百川发布新一代医疗增强大模型 M4：登顶 OpenAI 医疗评测，超越 GPT-5.5
百川发了医疗增强大模型 M4，在 HealthBench 碾压 GPT-5.5，幻觉率仅 3.3%，看病问诊更靠谱。
全部动态
AI 相关资讯全量信息流 · 700 条
6月22日
GPT-5.6传闻将大幅改进前端开发能力
GPT-5.6据说前端开发更强了，还有5.6 Pro，下周四可能发布。
GPT-5.6 或配备更强安全检查
OpenAI可能推出的GPT-5.6会增加安全检查，想提前了解变化可以看看这个讨论。
6月20日
OpenAI 最强 AI 模型：GPT-5.6 系列有望下周登场，生成 Win11 SVG 测试优于 Claude Mythos
OpenAI 要发 GPT-5.6 了，上下文拉到 150 万 tokens，编码能力还干翻了 Anthropic 的 Mythos，价格还更便宜，开发者可以关注一下。
6月19日
测试闭源与开源模型构建小游戏：开源更便宜更快，质量接近
Together Compute 实测：闭源模型贵几倍，开源做小游戏又快又便宜，质量还接近，想省钱就选开源。
Claude Fable 5 在 ECI 上获 161 分，超越 GPT-5.5 Pro
Claude Fable 5 在 ECI 上拿 161 分，超 GPT-5.5 Pro 一分，Anthropic 终于又领先了。
OpenAI升级ChatGPT医疗能力，GPT-5.5 Instant回答优于医生
OpenAI用GPT-5.5 Instant让ChatGPT在医疗问答上比医生答得更好，准确率提升了71%，值得试。
OpenAI 发布 GPT-5.5 Instant，健康问题回答能力提升
OpenAI 出了 GPT-5.5 Instant，免费版就能用，健康问答能力大幅提升，和医生合作训练的，靠谱。
GPT-5.5 Instant 在健康问题上与前沿推理模型性能持平
OpenAI 把 GPT-5.5 Instant 的医疗问答能力做到了和自家顶级推理模型一样好，而且免费用户都能用，生病问AI更放心了。
OpenAI GPT-5.6及Pro版即将发布，Claude Fable 5或回归
GPT-5.6和Pro版下周就来，Claude Fable 5也快回来了，想尝鲜的可以留意。
GPT-5.5 Instant 提升 ChatGPT 健康问答能力
GPT-5.5 Instant 让 ChatGPT 的健康建议更靠谱了，医生参与评估的设计值得关注。
MoonshotAI 发布 Kimi K2.7 Code，编码模型推理 token 减少 30%
想少想多做？K2.7 Code 编码专用，推理开销比 K2.6 低三成，还能对标 GPT-5.5，适合写代码时不用纠结。
OpenAI 的 GPT-5.6 系列模型即将发布
OpenAI 的 GPT-5.6 快来了，Pro 版本已经在测试，想尝鲜新模型的朋友可以关注起来。
6月18日
Kimi K2.7 Code性能对标GPT-5.5，成本低3倍
Kimi新出的K2.7 Code模型，花不到三毛钱就能和GPT-5.5打平手，物理模拟甚至更聪明，性价比直接秒杀。
OpenAI 新模型 GPT-5.6 推迟发布，Codex 5.6 重置额度留用户
GPT-5.6 跳票了，但 OpenAI 用 Codex 5.6 免费额度留人，比 Claude 大方多了。
Kimi K2.7 Code与Claude Fable 5落地页生成对比实验
想知道怎么用Kimi K2.7 Code花不到5分钱做出媲美Claude Fable 5的落地页？实验数据全给你算清楚了，迭代省大钱。
模型10:55
TxBench-PP基准测试：AI Agent在临床前药理学任务中表现不佳想看看AI在药物发现中到底行不行？这个基准测试用4800条轨迹告诉你，Claude Opus 4.8和GPT-5.5都还差得远，最高才59.3%的通过率。
LifeSciBench基准发布，GPT-Rosalind超越GPT-5.5
OpenAI搞了个新基准LifeSciBench，专门测生物科学推理，GPT-Rosalind比GPT-5.5还强，值得看看。
GPT-5.4助力药物化学关键反应改进
OpenAI的GPT-5.4这次不是聊天，而是真帮化学家改进了药物反应，和Molecule.one的AI配合，从文献到实验跑通了
GPT-5.4联合Maria AI将药物化学从文献推进到实验验证
OpenAI展示了GPT-5.4跟专业工具配合，在药物化学里找到了更高效的反应路线，成果很实在。
6月17日
NVIDIA GEAR 发布 ENPIRE：AI 编程 agent 自主操控真实机器人做实验
NVIDIA 和 CMU 搞了个能自己跑实验的机器人系统，AI agent 操控真实机器人干活，成功率99%，还开源了。
GLM 5.2 在 FrontierSWE 基准排名第三，超越 GPT-5.5
GLM 5.2 在编码基准上干掉了 GPT-5.5，开源里最强，值得关注。
Z AI发布开源模型GLM-5.2，百万token上下文窗口
Z AI的GLM-5.2开源，百万token上下文，数学和编程全面超过GPT-5.5，值得试玩。
6月16日
OpenRouter推出Fusion API，多模型协同以一半成本接近Claude Fable 5水平
OpenRouter用多个便宜模型拼出顶级效果，成本砍半但性能追上Claude Fable 5，预算有限又想用好模型可以试试。
传闻OpenAI或在6月23日推出GPT-5.6，成本降至Fable三分之一
传GPT-5.6成本更低、上下文超长，还能提升智能体编程，6月23日可能有动作，值得关注后续。
谷歌更新 Android Bench 榜单：Gemini 3.5 Flash 成本最贵，约 DeepSeek V4 Flash 的 17.5 倍
谷歌新榜单实测，Gemini 3.5 Flash 在安卓开发任务中得分低、成本高，性价比远不如 DeepSeek V4 Flash。
Cua与Snorkel AI发布Cua-Bench：评测Agent在KiCad上的Computer Use能力
想看看AI Agent在专业软件上到底行不行？Cua-Bench用KiCad的25道真实任务给模型打分，最强的也只过了6道，从零建电路全挂。看完你就知道瓶颈在哪了。
Claude Fable 5 在 Epoch Capabilities Index 上以 161 分超越 GPT-5.5 Pro
Claude Fable 5 刚在 Epoch 能力指数上以 161 分微弱领先 GPT-5.5 Pro，这是 Anthropic 一年多来首次登顶，你可以看看它具体强在哪。
6月15日
6月14日
Claude Design 高精度可交互原型背后是模型能力差距，GPT-5.5 还扛不住
拆解 Claude Design 为何比 Codex 强
6月13日
开源模型GLM-5.2进入Agent Arena，挑战GPT-5.5和Claude-Opus-4.7
看看GLM-5.2在Agent Arena能排第几
微软SkillOpt仅用Markdown文件让GPT-5.5提升23点
微软用Markdown文件让GPT-5.5涨23分
Claude Fable 5 在 FrontierMath 最难题目上领先 GPT-5.5 13 个百分点
Anthropic 新模型数学碾压 GPT-5.5
FrontierMath v2 上线：GPT-5.5 和 Google AI 领跑
数学基准更新，GPT-5.5和Google AI成绩亮眼
MiniMax M3 开源模型加入 Agent Arena 评测
看看 MiniMax M3 在 Agent 任务中能排第几
6月12日
Claude Fable 5 发布，AI 智能指数登顶领先 GPT-5.5
Claude Fable 5 在多项智能和代理基准上碾压竞品，做 AI 应用开发或模型选型的团队值得关注——它可能是目前最强的通用推理和工具调用模型。
GPT-5.5 在评测中登顶，效率也最优
GPT-5.5 在评测中不仅性能第一，还兼顾了 token 和成本效率，做模型选型的团队可以直接参考这个结果来优化预算。
