标签
一位用户报告称，Gemma4_31b 在 FP8 精度下，于自定义评测框架中与 Sonnet_4.6_medium 相当或持平，涉及任务包括 Cypher 查询生成、实体抽取、智能体工具调用、代码编写以及多向量检索合成。
Nick Kang 给他的推特基准测试集合新增了一个任务；Claude Opus 4.8 和其他 SOTA 模型通过了，而 Sonnet 4.6 和 Grok 4.3 失败了。Alfin 评论了 Opus 4.8 的危险能力。
Boris Cherny 推荐在 Claude Code 中使用自动模式来并行执行会话，同时 ClaudeDevs 宣布自动模式现已面向 Pro 计划用户开放，并支持 Sonnet 4.6 和 Opus 4.7。