高管，正在為Anthropic繪製一張通往兆市值的藏寶圖。這11個人，有的來自象牙塔，有的來自名利場；有的為了逃離危險，有的為了追尋真相。他們聚在一起，相信人類的理性可以駕馭自己創造的神蹟。在這個瘋狂加速的時代，或許只有這群曾見過深淵、並對其心存敬畏的人，才配握緊那把通往未來的鑰匙。 (新智元)

Google的gemini 3.0一出，各家都坐不住了，前天就傳聞Opus4.5要出今天凌晨果然不負眾望，正式發佈了，綜合評測很強首次在SWE bench上超越了80%，並且API價格也大幅下降66%，感謝OpenAI和google啊在Arc-AGI上也是SOTASVG能力也很出眾不過在基礎科學上一般，這是一個基礎物理視覺推理評測年底了，御三家都不甘寂寞，據說oai的5.2也馬上要出 (大道至簡不簡單)

11月25日凌晨，Anthropic發佈了其迄今最強大的AI模型Claude Opus 4.5。該公司宣稱，新模型在軟體工程任務上實現了“最先進性能”，進一步加劇了其與OpenAI、Google等對手之間的競爭。Claude Opus 4.5在Anthropic軟體工程測試中表現出色，得分超越Gemini 3 Pro、GPT-5.1等一眾對手。圖：Claude Opus 4.5在SWE Bench軟體工程測試中的性能表現公司資料顯示，該模型在SWE-bench Verified（一項評估現實世界軟體工程能力的基準測試）中達到了80.9%的精準率，表現超越了OpenAI的GPT-5.1-Codex-Max（77.9%）、Anthropic自家的Sonnet 4.5（77.2%）以及Google的Gemini 3 Pro（76.2%）。同時，Anthropic大幅下調了這款模型的定價：輸入token降至每百萬5美元，輸出token為每百萬25美元，較前代產品Claude Opus 4.1（輸入15美元/百萬，輸出75美元/百萬）下降約三分之二。降價使得尖端AI技術對廣大開發者和企業更加觸手可及，同時也給競爭對手帶來了性能與價格的雙重壓力。現實任務中展現更優判斷力測試人員普遍反饋，新模型在各種任務中展現出更強的判斷力與直覺。他們將這種進步描述為：模型開始領悟現實情境中的“關鍵所在”。“這個模型好像突然‘開竅’了，”開發者關係負責人阿爾伯特表示，“它在處理許多現實問題時表現出的直覺和判斷力，讓人感覺相比前代模型實現了一次質的跨越。”阿爾伯特以自身工作為例進一步說明：過去他僅利用AI收集資訊，而對它們的整合與優先順序排序能力持保留態度。如今，借助Opus 4.5，他已開始委託更完整的任務，通過連接Slack和內部文件，模型能生成與他預期高度契合的連貫摘要。賓夕法尼亞大學沃頓商學院教授、生成式AI實驗室聯合主任伊桑·莫利克測試後評論道，新模型的能力確實處於技術前沿。其最顯著的提升在於實際應用，例如跨軟體操作（如用Excel製作PPT）。核心工程測試中超越所有人類工程師Claude Opus 4.5在Anthropic內部一項高難度工程評估中創下了新紀錄。這項評估本是公司為性能工程師崗位設計的限時程式設計測試，要求求職者在兩小時內完成，旨在考察其技術能力與問題判斷力。Anthropic透露，通過採用“平行測試時計算”技術，即彙總模型的多次解題嘗試並篩選最優結果，Opus 4.5的最終得分超越了所有曾參與該測試的人類工程師。在不限時間的條件下，若在其專用編碼環境Claude Code中運行，Claude Opus 4.5的解題表現更是與史上最高分的人類工程師持平。不過該公司也坦言，這類測試無法衡量其他關鍵專業技能，例如團隊協作、有效溝通，或是經年累月形成的專業直覺。核心基準測試token消耗大幅降低76%除原始性能突破外，Anthropic更將效率提升視為Claude Opus 4.5的核心競爭力。新模型在達成相同甚至更優結果時，所需處理的計算token數量顯著減少。具體資料顯示，在“中等”投入等級下，Opus 4.5可在SWE-bench Verified測試中達到與Sonnet 4.5相同的最高分，而輸出token消耗量卻大幅降低了76%。即便在“高”投入等級追求極限性能時，其表現比Sonnet 4.5再提升4.3個百分點，token使用量仍減少了近一半（48%）。為賦予開發者更精細的控制權，Anthropic引入了全新的“投入”參數。使用者可通過此參數，動態調節模型處理每個任務時所投入的計算工作量，從而在性能、響應速度和成本之間找到最佳平衡點。GitHub首席產品官馬里奧·羅德里格斯也證實了類似發現：“早期測試表明，Opus 4.5在token消耗減半的同時，性能仍超越了我們的內部編碼基準，尤其在程式碼遷移與重構等複雜任務上表現尤為出色。”阿爾伯特對此現象作出技術解讀：Claude Opus 4.5並非直接更新其底層參數，而是在持續最佳化解決問題的工具與方法。“我們看到它在迭代精進任務技能，通過自主最佳化執行方式來提升最終效果，”他解釋道。這種自我進化能力已突破程式設計領域。阿爾伯特透露，在專業文件生成、電子表格處理和簡報製作等場景中，模型表現均有顯著提升。深度整合Office突破上下文長度限制伴隨新模型的發佈，Anthropic同步推出了一系列面向企業場景的重要更新。專為Excel設計的Claude功能現已向Max、Team及Enterprise使用者全面開放，新增了對資料透視表、可視化圖表及檔案上傳的完整支援。同時，Chrome瀏覽器擴充套件也已向全體Max使用者開放使用。本次更新最具革命性的當屬“無限聊天”功能——該技術通過智能總結長對話中的早期內容，有效突破了傳統上下文窗口的限制。“在Claude AI產品中，憑藉我們創新的內容壓縮與記憶體管理技術，使用者實際上獲得了近乎無限的對話效果，”阿爾伯特解釋道。面向開發者群體，Anthropic推出了更具工程價值的“程序化工具呼叫”能力，使得Claude能夠直接編寫並執行可呼叫外部函數的程式碼。同時，Claude Code不僅升級了“計畫模式”，更以研究預覽版形式推出了桌面客戶端，首次支援開發者平行運行多個AI智能體會話。AI步入“自我進化”與盈利挑戰並存新階段模型迭代速度正成為競爭焦點。Opus 4.5距前代Haiku 4.5和Sonnet 4.5發佈僅相隔數周，這折射出整個行業的加速態勢。2025年間，OpenAI持續推出多個GPT-5變體，並於11月發佈可自主運行24小時的Codex Max模型；Google也經過數月打磨，在11月中旬正式推出Gemini 3。值得注意的是，Anthropic正利用AI技術反哺自身研發。阿爾伯特透露：“無論是產品建構還是模型研究，Claude本身都在為我們提供助力，顯著加速了開發處理程序。”面對價格戰可能帶來的利潤壓力，阿爾伯特持樂觀態度：“降價將推動更多初創公司深度整合並主推我們的技術，從而擴大市場基礎。”然而，儘管AI市場預計十年內將突破兆美元規模，主要實驗室在巨額投入計算設施與人才的同時，盈利之路依然漫長，尚未有任何供應商確立絕對主導地位。對企業和開發者而言，這場競賽正轉化為持續提升的性能與不斷下降的成本。但隨著AI在專業技術任務上逼近甚至超越人類水平，其對各行業工作模式的顛覆已從理論探討變為現實挑戰。談及AI在工程測試中超越人類的表現，阿爾伯特坦言：“這無疑是一個值得高度重視的訊號。”（騰訊科技）