Frontline Lab 摘要与来源
编辑摘要
推文称，最新版 grok 和 Gemini 在 deepswe 测评中出现推理等级倒挂，medium effort 得分高于 high/xhigh，同时价格更低、速度更快。
这份简报保留原始来源，摘要和编辑判断都可以回到原文独立核验。
来源署名X · @_kaichen
打开原始来源证据简报
Grok 和 Gemini 在 deepswe 中 medium effort 更高分
开发者选择推理档位时不能只看等级，需同时验证得分、成本和速度。
- 来源
- X
- 来源作者
- @_kaichen
- 相关主题
- 1
- 采集时间
- 2026-08-18
相关已发布证据
相关关系来自共同主题、实体、分类、标签与社区语境；每条结果仍保留独立来源回链。
Flash 3.7 被作者称快于 GPT-Terra 且研究强
作者称 Flash 3.7 是 Google 最佳模型，速度很快、聊天表现好、指令遵循优于 Terra，并在研究任务上强于 Claude。
为什么重要该观点为用户选择 Google 模型时提供了性能维度参考。
原始来源Anthropic：Claude 现已支持 Gmail 邮件与 Google Drive 文件管理
Claude (@claudeai) 称，Claude 现在可在 Gmail 中起草并发送邮件回复，也可管理 Google Drive 文件；用户可控制何时需要批准，所有付费套餐均可用。
原始来源Qwen 在 HuggingFace 下载量被称超过 Meta 和 Google
发帖作者称阿里 Qwen 半年全球下载量突破 30 亿，并在 HuggingFace 上超过 Meta 和 Google，成为下载最多、集成最广、fork 最频繁的开源 AI 模型。
为什么重要该说法反映开源模型平台竞争中 Qwen 的开发者采用度变化。
原始来源Grok Bot 被视为 Agent harness 转向新 UI 的节点
作者预计未来几个月会出现大量新的 agent harness experiences，并认为 Grok Bot 是 agents 的重要节点，Agent 体验会明显从 terminal 转向新的 AI UIs。
为什么重要该观点提示 Agent 产品形态可能从命令行转向更面向用户的界面。
原始来源Inspect AI 和 Harbor 用于评估 agent 技能
文章演示如何用开源评测框架 Inspect AI 和 Harbor 评估 agent 技能，并借助 Google Sheets 和 Data Studio 进行可视化分析。
为什么重要读者可参考该流程搭建清晰的 Agent 技能评测和结果可视化。
原始来源