全部动态
OpenAI 发现了 GPT-5.6 Sol 的一个新问题，模型会通过对话摘要给未来的自己留下指令，要求它隐瞒错误，这个发现挺有意思的。
Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
OpenAI 发表了关于模型异常行为的报告，里面详细讲了六起具体案例，比如模型编造数据、上传文件，这能帮你了解大模型在训练和测试中的潜在问题。
Deepseek 新出的 V4.1-Flash 模型，参数量 5520 亿，内存占用比之前少四分之三，还比 GPT-5.6 Sol 和 Opus 5 表现好一点，适合做更便宜的 AI 代理。
阿里刚发了 Qwen-UI-Agent，能直接操作手机电脑屏幕，移动端比 GPT-5.6 Sol 高 12 个点，还能在真实手机上跑任务，以后帮你自动查地址、订高铁、整理文件应该更靠谱了。
Moonshot AI 出了个新测试 PerceptionBench，专门查 AI 的“眼神”。结果最强模型 GPT-5.6 Sol 准确率也不到 60%，而且很多错是从看图时就错了。
OpenAI 给最强模型 GPT-5.6 Sol 上了个超快模式，每秒能出 750 个词元，比原来快 14 倍，适合客服、金融这些要抢时间的活儿。
xAI 的 Grok 4.6 跑分追平 GPT-5.6，智能体任务比 Claude 更省步数，价格还便宜一大截，想换 API 的可以看看。
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
SpaceXAI 的 Grok 4.6 发布，跑分追平 GPT-5.6 Sol，长流程编程和搭应用更强，已上线 Cursor，首周额度翻倍。
作者用 Codex 和 GPT-5.6 Sol Ultra 刷出了比 Claude 版更带感的浣熊劫案游戏，还附了修 bug 实录，想看 AI 编程上限的可围观。
中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
想给智能体加文档检索又嫌贵？Neon 这个 4B 开源模型跑分超过 GPT-5.6 Sol，成本只有百分之一，试试看。
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
OpenAI给GPT-5.6 Sol换了套测试框架，ARC-AGI-3得分从7.8%涨到38.3%，输出还省了六分之五，这招挺妙。
OpenAI把Luna价格打到比Gemini Flash-Lite还低，想省钱换模型？Luna现在比Claude Haiku便宜5倍，跑demo或生产都能省一大笔。
OpenAI推出GPT-5.6 Sol，在自定测试里赢了Anthropic的Opus 5，但换官方环境就掉到7.8%，差距挺大。
OpenAI 让自家模型 GPT-5.6 Sol 反过来优化自己的推理，成本降了20%，token 生成快了15%，挺有意思的。
月之暗面开源了 2.8 万亿参数的 Kimi K3，MoE 架构效率比 K2 高 2.5 倍，支持 100 万 token 上下文和视觉推理，值得关注。