全部动态

OpenAI 出了个专挖漏洞的 GPT-6 Cyber，据称在 Firefox 里找到 81 个新 bug，不过只有审批过的安全团队能用。

The Rundown AI@therundownai11 个信源在谈原文

CodeRabbit 拿 GPT-6 Astra 跑安全扫描，33 个漏洞抓到 22 个，比现役方案多 3 个，中高危发现多 66%，评测数据都在。

coderabbitai@coderabbitai11 个信源在谈原文

月之暗面把 2.8T 参数的 Kimi K3.1 Pro 权重直接开源了，4-bit 发布省存储，编程基准分数贴近 Claude Opus 5.5，纯知识题却差 GPT-6 一截，许可证对云托管商还有限制。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Agent Arena 拿 5 家实验室的旗舰模型跑了长任务对比，Claude Opus 5.5 能连续干近 2 小时，Kimi 最快但也最短，差距挺直观。

lmarena.ai@lmarena_ai11 个信源在谈原文

OpenAI 搞了个新基准 LifeVal，专门测 ChatGPT 能不能帮你办杂事，GPT-6 Astra 十六项里十项满分，成绩单都列出来了。

The Rundown AI@therundownai11 个信源在谈原文

OpenAI 让 GPT-6 Astra 一周内搞定外壳、电路板加软件，才两个员工搭手，还有个没发布的模型分数更高，挺有意思。

The Rundown AI@therundownai11 个信源在谈原文

不训练也能改模型：Astra 找到让 Qwen3.5-0.8B 复读循环的信号并从权重里减掉，0.016% 的改动让 MATH-500 从 7.9% 涨到 48.1%。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

OpenAI 搞了个叫 LifeVal 的新基准，专门测模型能不能帮你跑腿办事，GPT-6 Astra 拿了 80.6%，比 GPT-5.2 的 49.3% 高了一截。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

SemiAnalysis 搞了个 GDPx 基准，让智能体真去翻几千个文件干活，结果最强的 Claude Opus 5.5 也才拿 12 分，金融法律题全军覆没。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Google 两周内连发 Argon 和 Carbon，Carbon 综合榜 59 分登顶，引入期价格只有 Opus 5.5 一半，不过编程测试还没打过 GPT-6 Astra。

岚叔@lufzzliz11 个信源在谈原文

两个大模型在机器人上写同一个 hello world，一个磨了 34 分钟用 3270 次动作，另一个 13 分钟搞定，差异很直观。

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

Google 新版 Gemini 4 Carbon 文本榜登顶了，Agent 榜排第二，仅次于 Opus 5.5，想看榜单情况的可以看看。

TestingCatalog@testingcatalog11 个信源在谈原文

Google 两周内连发两代旗舰，Carbon 的漏洞发现和修补成绩直接压过 OpenAI 和 Anthropic，长上下文 96.2% 也很猛，定价还先打折，搞安全的建议盯一下。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Google 的 Gemini 4 Carbon 把 Opus 5.5 和 GPT-6 Astra 都比下去了，还拿下 Artificial Analysis 指数第一，看看这次是不是真翻身。

Yuchen Jin@Yuchenj_UW11 个信源在谈原文

评估榜单 Artificial Analysis 更新到 v5，Claude Opus 5.5 超过 GPT-6 系列，选模型前可以看看这版新排名。

@koltregaskes@koltregaskes11 个信源在谈原文

Claude Opus 5.5 拿下 58 分登顶，GPT-6 Astra 只差 1 分，还新增了两个编程基准，选模型前可以看看这份榜单。

TestingCatalog@testingcatalog11 个信源在谈原文

Artificial Analysis 把 60% 评测改成私有题库防作弊，现在 Claude Opus 5.5 排第一，选模型前可以看看这份新榜。

kimmonismus@kimmonismus11 个信源在谈原文

模型评测榜 v5 版来了，60% 改用私有题防刷榜，Claude Opus 5.5 拿了第一，开源和闭源差距拉大到 12 分，选模型前可以看看。

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

Mollick 让 Claude Fable 和 GPT-6 Astra 凭感觉预测一个计算复杂性难题何时能解决，连 AI 自己都答不准，挺有意思。

Ethan Mollick@emollick11 个信源在谈原文

Gemini 4 Argon 和 GPT-6 Astra 掰手腕，这次是 CS 研究基准，Argon 赢了，附了成绩链接。

Shubham Saboo@Saboo_Shubham_11 个信源在谈原文

OpenAI 新出的 GPT-6.1 Terra，价格只有 GPT-6 Astra 的十分之一，还能直接帮你操作电脑和软件，做自动化很划算。

AIGCLINK@aigclink11 个信源在谈原文

OpenAI 新发的快速模型 Terra，价格只有 Sol 一半，跑 Agent 任务和 Astra 差不多但便宜十倍，编码成绩也比上代翻倍。

The Rundown AI@therundownai11 个信源在谈原文

OpenAI 在柏林 DevDay 甩出 GPT-6.1 Terra，每个任务成本比 Claude Opus 5.5 低约 9 倍，跑得还比自家 GPT-6 Astra 快 3 倍，性价比党可以盯一下。

TestingCatalog@testingcatalog11 个信源在谈原文

月之暗面更新了 Kimi K3.1 Pro，跑分紧咬 Claude Opus 5.5，成本还更低，11 月 4 日放出全量权重可以自己复测。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

月之暗面的 Kimi K3.1 Pro 冲到了 Artificial Analysis 智能指数第 4，跟 Claude Opus 5.5、GPT-6 Astra 同榜竞技，开源模型能做到这个名次不常见。

Yuchen Jin@Yuchenj_UW11 个信源在谈原文

月之暗面出了个 2.8T 参数的开源 MoE 模型，成绩对标 Opus 5.5 和 GPT-6 Astra，还便宜，11 月 4 日就能下载权重自己跑。

TestingCatalog@testingcatalog11 个信源在谈原文

Moonshot 的新 Kimi K3.1 Pro 在 14 项基准里 6 项压过美国前沿模型，价格还只有 Opus 5.5 的一半，可以关注。

kimmonismus@kimmonismus11 个信源在谈原文

Kimi K3.1 Pro 参数 2.8T、上下文 1M，官方说编程和 agent 能对标 Opus 5.5，11 月 4 日还开放权重，可以等实测。

kimmonismus@kimmonismus11 个信源在谈原文