消息，Grok 4.5在腾讯混元Agent耐力榜上登顶，完成13项任务，但仍有超过六成的任务未能由任何模型完成。腾讯混元团队联合多所高校发布的LHTB基准测试包含46项任务，涵盖软件工程、实验复现、科学计算和多模态分析等领域。每项任务最长运行90分钟，通常需要连续操作数百步。LHTB不仅关注最终成败，任务完成一部分也会按实际进度给分。隐藏验证器会检查文件、测试结果和程序输出，agent自称完成不算。论文首版测试了15个模型，其中GPT-5.5完成7项，排名第一。当前公开结果已扩展至20个模型，Grok 4.5以平均得分0.505登顶。46项任务中，仍有29项没有任何模型达到完成标准。多数agent能完成部分步骤，但经常耗尽90分钟，或在任务尚未完成时提前收工，无法真正完成复杂任务。
消息，因美伊互相空袭，BTC价格在UTC时间午夜后下跌超过1%，目前徘徊在63000美元附近。布伦特...
2 单个矿工用250美元ASIC成功挖掘比特币区块消息，一名单独矿工使用价值250美元的Bitaxe ASIC挖掘成功，获得了完整的3.138 BTC奖励，价值超过...
3 Grok 4.5登顶腾讯混元Agent耐力榜，超六成任消息，Grok 4.5在腾讯混元Agent耐力榜上登顶，完成13项任务，但仍有超过六成的任务未能由任何...
4 Meta路易斯安那数据中心总投资将超过25消息，Meta Platforms宣布将向其位于美国路易斯安那州的大型数据中心园区追加400亿美元投资，预...
5 aster平台将回购308万枚代币并销毁等量消息，aster表示，2026年6月29日至7月13日期间，平台将每日手续费的99%用于回购3,083,815.69枚aste...
6 国务院：推动全国一体化算力网建设，推消息，国务院近日批复《扩大消费十五五规划》，规划提到加强消费基础设施建设，促进消费...
7 美联储威廉姆斯：若核心通胀月均超0.2消息，美联储官员威廉姆斯在纽约联储的研讨会上表示，如果月均核心通胀超过0.2%，他将支持...
8 法国将就俄罗斯网络攻击活动召见俄大使消息，法国外交部长让-诺埃尔巴罗表示，法国将在未来几天召见俄罗斯大使，讨论俄罗斯在多...
9 汇丰：人工智能将产生巨大的消费者剩余消息，汇丰全球经济学家James Pomeroy表示，个人使用的AI工具的免费性质正在产生巨大的消费者...
10 台积电季度营收增长36% AI芯片需求持续强消息，台积电季度销售额增长36%，符合市场预期，显示全球人工智能硬件需求仍然强劲。根据...
成都来彰科技 蜀ICP备2025134723号-1
资讯来源互联网，如有版权问题请联系管理员删除。
