Mind2Web
AssessKỹ thuật
Bộ benchmark điều hướng web dùng để đánh giá tác vụ duyệt web và hành vi của agent.
Vì sao ở đây
Xếp vào Assess: 1 bài bằng chứng từ 1 nguồn, chủ yếu là phát hành mô hình, 1 bài trong 30 ngày qua. Độ tin cậy 24%. Bằng chứng còn ít nên xếp thận trọng, chờ thêm tín hiệu.
Bằng chứng (1)
- 8Hacker News·19/10/2026model_releaseMercury 3 đưa mô hình ngôn ngữ khuếch tán lên quy mô lớn
Mercury 3 là một mô hình ngôn ngữ dựa trên khuếch tán mới, mà công ty cho biết đạt hoặc vượt các mô hình tối ưu cho tốc độ hàng đầu trên nhiều bộ benchmark, đồng thời chạy ở mức hơn 1.000 token mỗi giây. Bản ra mắt nhấn mạnh cửa sổ ngữ cảnh 1 triệu token, mức giá thấp hơn và việc đã được dùng sớm trong các tác vụ agent, gia sư, tìm kiếm và hỗ trợ khách hàng.