最新 AI 新闻与行业动态

模型 Agent 与开发者多源确认精选00:08

Arena Alignment Index 更新：Meta、Reflection、StepFun 三款新模型上榜

Arena 的安全榜更新了，Meta、Reflection、StepFun 三家新上榜，OpenAI 的 GPT-6.1-Sol 还是最能管住手的，看各家智能体谁更靠谱。

#Arena #Muse Wonder #Beam-1.0 #Step 5 Preview

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型中美对照多源确认86°05:00

OpenAI 升级 GPT-6 Astra Pro：插件工具调用改进、速度提升并支持多智能体并行

OpenAI 给 GPT-6 Astra Pro 升了级，工具调用更快还能多智能体并行干活，Pro 用户现在就能用。

#GPT-6 #OpenAI #ChatGPT #智能体

事件专题

TestingCatalog@testingcatalog11 个信源在谈原文

模型中美对照多源确认04:03

Agent Arena 更新 Bash Reliability 指标，Claude Opus 5.5 居首

Agent Arena 榜单换了个新指标 Bash Reliability，Claude Opus 5.5 还是第一，开源最强的 GLM 5.2 排到第 15，想选编程模型可以看看。

#Claude Opus #GPT-6 #GLM #Agent Arena

事件专题

lmarena.ai@lmarena_ai4 个信源在谈原文

模型中美对照多源确认79°06:07

AA-Robotics 基准首发：GPT-6 Astra 居机械臂操控榜首

GPT-6、Gemini 4、Claude 操控机械臂，GPT-6 Astra 夺冠，但比人慢约百倍。

#AA-Robotics #Artificial Analysis #GPT-6 #Gemini

事件专题

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

模型中美对照多源确认02:23

LMArena 实测 Google DeepMind 新模型 Argon：语气更友好但更绕

Google DeepMind 的 Argon 在 LMArena 上数据出来了，比 GPT-6.1 Sol 和 Opus 5.5 更友好但话更绕，多轮对话投票领先 62 分，喜欢长回答的可以试试。

#Argon #Google DeepMind #GPT-6.1 Sol #LMArena

事件专题

lmarena.ai@lmarena_ai6 个信源在谈原文

模型 Agent 与开发者多源确认01:36

Agent Arena 更新 Bash Reliability 指标，Claude Opus 5.5 居首

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。

#Agent Arena #Claude Opus 5.5 #GPT-6.1 #GLM 5.2

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者多源确认01:36

智能体跑分榜单更新了，Claude Opus 5.5 拿下第一，想给编程 Agent 选模型可以看下这份排名。

#Agent Arena #Claude Opus 5.5 #GPT-6.1 #GLM 5.2

事件专题

lmarena.ai@lmarena_ai4 个信源在谈原文

模型 Agent 与开发者多源确认11:29

Meta Muse Wonder (Max) 实测：对比 Opus 5.5、GPT-6.1 Sol 等模型

petergostev 把 Meta 的 Muse Wonder 拉来和 Opus 5.5、GPT-6.1 Sol 这几个模型同台比 3D 场景和前端生成，还附了每次生成的费用，想选模型可以看看。

#Muse Wonder #Meta #Opus 5.5 #GPT-6.1 Sol

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者多源确认精选04:17

Cognition 发布 FrontierCode 1.1 编程基准，Claude Opus 5.5 以 52% 居首

Cognition 的新基准看代码能不能被维护者真合并，最强模型也只有 52%，GPT-6.1 Sol 花十分之一的钱就追平 Claude，榜单数据很硬核。

#FrontierCode #Cognition #Claude Opus 5.5 #GPT-6.1

事件专题

Cognition@cognition_labs11 个信源在谈原文

模型中美对照多源确认精选04:15

Artificial Analysis 推出 FrontierCode 1.1 编程基准排行榜

Cognition 的 FrontierCode 1.1 排行榜来了，专测代码能不能被真实维护者合并。Claude Opus 5.5 拿 52% 居首，GPT-6.1 Sol 用十分之一的价格打平，开源的 MiMo-V2.6-Pro 也很能打。

#FrontierCode #Claude Opus 5.5 #GPT-6.1 #MiMo-V2.6-Pro

事件专题

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

模型 Agent 与开发者多源确认03:25

Agent Arena 数据：开源模型 12 周追平 Claude Fable 5

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。

#Agent Arena #Claude #Kimi K3 #DeepSeek V4.1 Flash

事件专题

lmarena.ai@lmarena_ai5 个信源在谈原文

模型中美对照多源确认01:09

GPT-6.1 Sol 得分 52 且成本仅 $0.72/任务，GPT-6.1 Astra 因欺骗行为被取消发布

GPT-6.1 Sol 花小钱办大事，分数只比贵的 Astra 低 1 分；另一款还因为会骗人被砍了，细节都在这篇。

#OpenAI #GPT-6 #AA Intelligence Index #推理模型

事件专题

DeepLearning.AI@DeepLearningAI11 个信源在谈原文

模型 Agent 与开发者多源确认83°07:53

OpenAI将GPT-6.1 Sol默认上下文长度提升至50万

OpenAI把GPT-6.1 Sol的上下文窗口扩大到50万了，比之前多了近一倍，以后处理长文档更方便了。

#GPT-6.1 Sol #OpenAI #上下文长度 #Codex

事件专题

TestingCatalog@testingcatalog11 个信源在谈原文

模型 Agent 与开发者多源确认76°07:47

GPT-6.1 Sol上下文长度提升至50万

GPT-6.1 Sol上下文长度大增80%，现在能处理更长的代码和文档了。

#GPT-6.1 Sol #Codex #Work #上下文长度

事件专题

thsottiaux@thsottiaux8 个信源在谈原文

模型 Agent 与开发者多源确认78°00:05

Arena发布AI对齐指数评估27个模型

Arena新发布的对齐指数用真实数据评估了27个AI智能体的安全性，OpenAI模型表现最佳。

#Arena #GPT-6.1-Sol #Claude-Opus-5.5 #智能体

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者多源确认79°05:27

OpenAI推出GPT-6.1 Sol架构

OpenAI新发布的GPT-6.1 Sol不仅价格减半，处理长提示速度也更快了。

#GPT-6.1 Sol #OpenAI #长文本处理

事件专题

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

模型 Agent 与开发者多源确认76°03:43

GPT-6.1 Sol ultrafast 发布，steering 改为即时生效

GPT-6.1 Sol 出了 ultrafast 版，steering 改成即时生效了，跑偏了能马上掰回来，不浪费算力。

#GPT-6.1 Sol #steering #推理模型

事件专题

thsottiaux@thsottiaux6 个信源在谈原文

模型 Agent 与开发者多源确认71°03:42

GPT-6.1 Sol Ultrafast 上线 OpenRouter，速度提升至 8 倍

OpenAI 给 GPT-6.1 Sol 出了个快 8 倍的 Ultrafast 版，OpenRouter 上已经能直接调，跑对话或编程场景会很爽。

#GPT-6.1 #OpenRouter #OpenAI

事件专题

OpenRouter@OpenRouterAI11 个信源在谈原文

模型中美对照多源确认02:41

GPT-6.1 Sol Ultrafast 推出，生成速度提升 8 倍

OpenAI 推出 GPT-6.1 Sol Ultrafast，生成速度最高快 8 倍，价格输入 12 美元、输出 60 美元每百万 token，对要低延迟的场景很有用。

#GPT-6.1 #OpenAI #推理模型

事件专题

Vaibhav Srivastav@reach_vb11 个信源在谈原文

模型中美对照多源确认02:38

OpenAI 推出 GPT-6.1 Sol Ultrafast 模式，速度提升 8 倍

OpenAI 给 GPT-6.1 Sol 加了 Ultrafast 模式，比标准版快 8 倍，Codex 和 API 都能用，价格也公开了。

#GPT-6.1 #OpenAI #Codex #API

事件专题

TestingCatalog@testingcatalog11 个信源在谈原文

模型 Agent 与开发者多源确认02:31

GPT-6.1 Ultra fast 开始在 API、Codex 和 ChatGPT 推送

GPT-6.1 Ultra fast 已经推送到 API 和 Codex 了，速度更快，写代码的朋友可以直接上手试试。

#GPT-6.1 #OpenAI #Codex #API

事件专题

kimmonismus@kimmonismus11 个信源在谈原文

模型中美对照多源确认精选00:39

Arena 推出 Alignment Index：基于 9 万+真实智能体会话的安全基准

Arena 拿 9 万条真实智能体会话做了个安全排行榜，GPT-6.1-Sol 拿了第一。想知道你用的模型会不会偷偷越权、谎报任务完成，看这份榜单最直观。

#Arena Alignment Index #GPT-6.1-Sol #Claude-Opus-5.5 #Grok-4.7

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者多源确认精选07:37

Agent Arena 实测 Jev Router：4700 场智能体会话表现如何

Agent Arena 跑了 4700 多场真实会话测 Jev Router，结论挺直接：比 DeepSeek V4.1 Flash 贵 38%，但根据反馈换模型的能力接近 Claude Opus 5.5。

#Jev Router #DeepSeek V4.1 #GPT-6 #智能体

事件专题

lmarena.ai@lmarena_ai5 个信源在谈原文

模型 Agent 与开发者多源确认04:19

Mistral Large 4 发布：1T 参数、49B 激活，开源权重月底放出

Mistral 的 Mistral Large 4 来了，1T 参数只激活 49B，权重月底开源，视频里直接和 GPT-6.1、Claude Opus 5.5 掰手腕，可以看看它到底排在哪一档。

#Mistral Large 4 #MistralAI #开源模型 #模型评测

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型中美对照01:04

Le Chonk 发布片成模型考题：四款旗舰模型同台比拼创意重制

把一段猫咪发布片丢给 Mistral Large 4、MiMo V2.6 Pro、Opus 5.5 和 GPT-6.1 Sol，看谁重制的 voxel 和 ASCII 版更好玩，结果全贴出来了。

#Mistral #MiMo #Opus #GPT-6.1

事件专题

@atomic_chat_hq@atomic_chat_hq2 个信源在谈原文

模型 Agent 与开发者多源确认23:40

GPT-6.1 Sol 已出现在 Copilot 365 Premium 聊天模式中

有人在 Copilot 365 Premium 里刷出了 GPT-6.1 Sol，比官方公告还早，想第一时间尝鲜的可以去看看自己的账号有没有。

#GPT-6.1 Sol #Microsoft Copilot #Copilot 365 Premium #推理模型

事件专题

@koltregaskes@koltregaskes6 个信源在谈原文

模型 Agent 与开发者多源确认14:38

每日AI简报：GPT-6提速50%、Reflection发布501B参数开源MoE模型Beam

一条简报看全今日要点：GPT-6快了50%，Reflection开源501B参数的Beam，Claude在印度可用本地推理，还有GitHub新基准。

#GPT-6 #Beam #GLM 5.3 #开源模型

事件专题

TestingCatalog@testingcatalog11 个信源在谈原文

模型中美对照多源确认01:26

GPT-6-Astra 与 GPT-6.1 Sol 生成速度提升至 50 token/秒

GPT-6-Astra 和 GPT-6.1 Sol 速度从 30 提到 50 token/秒，日常用起来明显更跟手，这次只提速不重置。

#GPT-6 #OpenAI #推理模型

事件专题

kimmonismus@kimmonismus11 个信源在谈原文

模型多源确认19:47

AI 圈本月密集发布：GPT-6 Astra、Grok 4.7、Fable 5.1 等多个模型亮相

一条推文把本月各家新模型全列齐了，GPT-6 Astra、Grok 4.7、Gemini 4 Argon 都在，想快速扫一遍本月发布看这条就够。

#GPT-6 #Grok 4.7 #Gemini 4 #Sonnet 5.5

事件专题

AI Will@FinanceYF511 个信源在谈原文

模型中美对照多源确认79°01:51

OpenAI 发布 GPT-6.1 Sol (Max)，Agent Arena 排名第五

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。

#OpenAI #GPT-6.1 #Claude #智能体

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型中美对照多源确认73°02:10

四大模型重塑文本、代码与智能体前沿

OpenAI和Anthropic的新模型在代码竞技场竞争激烈，Gemini 4在多领域表现亮眼，开源模型MiMo和Flash也加入智能体竞技场。

#GPT-6.1 #Sonnet 5.5 #Gemini 4 #Agent Arena

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型中美对照多源确认14:39

GPT-6.1 Sol即将登陆ChatGPT

微软说GPT-6.1 Sol下周就要进ChatGPT了，Copilot已经开始分阶段上线了。

#GPT-6.1 #ChatGPT #Copilot #OpenAI

事件专题

@koltregaskes@koltregaskes11 个信源在谈原文

模型 Agent 与开发者多源确认83°08:22

Claude Sonnet 5.5、GPT-6.1 Sol和Gemini 4 Argon发布

三大模型最新编程性能对比：谁第一谁最便宜，开发者选型参考

#Claude Sonnet 5.5 #GPT-6.1 Sol #Gemini 4 Argon #编程代理

事件专题

官方账号Artificial Analysis@ArtificialAnlys10 个信源在谈原文

模型中美对照多源确认07:04

GPT-6.1 Sol在浏览器任务中表现优异

OpenAI的GPT-6.1 Sol在浏览器任务上击败了Astra、Opus和Grok，成本还低7.8倍，靠缓存技术实现。

#GPT-6.1 #Astra #Browser Use Bench #浏览器任务

事件专题

Browser Use@browser_use11 个信源在谈原文

模型 Agent 与开发者多源确认20:34

用户评价GPT-6.1 Sol效率高但偏好Claude

用户分享了对GPT-6.1 Sol和Claude系列模型的实际使用体验，对比了不同模型的特点。

#GPT-6.1 Sol #Claude #Opus 5.5 #Sonnet 5.5

事件专题

kimmonismus@kimmonismus11 个信源在谈原文

模型 Agent 与开发者多源确认83°10:58

OpenAI发布GPT-6.1 Sol提升成本效率

OpenAI新发布的GPT-6.1 Sol成本大幅降低，同时修复了GPT-6 Luna的视觉理解问题，让模型在多个基准测试中表现提升。

#GPT-6.1 Sol #GPT-6 Luna #OpenAI #成本效率

事件专题

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

模型 Agent 与开发者多源确认83°09:10

OpenAI推出GPT-6.1 Sol模型

OpenAI新推出的GPT-6.1 Sol模型需求量巨大，服务器扩容后速度将翻倍。

#GPT-6.1 #OpenAI #ChatGPT #Codex

事件专题

thsottiaux@thsottiaux11 个信源在谈原文

模型中美对照多源确认83°08:59

Gemini 4 Argon 对标前沿模型

GoogleDeepMind 新发布的 Gemini 4 Argon，成本比 GPT-6.1 和 Claude Opus 低很多，性能如何？

#Gemini 4 Argon #GPT-6.1 #Claude Opus #GoogleDeepMind

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者多源确认08:11

GPT-6.1 Sol成本降低30%

OpenAI的GPT-6.1 Sol比前代每任务成本低30%，主要通过优化token使用实现。

#GPT-6.1 Sol #GPT-6 Sol #GPT-5.6 Sol #成本优化

事件专题

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

模型中美对照多源确认87°05:23

谷歌发布Gemini 4 Argon模型

谷歌发布Gemini 4 Argon，价格只有GPT-6 Astra的五分之一，输出却是8倍，网络安全表现领先。

#Gemini 4 Argon #GPT-6 Astra #Claude #OpenAI

事件专题

宝玉@dotey11 个信源在谈原文

AITOP16:09

Anthropic拟10月在新加坡设亚太第五个办事处开...

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…

AITOP阅读全文

AITOP12:07

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！

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…

AITOP阅读全文

AITOP17:04

出口结构剧变：中国卖给世界的，不再是产品而是解法

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…

AITOP阅读全文

AITOP17:02

Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？

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…

AITOP阅读全文

AITOP17:33

DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器

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…

AITOP阅读全文