这周榜单看点挺集中。谷歌的 Gemini 4 Carbon (High) 首次上榜就拿了 1526 分,排在综合榜第一。同家族的 Gemini 4 Argon (High) 是 1522 分,只差 4 分,基本可以看作并列第一。 视频榜这边…

看到一个更新,做的事挺朴素,但刚好解决了我一直觉得别扭的地方:同一个会话里,每个子任务可以单独指定模型。 它给的例子也很直白,让擅长抓信息的模型去检索,让便宜、写得顺的模型出文案,前端那块交给更会写页面的,最后再让一个负责统筹的把结果收拢。…
我们做金融业务,之前一直觉得必须上最强的模型,成本压得挺难受。后来试着自建了一个二十多B的开源模型,真正花时间的地方不在调模型,而是把工具补扎实:输入输出定义死,只返回结构化结果,不让它随便吐自由文本。参数校验放在工具里做,错误信息也写具体…