OpenAI 公开六起模型异常案例，涉及瞒报错误、编造数据及未经授权上传文件
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。
全部动态
AI 相关资讯全量信息流 · 239 条
9月17日
OpenAI GPT-6 Astra (Max) 在代码竞技场 WebDev 类别中排名第一
OpenAI 新发布的 GPT-6 Astra (Max) 在代码领域表现很强劲，比 GPT-5.6 Sol 强很多，但和 Claude Fable 5.1 比起来，用户更喜欢后者。
GPT-6 Astra 和 Claude Fable 5.1 性能提升但成本更高
OpenAI 和 Anthropic 新发布的模型性能提升明显，但价格也更高，对比一下不同模型的性价比。
9月16日
Image-to-WebDev Arena更新：四款新模型发布
OpenAI发布了GPT-6 Astra (Max)，在Image-to-WebDev任务上表现最好，比GPT-5.6 Sol好很多。
OpenAI 将继续提供 GPT-5.5 API 和 Codex 会话
OpenAI 说 GPT-5.5 还能用，但 ChatGPT 本身要停了，得改用新版本。
9月15日
OpenAI 发布 GPT-6 Astra，任务处理时间几乎减半
OpenAI 新出的 GPT-6 Astra，处理任务快了一半，适合需要高效完成工作的用户。
9月14日
日常工作中仍在使用 Opus 5 和 GPT-5.6
朋友日常工作中还在用 Opus 5 和 GPT-5.6，说明这些模型目前还是主流选择。
9月11日
DeepSeek V4.1 Flash 性能接近 GPT-5.6，成本仅为其 1/30
DeepSeek 推出了 V4.1 Flash，性能接近 GPT-5.6，但成本只有 1/30，用 15 美元就能跑 100 个复杂任务，性价比很高。
DeepSeek 发布 V4.1 Flash 模型，称其为新架构家族中最小模型
DeepSeek 新发布的 V4.1 Flash 模型，比 V4-Pro 小三分之一，但在很多测试里还比它强，价格也便宜很多，值得看看。
9月10日
Deepseek 发布 V4.1-Flash 模型，参数量 5520 亿，内存需求减至前代四分之一
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。
9月9日
GPT-5.6 Sol协助量子计算实验
MIT用GPT-5.6 Sol自动做量子实验，还能分析结果校准量子比特，比传统方法快多了。
9月7日
OpenAI发布GPT-6 Astra模型
OpenAI新出的GPT-6 Astra不仅能控制电脑，逻辑也更强了，比前代进步不少。
9月6日
Astra在浏览器使用基准测试中领先
Astra在浏览器基准测试中碾压其他模型，77.3%的分数远超对手，22项任务满分
9月5日
OpenAI推出GPT-6 Astra模型
OpenAI发布了GPT-6 Astra，消息量只有GPT-5.6 Sol的一半，但Pro版本有独立配额。
GPT-6 Astra与GPT-5.6模型图像生成对比
GPT-6 Astra图像生成质量全面超越GPT-5.6，9.55 cents就能得到最佳结果，比其他模型便宜又效果好。
GPT-6 Astra发布与GPT-5.6系列对比
Simon拿到了GPT-6 Astra，还做了和GPT-5.6系列的详细对比，想知道新模型强在哪就点开看看。
GPT-6 Astra 信号：上下文窗口不足
GPT-6 Astra 展示了长运行代理的内存管理新思路，Milvus 3.0 为此提供了结构化存储和检索方案。
9月4日
OpenAI发布GPT-6 Astra模型
OpenAI新出的GPT-6 Astra能自己操作电脑、写代码，还能发现零日漏洞，但安全限制更严，比Claude Fable 5.1贵2.5倍。
Muse Spark 1.3重回WebDev编程榜前十
Meta的Muse Spark 1.3在编程榜单上跃升20多位，性能接近Claude和GPT-5.6，工具调用减少20%。
9月3日
Meta 发布 Muse Spark 1.3 模型
Meta 新出的 Muse Spark 1.3 编码能力超 GPT-5.6，工具调用减少 20%，还支持长线程多任务处理。
Gemini 3.8 Flash模型发布
Google刚发布Gemini 3.8 Flash，性能媲美顶级模型但价格便宜5-6倍，彻底改变了Flash模型的定位。
9月2日
9月1日
GPT-5.6 Sol Ultra 适用场景分析
GPT-5.6 Sol Ultra 耗时耗token，过度思考，Sol High 加干活agent组合更实用
8月30日
OpenAI Astra模型演示样本流出
OpenAI的Astra模型1次交互就能生成游戏和3D对象，比GPT-5.6 Sol推理时间长但能力更强。
8月29日
智谱开源 GLM-5.3 模型权重
智谱开源了擅长编程和网络防御的 GLM-5.3，性能比肩 GPT-5，还能本地部署商用。
8月28日
OpenAI测试持久模式AI代理
OpenAI在测试Codex的持久模式AI代理，能自主生成任务，但已有安全风险案例。
8月26日
8月25日
Pareto更新：OpenAI最新定价下，GPT-5.6 Sol和Luna重塑Pareto前沿...
OpenAI降低了GPT-5.6 Sol的API和信用定价，使其在价格和性能上更具竞争力，值得关注。
8月24日
15 AI 模型梯队排名发布
看看这份 AI 模型排名，Fable 5 和 GPT-5.6 Sol 表现抢眼，和其它模型比有什么不同？
8月23日
OpenAI 投资公司转用中国开源模型打造法律 AI
Harvey 用 Kimi K3 模型打造法律 AI，比 Fable 5 和 GPT-5.6 Sol 强，成本还低。
8月22日
GPT-5.6 Sol最实惠前沿模型上线Devin Desktop和Devin CLI
OpenAI再次降价，GPT-5.6 Sol现在更实惠，性价比高，值得尝试。
8月21日
Opus 5 与 GPT-5.6 Sol 在浏览器任务上表现接近
Opus 5 和 GPT-5.6 Sol 在一个新浏览器基准上打平了，这个基准是真实用户任务，评估标准很细，看看谁更会上网吧。
8月20日
阿里发布 Qwen-UI-Agent，主打让模型真正“会用”每一块屏幕
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。
IT之家原文
8月19日
智谱 GLM-5.3 模型 API 上线，权重下周五开源
智谱GLM-5.3 API上线了，性能媲美GPT-5.6，成本却更低，下周还要开源，性价比超高！
8月18日
GPT-5.6 Sol 在 ARC-AGI-3 上从 13.3% 跃升至 38.3%，输出 token 减少约 6 倍
OpenAI 的 GPT-5.6 Sol 在 ARC-AGI-3 上分数翻倍还多，token 还省了六倍，看看他们怎么做到的。
8月15日
Moonshot AI新基准PerceptionBench：多模态模型视觉感知准确率不足60%
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。
8月14日
GPT-5.6 Sol 低推理强度超越 GPT-5.5 高推理强度
OpenAI 的 GPT-5.6 Sol 在低推理强度下就超过了 GPT-5.5 的高推理强度表现，还更省 Token，你可以直接上手试试。
智谱AI发布GLM-5.3：编程开源最强，网络安全能力涌现
智谱发了GLM-5.3，编程和找漏洞都超强，开源模型里第一，比GPT-5.6还猛，但权重两周后才公开。
OpenAI预览Ultrafast模式：GPT-5.6 Sol速度提升14倍
OpenAI给GPT-5.6 Sol开了14倍速模式，先在API小范围试水，做开发的朋友可以紧盯后续扩容。
OpenAI 预览 GPT-5.6 Sol 超快模式，速度提升 14 倍
OpenAI 刚展示了 GPT-5.6 Sol 的 Ultrafast 模式，速度拉到 14 倍，API 客户能先尝鲜。
