Hark 推出 Handoff，声称在 OM2W 基准测试中创下纪录，击败其他顶尖模型，且运行成本低得多
摘要
Hark 发布了 AI 模型 Handoff，据报道其在 OM2W 基准测试中取得创纪录分数，以远低于其他顶尖模型的运行成本实现了更优性能。
暂无内容
相似文章
你试过 Hark Handoff 了吗？它在评估中得分优于 GPT-5.5 和 Opus 4.8，成本却低 90%
据报道，Hark Handoff 在多个基准测试中优于 GPT-5.5 和 Opus 4.8，成本降低 90%，它使用 SFT 和基于 GRPO 的异步强化学习，基础模型未公开。作者对计算机使用代理的延迟表示怀疑，但对演示持乐观态度。
质量差距不到2%但成本相差10倍：在相同的工具调用任务上测试5个模型[D]
一位开发者在工具调用任务上测试了五个AI模型，发现廉价模型的表现与Opus等昂贵模型相差不到2%，腾讯混元（Tencent's Hunyuan）成本低于1.50美元，而Opus为15美元，通过将简单任务路由到廉价模型，每日成本从40美元降至9美元。
Show HN: Echo – 使用开放权重模型，以三分之一成本达到Fable级别效果
Echo是一个系统，通过高效地在开放权重模型间分配推理任务，以三分之一的成本达到与Fable模型相当的性能。它提供免费额度，且无需信用卡。
@0xSigil: https://x.com/0xSigil/status/2105782954094182442
Underdog 宣布推出 Underdog 27B，一款基于 Qwen 3.8 27B 构建的端侧模型，声称在基准测试中可与 Claude Opus 4.6 媲美，同时能在 Mac 或 iPhone 上本地运行，并进一步阐述了用户自持、隐私优先的 AI 理念，以及中心化 AI 系统的安全风险（「AI Y3K」）。
@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
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）。