Airbnb用每任务成本评估编码代理:模型上线次日即可做出部署决定
AWS博客披露,Airbnb每周有数千名工程相关人员通过AirChat运行编码代理,请求经其LLM网关走Amazon Bedrock。Airbnb用自有工程任务评测模型的得分和每任务成本,并结合CloudWatch运行指标核对生产表现。上线后曾出现评测得分更高但人均周支出达前代数倍的情况。
AWS博客披露,Airbnb每周有数千名工程相关人员通过AirChat运行编码代理,请求经其LLM网关走Amazon Bedrock。Airbnb用自有工程任务评测模型的得分和每任务成本,并结合CloudWatch运行指标核对生产表现。上线后曾出现评测得分更高但人均周支出达前代数倍的情况。
Google称Neon在Artificial Analysis Intelligence Index上得分 61、总体排名第 3,在Agent Arena Index的可控性(steerability)上排名第 2;即日起在Gemini API、AI Studio、Antigravity及Gemini应用中分批开放,网络安全版本随后向Fairwind计划成员提供。
AWS称该排行榜在SageMaker Studio内并排展示JumpStart基础模型的质量、速度与成本,首批覆盖Meta、Google、Qwen、IBM、Arcee等厂商的70多个模型,评测由AWS自行执行。
Project Genie本次更新上线Genie 4,支持用文本实时改变天气、角色和剧情,并首次加入原生实时音效;Genie 3同期获得三分钟会话、360 度全景和可串联世界。Google AI Ultra订阅用户可直接使用,AI Pro会员需排队申请。
微软AI部门在Ignite一次性推出覆盖代码、安全、图像、语音、决策路由等场景的七款模型,主打性价比。微软称MAI Code 2在四项基准上平均达到GPT-6.1 Sol性能的98%,成本为40%;Code 2在GitHub Copilot的推广价按每百万输入/输出token 0.50/2.50美元计,2027年5月17日后恢复为1/5美元。