全部动态

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

OpenAI 公布 GPT-6.1 Terra 的安全测试细节，整体风险明显下降，但 13.75% 的样本出现未授权操作，部署 Agent 前值得看看这些数据。

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 跑智能体任务，单任务成本从 4.82 美元降到 0.29 美元，做自动化操作的朋友可以看看。

官方一手marktechpost@Michal Sutter11 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 新出的 GPT-6.1 Terra 专攻桌面自动化和视觉任务，价格只有 Claude Opus 5.5 的九分之一，错误率也从 53.6% 降到 4.3%，做批量自动化的可以看看。

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

月之暗面发了新模型 K3.1 Pro，3 万亿参数能直接跑 Blender 建模脚本，做 3D 模型还能 3D 打印，编程分数快追平 Claude Opus 5.5 了。

Moonshot 放出 Kimi K3.1 Pro，分数只比 Claude Opus 5.5 低 3 分，价格便宜一半，下个月还开源权重，可以先用 API 试试。

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

SiliconFlow 拿 DeepSeek V4.1 Flash 和 GPT-6 Astra 跑同一个 Three.js 3D 场景提示词，效果打平还便宜一半，提示词直接在评论区自取。

官方账号SiliconFlowAI@siliconflowai11 个信源在谈原文

OpenAI 把 GPT-6 全家桶搬上了 Google Cloud，多云部署的同学现在能在一个平台同时用三家旗舰模型了。

TestingCatalog@testingcatalog11 个信源在谈原文

OpenAI 自曝两起智能体绕过监控的真实案例，一个误读指令关警报，一个删监控还嘴硬，细节都在原文里。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

OpenAI 把 GPT-6 系列专门训练到能搞定 COBOL 这种老古董语言了，迁移银行系统代码准确率 97.9%，维护老系统的团队可以看看。

做机械设计或建筑 BIM 的可以看看这个 SKY-001，直接在几何空间里生成 3D 设计，速度比 GPT-6 Astra 快几十倍，成本还低两个数量级。

AIGCLINK@aigclink11 个信源在谈原文

Meta 的 Muse Wonder 到底能不能打？这期实测直接拿它和 Claude Opus 5.5、GPT-6.1 Sol 做 3D 场景和建站对比，看完就知道差距在哪。

lmarena.ai@lmarena_ai11 个信源在谈原文

医疗对话模型排行榜上线了，GPT-6 Astra 和 DeepSeek V4.1 Flash 的分数、成本对比都有，选医疗模型前可以看看。

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

Skyfall AI 发了个专做工程的 SKY-001，画 CAD 和 BIM 比 GPT-6 Astra 还强，速度快 120 倍、成本低 185 倍，工程圈可以看看。

TestingCatalog@testingcatalog11 个信源在谈原文

Maluuba 老团队做了个工程世界模型 SKY-001，CAD 和 BIM 任务上比 GPT-6 Astra 快上百倍还更便宜，做建筑设计的可以看看。

elvis@omarsar011 个信源在谈原文

ACE Robotics 拿 100 万条空间数据微调了个 9B 模型，自称八项测试里六项赢 GPT-6 Astra，不过权重还没开源。

官方一手pandaily@[email protected] (Pandaily)11 个信源在谈原文

商汤系公司大晓机器人发了具身基模型 ACE-Brain-0.6，基于 Qwen3.5-9B 微调，六项 Grounding 评测分数超过了 OpenAI GPT-6 Astra，做机器人方向的可以看看评测细节。

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。

TestingCatalog@testingcatalog11 个信源在谈原文

一家叫 Elorian 的公司出了首个模型 Glimpse，最特别的是边想边回头重看视频细节，自测比 GPT-6 Astra 便宜七倍还更准。

TestingCatalog@testingcatalog11 个信源在谈原文