X 帖子近期动态

AA 编码 agent 指数 v2.1:Fable 5.2 与 Opus 5.5 并列第一

Artificial Analysis 发布 Coding Agent Index v2.1,升级其中的 FrontierCode(1.1 到 2.0)和 Terminal-Bench;新版本里 Claude Fable 5.2 与 Claude Opus 5.5 以 58 分并列第一。该指数衡量模型放在 agent 框架里的表现。

Artificial Analysis@ArtificialAnlys原帖
01

为什么值得留

选编码 agent 底座模型时,多一个第三方参考。

02

可以从这里开始

打开榜单页,看你在用的模型在 v2.1 里排第几,和你实际体验是否一致。

03

阅读时留意

Terminal-Bench 升级到哪个版本、用的是哪个 agent 框架、其他模型分数,节选都被截断;指数换版后不能与旧分直接比。

OnBalls 导读整理于 2026.11.14。只读收件箱保存的榜单方帖节选(截断);未打开榜单页。

同一方向,继续读

这个方向的精选
提示与上下文近期动态

转述:DeepSeek 手机端长对话出现多种限制提示

一位中文资讯博主汇总用户反馈称,DeepSeek 手机应用出现几类限制:内容过长被拦、修改输入次数超限、超过 72 小时的长对话因算力不足暂不可用(可导出)、单个对话消息数触顶。他称有会话到约 14.8 万字后触发上限,网页端暂未见大量反馈。

X 帖子
评估与原理方法阅读

写报告不一定要把最强模型留到最后

有人转述 Anthropic 11 月 12 日的知识工作指南:在 Pro、Max、Ultra 和 Team 里,Opus 5.5 已是默认模型,做研究、分析、备忘录、报告、表格和幻灯片时建议保持选中。更强模型单价更高,但少走弯路后单次花费不一定更贵。

X 帖子
评估与原理近期动态

GoogleAI 宣布 Gemini 4 系列加入 Hydrogen

被引用的 GoogleAI 帖说,Gemini 4 系列新增 Hydrogen:Carbon 负责最难的问题,Hydrogen 面向日常编码和代理流程,强调速度和效率。句子在「超过 Argon」处被截断。这条中文帖本身是系列演示的第 8 条,讲一个能检查并修复 3D 文件的 Hydrogen 应用,不是规格表。

X 帖子