4大模型翻译对决:第48周质量评测,passthrough 以 8 分领跑
本周共翻译 431 篇文章,覆盖 4 个AI模型。经抽样盲评,passthrough 综合得分最高(8/10)。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
本周共翻译 431 篇文章,覆盖 4 个AI模型。经抽样盲评,passthrough 综合得分最高(8/10)。报告详细对比各模型在准确性、流畅性、术语一致性方面的表现差异。
OpenAI首席科学家近日就如何限制AI发展发表看法,核心观点是:要给AI发展设定速度上限,首先必须就“如何衡量速度”达成共识。文章分析了AI治理从原则宣言走向工程化度量所面临的难题——能力如何定义、评测是否可信、时间尺度如何把握,并指出谁掌握了“测速”标准,谁就掌握了AI发展节奏的话语权。
2026年11月22日,OpenAI首席科学家Jakub Pachocki公开发文,披露从GPT-3.5到最新模型的内部对数困惑度数据(GPT-3.5约0.99,GPT-4约0.91,最新模型低于0.8),并提议将该指标作为前沿AI实验室的共同安全限速基准。他警告,0.68至0.7区间可能触发目前无法预判的"变革性能力",呼吁各家实验室在越过这一阈值前建立成熟的监控机制。
非营利机构 Better Data Center Project 于2026年11月16日发布分析报告,估算 Anthropic 在美国签约的数据中心到2028年将有87%的电力来自天然气、11%来自煤炭,全年碳排放中位数约3200万吨——超过加州整个电力行业2024年的排放总量。与此同时,Anthropic 目前在美国没有任何已披露的可再生能源采购合同。
MLCommons近日公布MLPerf Training v6.1基准测试结果。本次新增DLRMv4-HSTU推荐系统和Qwen3.5-397B大规模LLM后训练两项基准,吸引24家机构提交153套系统、250项测试结果。云端部署占比升至37%,最大系统规模达10240加速器,首次出现NVIDIA Rubin GPU与Google TPUv7。参与者包括AMD、NVIDIA、Google、Azure等,凸显硬件多样性与行业对透明基准的支持。新基准聚焦GRPO后训练与HSTU架构,为AI训练性能评估提供更贴近实际场景的参考。
MLPerf Training v6.1基准测试新增Qwen3.5-397B GRPO和DLRMv4-HSTU两项任务,覆盖代理强化学习与生成推荐模型。Google Ironwood与NVIDIA Rubin首次亮相,最大系统规模达10240 GPU,多节点提交占比升至76%。250份提交来自25家机构,性能提升超越摩尔定律,软件优化贡献显著。硬件覆盖12款加速器与4种互联技术,学术与云端多租户场景均有亮点。本轮结果凸显全栈AI训练的快速演进。
MLCommons近日推出MLPerf Endpoints v1.0基准,首次针对真实生产环境下的AI API端点进行全面测评。该基准不再局限于孤立硬件性能,而是评估硬件、模型、服务软件、批处理和网络的完整AI技术栈。通过LoadStair可视化图表,它呈现系统在不同负载下的真实表现边界,包括性能断崖,帮助企业买家做出明智选择。基准采用实际用户工作负载,如Llama 3.1总结、DeepSeek推理和多轮Agentic Coding,支持滚动提交与同行评审。提交流程大幅降低门槛,包含CLA签署、工具安装、Pareto前沿规划、本地验证等步骤,并提供临时结果发布选项,为云服务商和OEM厂商提供权威背书。
本文详细介绍了 Ant International AI Infra 团队如何在 H20-3e GPU 上优化 DeepSeek-V4.1-Flash 的分离式(PD)推理服务。通过调整 prefill 与 decode 并行度、支持 BCG 与 prefill CP 及有界 SWA 重放、加速 Indexer 内核等手段,最终配置相比 TP4 基线将平均端到端延迟降低 65.5%,输出吞吐提升 2.91 倍。关键优化包括 prefill CP + decode DP、FP8 DeepGEMM、breakable CUDA Graphs 和 TP MoE 等步骤,显著缩短 TTFT 并提升整体吞吐。
Grok 4今日Smoke评测主榜从83.51分跌至66.35分,降幅17.2分。其中材料约束从77.40分暴跌至52.60分,代码执行下降10.9分,诚信评级从pass转为warn。工程判断和任务表达小幅上升。
Claude Sonnet 4.6今日Smoke评测主榜77.90分,材料约束从77.40分跌至52.60分(-24.8),代码执行从48.60分升至98.60分(+50)。单日10题快测中,材料约束大幅下滑与代码执行暴涨形成鲜明对比,需判断是题目抽签波动还是真实能力变化。
2026-11-23 赢政指数 Smoke 快测覆盖 14 个模型,Claude Opus 4.7 以 78.72 分位居当日首位。Smoke 为每日 10 题快测,适合观察短期信号,不等同 Full 周榜结论。
当AI热潮把数据中心推向舞台中央,它们也从“幕后基础设施”变成了公众愤怒的靶心。记者Paris Marx在新书《Hyperscale》中剖析:土地、水、电与税收优惠的争夺,正让数据中心成为反大型科技公司情绪的最新焦点。本文结合行业背景,梳理这场冲突的来龙去脉。
美国多家主要金融机构正在封杀第三方AI代理登录用户账户,并明确警告:任何由机器人操作引发的昂贵失误,责任均由账户持有人自负。这一举措将AI助手热潮与金融安全防线正面碰撞,也把“自动化便利”背后的责任归属问题推到台前。当银行既不愿开放接口、又不肯为第三方工具兜底,用户成了夹在中间的风险承担者。
2026年11月20日,纽约大学Tristan Buckmaster与Anthropic研究员Levent Alpöge在Mastodon发布AI辅助证明,声称纳维-斯托克斯方程在无外力下可有限时间爆破,以补OpenAI方案漏洞。当日同一研究者还声索黎曼猜想,证书未公开且未经同行评审。
2026年11月20日,数学家Levent Alpöge发布由Claude辅助生成的黎曼猜想Lean证明库,包含17百万行代码。Lean与Mathlib社区于次日完成独立编译校验,通过五种独立校验器确认证明仅依赖三条标准公理且零错误。该事件标志AI首次在千禧年数学难题上实现从声称到机器可检验的跨越,核心在于形式验证体系而非模糊声称。
天风国际证券分析师郭明錤2026年11月20日披露,谷歌已将2027年博通设计的TPU 8i系列出货量削减约100万颗(降幅约20%),削减主要集中在高价变体8i Max(代号Whalefish),同时计划提高联发科设计的TPU 8t系列订单。博通股价单日暴跌逾12%,市值蒸发约1910亿美元。消息源于供应链调研,谷歌与博通均未官方确认。这次调整的核心逻辑是:8t服务于训练,8i主打推理,谷歌正在
亚马逊正接近以75亿美元收购以色列AI初创公司Decart,该交易若完成将帮助AWS降低对英伟达芯片的依赖,并在实时世界模型领域形成储备。报道显示谈判已进入最后阶段,但仍存在变数。
英伟达最新财报再度交出亮眼成绩,数据中心与AI芯片需求依然强劲;但与此同时,一批科技高管公开呼吁黄仁勋回归。同一家公司为何呈现两种截然不同的叙事?本文从财报数据与行业声音出发,剖析英伟达在增长隐忧与战略焦虑之间的真实处境。
加密通讯应用Signal宣布在Android与iOS版本中限制用户截屏功能,以应对AI驱动的监控浪潮。这一被官方称为“生存威胁”的举措,标志着隐私工具与人工智能监控之间的对抗进入新阶段。本文梳理Signal的调整细节、AI监控产业背景,以及隐私与可用性之间的长期博弈。
2026年11月20日,Anthropic上市第二日股价下跌约9%,纳斯达克综合指数当日抹去全年涨幅、收跌逾5%,标普500指数进入技术性调整区间。这场抛售横扫全球市场,英伟达单日蒸发14%,亚洲股市创2020年以来最差单周。史上最大IPO不仅未能提振市场,反而成为投资者重新审视AI估值的转折点。
2026年11月18日,谷歌DeepMind正式推出Gemini 4 Neon,定价每百万输入token 3美元、输出15美元,配备100万token上下文窗口。在Artificial Analysis智能指数上排名全球第三(得分61),生成速度约每秒110-127个token,接近旗舰模型Carbon的两倍。但一个反直觉的定价结构正在等着开发者:在11月30日之前,这款被定位为"中间层"的模型,
Claude Opus 4.7今日Smoke评测主榜升至78.09分,代码执行从74.30跃升至99.10,材料约束却从70.00跌至52.40。工程判断更从87.50暴跌至33.30。单日10题快测下,核心维度剧烈反向波动,需判断是抽签偶然还是模型一致性问题。
GPT-o3今日Smoke评测中代码执行从98.80分跌至71.60分,降幅27.2分;材料约束从51.70分升至86.70分,增35分;主榜小幅升至78.40分。单日10题抽样导致的波动可能是主因,需持续观察一致性。
2026-11-16至2026-11-22 Smoke数据中,GPT-5.5趋势-38.3、GPT-6 Sol趋势-27.8等多模型下滑,豆包Pro趋势+32.4却波动52.2,DeepSeek V4 Pro波动42.2,GLM-4.6诚信评级从pass转为warn,揭示执行与材料约束维度下的稳定性分化。
2026-11-22 赢政指数 Smoke 快测覆盖 13 个模型,Grok 4 以 83.51 分位居当日首位。Smoke 为每日 10 题快测,适合观察短期信号,不等同 Full 周榜结论。
短信正在成为AI代理的新战场。TechCrunch梳理了一批可以直接“住进”手机短信里的AI代理,覆盖通用助手、家庭管理、旅行规划与工作协作等场景。相比需要单独下载的App,这类代理以对话为唯一界面,无需安装、上手门槛更低,但也在隐私、平台依赖与商业模式上面临不小的挑战。
一位演员将自己的面部授权给一家微短剧初创公司,这一模式在中国已相当流行。随着AI生成内容技术成熟,面部授权可能成为好莱坞的新生意,但专家警告称,若这成为行业趋势,演员对自身形象的控制权、劳工权益以及长期职业生态都可能面临深远冲击。
AI正在同时加速漏洞的发现、利用与修补:攻击者在补丁发布后几小时内就能写出利用代码,防御方则被迫在没有充分测试的情况下紧急上线修复。WIRED指出,这种失衡正在把偶发的网络中断变成日常背景音——欢迎来到断网地狱。
2026年11月17日,谷歌将Gemini Tasks向美日韩加澳印六国数亿用户免费开放,底层集成运行近十年的Duplex电话代理技术,支持代打电话预约并通过Google Pay在用户设定的限额内自动结账,全程强制声明AI身份,商家可随时退出。这是AI电话代理首次以免费、大规模、强制透明化方式完成商业落地。
美国众议院外交委员会11月19日公布的数据显示,2025年12月至2026年5月,美商务部工业与安全局批准向中国企业出口逾87.9万颗AI芯片,涵盖英伟达H200和AMD MI325X,收件方包括腾讯、阿里巴巴、百度、比亚迪,均在五角大楼"中国军方关联企业"名单之列。逾三成批准量流向这类被标记实体,暴露出出口管制制度在执行层面的系统性漏洞。