Scale AI 发布 SWE-Bench Pro V2
Scale AI 于2026年9月22日发布 SWE-Bench Pro V2，这是 SWE-Bench Pro 更新后的公开划分。
相关AI快讯
Scale AI 与 Google Cloud 合作推出 Scale GenAI Portfolio 参考架构
这份联合蓝图将 Scale GenAI Portfolio 带到 Google Cloud，并包含 Gemini Enterprise 集成。Scale AI 表示，它旨在为构建者提供经过验证的基础，以便更快把 AI 投入使用。
论文用一次 Jev 是/否评分标记对齐失败
一篇论文报告，TypeSafe AI 的 Jev 无需额外训练，就能以 0.886 的中位 AUROC 把对齐失败与良好回答区分开。在 19 项基准上，一次 Jev 评估成本为 0.30 美元，而这些基准所用的 LLM 评判成本为 18.96 美元。
Theo 的 1000 美元 DeepSWE 测试显示，Jev Router 接近 GPT-6 Astra 的 low 档
Theo 表示，他用 1000 美元对 Jev Router 做的 DeepSWE 基准测试，表现大致与 GPT-6 Astra 的 low 档相当，成本略高，耗时将近 5 倍。
Pixel Canary 隐身模型可在 Cline 免费使用
Cline 称，Pixel Canary 隐身模型已经发布，并可在 Cline 中免费使用。Cline 还称，在 Next.js Agent Evals 上，该模型与 GPT-6 Astra 并列，并超过 Kimi K3。
BRIDGE ASR 2.0 测试 23 个语音识别模型在长篇多语言对话中的表现
elvis 表示，humynlabs 构建了 BRIDGE ASR 2.0，用于评估语音识别在真实双人对话中的表现。这些对话时长为 10 至 15 分钟，涵盖 18 种印度语言，以及西班牙语、葡萄牙语和越南语。