Agent Arena 数据：头部模型长任务耗时差距达 55 分钟
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。
全部动态
AI 相关资讯全量信息流 · 722 条
11月5日
Moonshot AI 开放 Kimi-K3.1-Pro 权重：总参数 2.8T，每 token 激活 104B
Moonshot 开放了 Kimi-K3.1-Pro，2.8T 参数只激活 104B，1M 长上下文，BrowseComp 拿了 92.1，权重才 1.56TB，跟 Claude Opus 5.5 掰手腕。
OpenAI LifeVal 图表：GPT-6 Astra 得分 80.6%，较 GPT-5.2 提升 31 个百分点
OpenAI 自己发的 LifeVal 榜单，GPT-6 Astra 比 GPT-5.2 涨了 31 个点，不过任务集没公开，看看就好
The Information：OpenAI GPT-6.2 或最快周五发布
The Information 消息说 GPT-6.2 这周五就来，还分 Astra、Sol、Cyber 三个方向，可以蹲一下周五的官方消息。
MolmoAct 2 在 RoboColosseum 真机测试中位居第二，仅次于 GPT-6 Astra
机器人模型排行榜更新了，Allen AI 的 MolmoAct 2 在 Franka 机械臂真机测试里只输给 GPT-6 Astra，还是零额外训练直接跑的。
11月4日
MIT 测试显示 GPT-6 Astra 可直接改写其他模型的权重
MIT 的人让 GPT-6 Astra 不训练就改 Qwen 的权重，数学准确率从 7.9% 拉到 48.1%，只动了 0.016% 的参数，有点离谱。
小鹏联合北大、港大发布 GroundingPI 具身感知模型，综合得分超 GPT-6 Astra
小鹏带着北大港大做的具身感知模型，40亿参数在34项基准上跑赢 GPT-6 Astra，训练还不用机器人动作数据，代码模型都开源了。
OpenAI 推出 LifeVal 基准，测试 ChatGPT 处理生活杂务的能力
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。
OpenAI 用 GPT-6 Astra 一周造出硬件设备
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。
Artificial Analysis 六大职业能力指数升级至 v2.0，Claude Opus 5.5 全部第一
选模型别只看综合榜单了，这份 v2.0 按会计、法律、医疗等六个职业分别排名，Claude Opus 5.5 全部第一，开源里 Kimi K3.1 Pro 最强。
OpenAI 用 GPT-6 Astra 一周内从零设计出 Codex 硬件设备
OpenAI 让 GPT-6 Astra 一周搞定一台设备的硬件、电路和固件设计，虽然制造公差还得人工改，但流程已经跑通了。
OpenAI 疑似测试新模型，或为 GPT-6.2
有网友在测试环境里看到了疑似 GPT-6.2 的模型痕迹，不过只是推测，没有任何官方信息。
AA-PersonalityBench：Kimi K3.1 Pro 性格特征相比前代变化最大
Moonshot 新的 Kimi K3.1 Pro 在 30 项性格测试里平均挪了 30 分，比 GPT-6 升级的 23 分还猛，讨论模型调性时可以看看这份数据。
GPT-6 Astra 直接改底层参数修复 Qwen3.5-0.8B 死循环
GPT-6 Astra 只改了 Qwen3.5-0.8B 万分之十六的参数，没重训就把数学成绩从 7.9% 拉到 48.1%，挺离谱的实验。
Astra 被曝已为部分用户路由至 GPT-6.2
有人发现 Astra 已经在偷偷路由到 GPT-6.2 了，还能直接生成 SVG，看来 GPT-6.2 可能马上要正式发布。
网友爆料：GPT-6.2 可能临近发布
就一条 X 推文，作者暗示 GPT-6.2 快来了，但没有任何证据或细节，当个八卦看看就好。
11月3日
Google 研究员复现 MIT「Weight-Space Programming」实验，发现最新一代模型能力跳变
Google 的 Alex Krentsel 把 MIT 那个写权重的实验复现了一遍，还测了一串模型版本，发现 GPT-6 Astra 这批突然能写出 PPO 训练 20 倍效果的 Breakout 网络，台阶式跳变挺有意思。
仅改 0.016% 参数让 Qwen 数学成绩大涨的方法解析
教你怎么只动 Qwen 万分之一点六的参数就把数学成绩拉上去，改动成本极低，搞模型微调的可以看看思路。
Deep Principle 发布开源科学模型 Hydrogen-1.0
Deep Principle 用自家实验数据把 GLM-5.3 调成了科研特化模型，FrontierScience-Research 上超过 GPT-6-Astra，权重还开源，做科研的可以关注。
OpenAI GPT-6.2 Astra 疑似灰度测试，Codex 用量统计中已出现
有 Codex 用户发现后台偷偷跑上了 gpt-6.2-astra，一个账号用量占比都到 19.8% 了，OpenAI 还没官宣，感兴趣可以去自己用量页看看有没有。
MIT 研究用 GPT-6 Astra 直接改权重提升 Qwen3.5-0.8B 数学成绩
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%。
Deep Principle 发布 Hydrogen-1.0：753B 开放权重科学发现模型
Deep Principle 把 Z.ai 的 GLM-5.3 改造成了 753B 的科研模型，专攻化学和材料，还开源了 MIT 权重，搞科研计算的可以直接拿来跑。
Nace AI 发布金融专用模型 Drex for Finance
Nace AI 出了个金融专用模型 Drex，专门做欺诈判断这种毫秒级任务，48 个金融基准测试准确率 85.7%，比 GPT-6 Luna 的 70.9% 高不少。
skyfallai 发布 SKY-001：用 3D 分层规划生成可制造的物理产品设计
skyfallai 的 SKY-001 能直接产出零件树和构建步骤的 3D 设计，CAD 精度追平 GPT-6 Astra，成本只有 1/150，做硬件设计的朋友可以看看。
OpenAI 发布 LifeVal 基准，测试模型能否完成日常琐事
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。
OpenAI 称将很快发布解开千禧年大奖难题的模型
OpenAI 放话要发一个解出千禧年难题的模型，可能是 GPT-6.2 astra，数学能力这条线值得盯一下。
SemiAnalysis 发布 GDPx 基准，Claude Opus 5.5 平均仅得 12%
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。
11月2日
GPT-6.2 Astra开启灰测，Claude Mythos 5.5同日曝光
OpenAI 和 Anthropic 撞日子发新模型，GPT-6.2 Astra 灰测中，还有疑似权重泄露被下了 5000 次的瓜。
The New Stack 实测 GPT-6.1 Terra：速度更快，成本远低于 Claude Opus 5.5
The New Stack 拿 GPT-6.1 Terra 和 Claude Opus 5.5 跑了三组硬核测试，Terra 答题更准还只要八分之一的价格，数据很实在。
GPT-6.2 Astra 与 Fable 5.5 曝光，11 月基模大战开启
GPT-6.2 Astra 和 Fable 5.5 同时被曝出来，11 月怕是要连着熬夜看发布了，先看看这波都有谁下场。
GPT-6.2 Astra 疑似已向部分用户在 Codex CLI 灰度上线
有人在 Codex CLI 里刷到了 GPT-6.2 Astra 的灰度，据说周一或周二就正式发，可以先去 CLI 看看有没有轮到自己。
OpenAI 发布 GPT-6.1 Terra，Anthropic 提交 S-1 申请 IPO
GPT-6.1 Terra 价格砍半还专门做 computer-use，Anthropic 则要上市了，代码都定好了 ANT，这周两家动作不少。
11月1日
传闻：OpenAI GPT-6.2 或于下周发布
有人爆料 GPT-6.2 下周就来了，还带出个代号 GPT Bel，不过 OpenAI 还没官宣，先当瓜听。
GPT-6.2 Astra 疑似出现在 Codex 使用统计中，或即将发布
有人从 Codex 的使用数据里挖出了 GPT-6.2 Astra 的痕迹，如果属实的话 OpenAI 可能很快就要发新模型了，先看看这个爆料再说。
GPT-6 Pro 适合一次性解决复杂计算与深度问题
Mollick 评测了 GPT-6 Pro：慢但稳，复杂计算和难题扔给它一次就能出答案，适合当神谕用。
发布 5 周后，Opus 5.5 仍被评价为综合最强模型
用了一个月的博主复盘：Opus 5.5 发了 5 周还没被超越，他还押注 OpenAI 下周必发新品，理由挺有意思。
10月31日
LMArena 榜单更新：Gemini 4 Carbon 登顶，GPT-6.1 Terra 入榜
三大模型同周换榜：Gemini 4 Carbon 直接冲到文本第一，GPT-6.1 Terra 花 0.62 美元就能跑完一个任务，选模型前先看看这份数据。
10月29日
Google 发布 Gemini 4 Carbon：AA 综合榜第一，先开放给网络安全防御团队
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。
同一任务对比：Claude Opus 5.5 用 3270 次动作，GPT-6 Astra 只用 514 次
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。
AA-PersonalityBench 测评：GPT-6 与 Grok 回答最直接
想挑个说话不绕弯子的模型？这份榜单直接量化了各家的“直球”程度，GPT-6 Sol 和 Grok 系列得分最高。