阿里巴巴 Qwen3.5-Max 領先中國，落後美國
阿里巴巴推出 Qwen3.5-Max-Preview，其最強 AI 模型，在 Arena 基準測試中超越所有中國對手，但落後 Anthropic、Google 和 OpenAI 等美國對手。此 Qwen 3.5 系列預覽版鞏固了阿里巴巴在中國 AI 競賽中的領先地位。
Search
Tag: #benchmarks166 results
Cursor自研模型反超Opus 4.6！價格腳踝斬
Cursor 推出自研 AI 模型，在基準測試中超越 Opus 4.6。此模型大幅削價，引發氛圍程式設計熱潮。背後引入新型強化學習方法。
Cursor 推出 Composer 2 編碼模型
Cursor 推出 Composer 2，自家編碼模型在基準測試中擊敗 Claude Opus 4.6，但落後 GPT-5.4。它比 Composer 1.5 便宜 86%，並提供更快的變體，專為 Cursor 中的長程代理編碼優化。模型具備 200k 令牌上下文，並針對工具使用和多檔案編輯進行調整。
MiniMax M2.7 在代理與編碼基準測試中名列前茅
MiniMax 推出 M2.7，在 PinchBench 獲得 86.2%（50 模型中第 5，接近 Claude Opus），Kilo Bench 47%（第 2 名）。相較 M2.5 提升 3.7 點，並獨家解決如 SPARQL 推理等任務。模型互補，組合神諭可達 Kilo Bench 67%。
MiniMax M2.7 在 OpenRouter 上線
MiniMax-M2.7 現已在 OpenRouter 上提供，具 204k 上下文，輸入 $0.30/M、輸出 $1.20/M 權杖。它擅長代理任務如除錯、金融建模及文件生成，透過多代理協作。基準：SWE-Pro 56.2%、Terminal Bench 2 57.0%、GDPval-AA 1495 ELO。
🔬
跨模型潛在轉移加速代理
AVP 讓代理傳遞 KV-cache 潛在狀態而非文字，現支援跨模型轉移，基準測試顯示程式碼生成準確度提升及 2-6 倍加速。提供免費 T4 的 Colab 筆記本，使用 HuggingFace Transformers 於 GPU 測試。基於 LatentMAS，下一步支援 vLLM。
Qwen3-8B 微調基準測試稱霸 SLM
對 15 款小型語言模型在 9 項任務進行基準測試，找出最佳微調模型。Qwen3-8B 以最佳平均排名和一致性領先。LFM2-350M 在可調性增益上表現出色；Qwen3-4B 在 8/9 基準測試中勝過 120B 教師模型。
🔬
泰語嵌入模型 MTEB 排名
使用 A100 GPU 在泰國 LANTA 超級電腦上測試 14 種嵌入模型於 15 項泰語 MTEB 任務。Qwen3-Embedding-4B 以 74.41 分領先，KaLM-Gemma3-12B 以 73.92 分緊追。結果已合併至官方 MTEB 儲存庫，並提供互動排行榜。
Qwen3.5-27B 在遊戲代理編碼聯賽媲美 397B
在三月 GACL 基準測試中，Qwen3.5-27B 僅落後 Qwen 397B 0.04 分，表現接近 GPT-5 mini。優於其他 Qwen 模型，僅次於頂尖開源模型 Kimi2.5。聯賽透過競爭遊戲評估代理程式碼生成，涵蓋七款遊戲。
AI 代理在多步驟網路攻擊中的進展
研究人員在 32 步企業網路與 7 步工業控制系統網路攻擊靶場上評估前沿 AI 模型，需鏈結多項能力。效能隨推論運算呈對數線性擴展，從 10M 到 100M 令牌提升高達 59%。如 Opus 4.6 等新型模型遠勝 GPT-4o，最佳執行達 22/32 步。