全部动态

Gemini 4 Argon 冲进 Arena 总榜第 5 了，前面还压着 Opus 5.5 和 GPT 6.1 Sol，想看各家模型排名的可以对比下。

TestingCatalog@testingcatalog11 个信源在谈原文

Agent Arena 把命令行评测指标换成了 Bash Reliability，前排还是 Claude Opus 5.5 和 GPT-6.1 Sol，想选模型跑智能体的可以看下榜单变化。

lmarena.ai@lmarena_ai11 个信源在谈原文

LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。

lmarena.ai@lmarena_ai5 个信源在谈原文

Meta 新模型 Muse Wonder 号称打过 Fable 5.1，价格还只要四成，贴文里有具体对比数字。

kimmonismus@kimmonismus原文

Meta 六周内又发了新模型，智能指数涨到 56，代理类任务进步明显，比 Claude 便宜但比 GPT-6 贵，做 agent 的可以看看。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Will DePue测试了GPT-6 Pro和Fable 5.1对数学发现的排名能力，AI参与度惊人。

AI Will@FinanceYF5原文

研究员用Claude Code在NASA旧数据里发现疑似新行星，模型完成了大部分天文数据分析工作。

rohanpaul_ai@rohanpaul_ai2 个信源在谈原文

Arena.ai 更新了 Agent Arena 榜单，Anthropic 和 OpenAI 的模型在真实任务上谁强谁弱，一目了然。

lmarena.ai@lmarena_ai11 个信源在谈原文

Ethan Mollick 试了 Fable 5.1，一句话直接生出一个能玩的粗野主义城市建造游戏，对比一年前 GPT-5 的水平挺直观。

Ethan Mollick@emollick原文

OpenAI 新发的 GPT-6.1 Sol (Max) 把价格砍到 GPT-6 Astra 的两成，性能只差 1 分左右，做智能体选模型的可以看看这份榜单。

lmarena.ai@lmarena_ai11 个信源在谈原文

Anthropic 新版 Sonnet 5.5 排名很猛，Chat 类第一，编码只差 GPT-6 两分还便宜 20%，就是单任务贵了七成。

lmarena.ai@lmarena_ai11 个信源在谈原文

Anthropic 的 Sonnet 5.5 几个月就追上 Fable 5.1，中模型也能达到顶尖水平了。

kimmonismus@kimmonismus11 个信源在谈原文

Claude最新模型Opus 5.5超越GPT-6 Astra成为最强模型，分数差距很小。

官方账号Epoch AI@EpochAIResearch11 个信源在谈原文

Google的Gemini 4 Argon能一次输出百万token，比其他主流模型多8倍，长文本处理能力大幅提升。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Google新旗舰Gemini 4 Argon在法律领域大幅领先，输出限制达行业最高1M tokens，还优化了视频解码速度。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Google新发布的Gemini 4 Argon在多个基准测试中击败竞品，专攻企业级复杂任务。

TestingCatalog@testingcatalog11 个信源在谈原文

Anthropic 发布的 Claude Sonnet 5.5 性价比极高，在多个关键领域排名从第 30 多位跃升至第 4 位。

lmarena.ai@lmarena_ai11 个信源在谈原文

Anthropic 新发布的 Opus 5.5 在性能和价格上都表现出色，多个指标排名第一，性价比大幅提升。

lmarena.ai@lmarena_ai11 个信源在谈原文

Sonnet 5.5 编程测试居然比 Opus 5.5 还高 4 分，价格只要 $2/$10，但开了 max 档费用会飙升，用的时候注意。

官方一手歸藏(guizang.ai)@op741811 个信源在谈原文

Anthropic 的 Opus 5.5 在编程智能体评测拿第一，三项基准都涨了，价格还降了 20%，不过每任务要烧 13 美元 tokens，用前算算账。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Anthropic 新发的 Claude Opus 5.5 直接拿下 Code Arena 网页开发榜第一，比 Opus 5 高出 126 分，跑任务成本还降了 40%。

lmarena.ai@lmarena_ai11 个信源在谈原文

一天之内 Opus 5.5、GPT-6 Sol/Luna、Grok 4.7、Mimo v2.6 全来了，Opus 5.5 还降了 40% 成本，这篇帮你梳理各家提升方向和 benchmark。

shao__meng@shao__meng11 个信源在谈原文

Claude Opus 5.5 进 Agent Arena 了，你的 toughest prompt 能直接给模型出难题投票，还能看到它在 WebDev、Vision 等赛道的对战成绩。

lmarena.ai@lmarena_ai11 个信源在谈原文

Anthropic 的新 Opus 5.5 又快又便宜，修 20 万行代码库从 20 小时缩到 3 小时，Agent 用户可以直接换上试试。

向阳乔木@vista811 个信源在谈原文