tell me a joke
合成数据是 shit in shit out 还是 the way to AGI，目前来看，优大于劣。但模型很难再涌现出创造力和科学发现能力，很难评。
合成数据是 shit in shit out 还是 the way to AGI，目前来看，优大于劣。但模型很难再涌现出创造力和科学发现能力，很难评。
Forwarded from LoopDNS资讯播报
Meta Llama 4大模型排名暴跌至32名 被证实提供"特供版"刷榜
LMArena最新排名显示，Meta发布的Llama-4-Maverick大模型从原先的第2名骤降至第32名，证实了开发者关于Meta提供"特供版"刷榜的质疑。Chatbot Arena官方确认Meta提交的是实验性优化版本，而开源社区获得的Llama-4-Maverick-17B-128E-Instruct版本性能远逊，目前排名不仅低于Gemini 2.5 Pro、GPT4o等主流模型，也不及DeepSeek和Qwen等中国产模型。
来源：TechWeb
LMArena最新排名显示，Meta发布的Llama-4-Maverick大模型从原先的第2名骤降至第32名，证实了开发者关于Meta提供"特供版"刷榜的质疑。Chatbot Arena官方确认Meta提交的是实验性优化版本，而开源社区获得的Llama-4-Maverick-17B-128E-Instruct版本性能远逊，目前排名不仅低于Gemini 2.5 Pro、GPT4o等主流模型，也不及DeepSeek和Qwen等中国产模型。
来源：TechWeb
GPT-4.1 是一个矛盾的模型
新更新的 GPT-4.1 在视觉理解能力上与 GPT-4.5 持平，相较 GPT-4o 的最新型号有 10% 的提升，与 o1-high 接近。
在 MMMU 视觉理解基准测试上，GPT-4.1 的评分是 75%，而 03-25 发布的 Gemini 2.5 Pro 高达 81.7% 断档式领先。
Gemini 2.5 Pro Preview | GPT-4.1
新更新的 GPT-4.1 在视觉理解能力上与 GPT-4.5 持平，相较 GPT-4o 的最新型号有 10% 的提升，与 o1-high 接近。
在 MMMU 视觉理解基准测试上，GPT-4.1 的评分是 75%，而 03-25 发布的 Gemini 2.5 Pro 高达 81.7% 断档式领先。
Gemini 2.5 Pro Preview | GPT-4.1
GPT-4o 图像编辑变成了 Agent 模式
OpenAI 官网现在隐藏了「创建图片」按钮，需在「画布」中触发，当你提出一个简单的绘制需求时，模型会像 Deep Research 那样有一轮反问，引导用户思考和拓展可选项，而这轮 prompt 也会作为绘图依据。最终确定需求后，模型在拿着完整的上下文去绘图。
也即，现在的 GPT-4o 图片编辑功能已经开始迈向 Agent 模式了。
OpenAI 官网现在隐藏了「创建图片」按钮，需在「画布」中触发，当你提出一个简单的绘制需求时，模型会像 Deep Research 那样有一轮反问，引导用户思考和拓展可选项，而这轮 prompt 也会作为绘图依据。最终确定需求后，模型在拿着完整的上下文去绘图。
也即，现在的 GPT-4o 图片编辑功能已经开始迈向 Agent 模式了。
OpenAI: Livestream in o3 hours.
https://x.com/OpenAI/status/1912506271187832904?t=8a4VzWpPhbGqulin_qh68Q&s=19
https://x.com/OpenAI/status/1912506271187832904?t=8a4VzWpPhbGqulin_qh68Q&s=19
PyCharm is now one unified product!
version 2025.1 | Junie Agent
https://www.jetbrains.com/pycharm/download/?section=windows
version 2025.1 | Junie Agent
https://www.jetbrains.com/pycharm/download/?section=windows
o3 vs Sonnet 3.7 and Gemini 2.5 Pro
GPQA:
o3 - 83.3%
Sonnet - 84.8%
Gemini - 84.0%
SWE-bench Verified:
o3 - 69.1% (regression over preview score from December)
Sonnet - 70.3%
Gemini 63.8 %
AIME 2024:
o3 - 91.6 %
Sonnet - 80.0%
Gemini - 92.0%
Aider:
o3 - 81.3 %
Sonnet - 64.9 %
Gemini - 72.9 %
GPQA:
o3 - 83.3%
Sonnet - 84.8%
Gemini - 84.0%
SWE-bench Verified:
o3 - 69.1% (regression over preview score from December)
Sonnet - 70.3%
Gemini 63.8 %
AIME 2024:
o3 - 91.6 %
Sonnet - 80.0%
Gemini - 92.0%
Aider:
o3 - 81.3 %
Sonnet - 64.9 %
Gemini - 72.9 %
KCORES 大模型竞技场
o3, o4-mini, o4-mini-high 评测
https://x.com/karminski3/status/1912648451621548435?t=yNFZ9cNYmpOEE-Irv0IZeA&s=19
o3, o4-mini, o4-mini-high 评测
https://x.com/karminski3/status/1912648451621548435?t=yNFZ9cNYmpOEE-Irv0IZeA&s=19
一幅超写实、电影感的插画，描绘了劳拉·克劳馥动态地撞穿一张“考古探险”集换卡牌的边框。她正处于跳跃中或用绳索摆荡，穿着标志性的冒险装备，可能正在使用双枪射击，枪口的火焰帮助将卡牌古老的石雕边框震碎，在破口周围制造出可见的维度破裂效果，如能量裂纹和空间扭曲，使灰尘和碎片四散飞溅。她的身体充满活力地向前冲出，带有明显的运动深度，突破了卡牌的平面，卡牌内部（背景）描绘着茂密的丛林遗迹或布满陷阱的古墓内部。卡牌的碎屑与 crumbling 的石头、飞舞的藤蔓、古钱币碎片和用过的弹壳混合在一起。“考古探险”的标题和“劳拉·克劳馥”的名字（带有一个风格化的文物图标）在卡牌剩余的、布满裂纹和风化痕迹的部分上可见。充满冒险感的、动态的灯光突出了她的运动能力和危险的环境。
dimensional break effects + motion depth 这两个词是核心
https://x.com/op7418/status/1912782048160542886
#AI