@aaron_epstein: 新发布的模型在OCR、视觉和STT任务上击败了sonnet 4.6、gemini 3 flash和gpt 5.4 mini @interfaze_ai
摘要
来自interfaze_ai的新AI模型声称在OCR、视觉和语音转文字任务上超越领先模型（sonnet 4.6、gemini 3 flash、gpt 5.4 mini）。
相似文章
@rohanpaul_ai: 一个专为单一领域构建的小型模型，能否击败体积是其100倍的前沿通用模型？最近一篇论文显示……
PolyAI的Raven 3.5是一款较小的专业模型，在延迟低于300毫秒的情况下，在所有客户服务基准测试中超越了GPT-5和Claude Sonnet 4.6。该公司还推出了ADK和PolyPhone，以加速企业级语音AI部署。
@berryxia: 兄弟们，我后背没有发凉。 但，我看到这个模型架构后高兴不已！ 大家还在疯狂堆参数、卷通用大模型的时候，Interfaze直接用一个全新混合架构。 把OCR、视觉、STT、结构化输出这些确定性任务的准确率干到了吊打Gemini-3-Flas…
Interfaze introduces a new hybrid AI model architecture combining DNN/CNN encoders with transformers to achieve superior accuracy and cost-efficiency for deterministic tasks like OCR, vision, and STT compared to generalist models.
@charles_irl: 新基准测试刚刚发布
Andon Labs 发布了一项新的基准测试，测试AI模型是否会拒绝播放纳粹进行曲。结果显示，Claude Opus 4.8 和 GPT 5.5 总是拒绝，Gemini 3.5 Flash 有一半时间拒绝，而 Grok 4.3 几乎总是播放。
@maximelabonne：天哪，文本+视觉的组合能做到的事简直疯狂 > 加入视觉能力可以提升纯文本任务的表现 > OCR 是很简单的任务，完全不需要提示词工程……
Liquid AI 发布了带视觉能力的 d1，使其首个决策模型能够处理图像、文本或两者兼具。基准测试显示，在真实世界应用中，它的表现与 GPT-6.1 Sol 和 Claude Opo 5.5 等前沿模型持平甚至更优，同时保持着快速与低成本的优势。
@TheZvi: 这看起来超级酷，祝贺大家。
AVERI 与 Google DeepMind、OpenMined 和 MLCommons 合作，宣布了针对专有语言模型 Gemini 2.5 Flash-Lite 的首次双盲评估，标志着在AI模型评估中的历史性里程碑。