smevals：用于评测模型、提示词与评测框架的小型评测套件

相关推荐

• Claude Sonnet 5.5 发布，官方附上开发使用指南

  Claude Sonnet 5.5 发布，官方同步发布构建指南。指南涵盖在 Sonnet 5.5 与 Opus 5.5 之间做选择、从 Sonnet 5 迁移并调整 effort、以及在 Claude Code 中使用，详见 https://claude.dev/blog/building-with-claude-sonnet-5-5/。

  

  AI资讯 2026年9月29日

  000

• DeepSeek-V4.1-Flash （Max） 进入 Agent Arena 开源模型第 3 名

  DeepSeek-V4.1-Flash （Max） 进入 Agent Arena 开源模型第 3 名，净提升 +4.87%，每任务中位成本 $0.07，重塑 Pareto 前沿。其成本比第 2 名 Hy4 preview 低 68%、成绩仅差 0.09 个百分点；总榜排名第 12，Confirmed Success 信号排名 第 4（+13.75%）。

  

  AI资讯 2026年9月15日

  000

• 美国威胁因知识产权盗窃对中国AI模型实施制裁

  美国财政部长Scott Bessent周二表示，美方将审查中国开源模型是否存在知识产权盗窃行为，若证实将对中国AI公司实施制裁。Bessent称政府支持开源模型但不支持IP盗窃，并称有能力对盗窃美国公司技术的外国模型进行制裁。此举正值中国模型（如Moonshot AI的Kimi K3）能力与受欢迎度持续提升，威胁OpenAI、Anthropic等美国头部AI企业的商业模式。

  

  AI资讯 2026年7月21日

  000

• 德国AI协会发布开源模型Soofi S，在英语和德语基准测试中领先

  德国AI协会协调的研究联盟发布开源大语言模型Soofi S 30B-A3B。该模型总参数量316亿，每个token仅激活约32亿参数，采用Mamba-2与标准注意力层混合的MoE架构。模型完全在德国电信慕尼黑工业AI云上训练，训练数据中德语占比从第一阶段的7.2%提升至第二阶段的15.3%。在基准测试中，Soofi S在所有完全开源模型中取得英语和德语综合最高分，超越OLMo 3 32B和Apertus 70B。在HumanEval上得分73.8%，MBPP得分70.2，德语版MBPP得分84.2。上下文窗口支持最高100万token，在4万token长度下，生成吞吐量约为同规模稠密模型的8倍。模型权重已开源。

  

  AI资讯 2026年7月13日

  000

• OpenAI and Anthropic in price war as Chinese AI rivals gain ground

  信息来源：Ars Technica：AI（RSS） 访问原始链接

  

  AI资讯 2026年8月14日

  000