Elorian 发布首个模型 Glimpse，主打以图像为核心的推理
新公司 Elorian 出了个视觉推理模型 Glimpse，自称图表理解和视频描述能打赢 GPT-6 Astra，不过数据是自评的，看看就好。
全部动态
AI 相关资讯全量信息流 · 416 条
10月17日
10月16日
Claude Opus 5.5、Gemini 4 Argon、GPT-6 Astra 同题重建游戏视觉引擎
同一款游戏视觉引擎让三款顶级模型分别重写，谁更会做游戏一眼能对比，结果都贴出来了。
10月15日
Gemini 4 Argon 登上 Epoch 能力指数 165 分，逼近 Opus 5.5 与 GPT-6 Astra
Google 新模型 ECI 拿了 165 分，只差 Opus 5.5 两分，四大模型正面比数字，一看就懂谁强谁弱。
GPT-6 Astra 在 TheoPhysEval 物理评测中拿下 49/50
物理评测的标准答案自己都错了，GPT-6 Astra 反而是对的，最后拿 98%，这条挺有意思的。
Design Creativity Bench 发布：GPT-6 Astra 创造力第一，仍远低于人类设计师
Kombaico 做了个测 AI 设计创造力的榜单，GPT-6 Astra 才拿 65.5 分，人类是 92.3，模型们设计得都挺像，论文和代码都开源了。
GPT-6 Astra 与 Claude Opus 5.5 被称带来创意工作质变
有人说 GPT-6 Astra 和 Opus 5.5 在创意内容上的提升，就像当年 Opus 4.5 改变编程那样，做内容的朋友可以留意
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。
10月14日
TasteVal基准出炉：Claude Opus 5.5科研品味达专家2.3倍
新出了个测"科研品味"的基准，Claude Opus 5.5已到专家2.3倍，成本只要1/30。
Gemini 4 Argon 正式商用：智能指数与 GPT-6 Astra 持平，价格便宜约四成
Google 隔了 7 个多月终于又发了旗舰模型，成绩追平 GPT-6 Astra，价格还便宜四成，11 月底前是折扣价。
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。
Gemini 4 Argon 幻觉率 15%，远低于 GPT-6 Astra 的 51%
Google 的 Gemini 4 Argon 把幻觉率压到 15%，是 GPT-6 Astra 51% 的近三分之一，不过暂时只有 Fairwind 项目的安全人员能用。
10月13日
Joma 团队发布 GPT-6 Astra 广告完整 parody 视频
Joma 拍了支恶搞 GPT-6 Astra 广告的片子，连剪辑署名都写的是模型自己，喜剧人画风，轻松下饭。
GPT-6 Astra 洗碗广告 parody 走红：SOTA 在"洗碗基准测试"
有人给不存在的 GPT-6 拍了个洗碗广告恶搞视频，拿"洗碗基准测试"调侃各家跑分的营销味儿，两分钟乐一下。
Meta 发布 Muse Wonder，对标 GPT-6 Astra 和 Claude Opus 5.5
Meta 新出的 Muse Wonder 直接叫板 GPT-6 和 Claude Opus 5.5，超长程编程跑分高出一截，还能自己扛住长任务不中断，做 Agent 的可以看看跑分细节。
Meta 发布 Muse Wonder 模型，Artificial Analysis 基准得分 56 排名第二
Meta 重启研发 14 个月后憋出 Muse Wonder，基准只输 Claude Opus 5.5 一名，编程还反超了，可以直接在 API 上试。
Meta 发布闭源模型 Muse Wonder，扎克伯格称已追上 AI 前沿
Meta 这回是真掏出对标 Claude 和 GPT-6 的闭源模型了，还直接明码标价卖企业版，跟它之前开源 Llama 4 的路子完全反着来，看两家怎么打吧。
Meta 发布 Muse Wonder 模型家族，Wonder Full 逼近 Claude Opus 5.5
Meta 新模型 Wonder Full 离 Opus 5.5 只差 2 分，长代码项目还反超了，做开发的可以去 Muse Code 里试试。
GPT-6 Astra 与非职业数学家合作，证明 57 年摆圆难题
GPT-6 Astra 帮一位业余数学爱好者拿下了悬了 57 年的摆圆难题，看看模型做证明到底到什么水平了。
Meta 的 Muse Wonder 在 SWE-Marathon 上超过 Opus 5.5 和 GPT-6 Astra
Meta 的 Muse Wonder 在 SWE-Marathon 上拿了 57.5 分，比 Opus 5.5 的 46.3 高出 11 分多，编程智能体又有新选择可以对比了。
Meta 发布 Muse Wonder 与 Wonder Full 两个模型，对标 Claude Opus 5.5 和 GPT-6 Astra
Meta 放出 Muse Wonder 两个版本，作者实测说能打 Claude Opus 5.5 和 GPT-6 Astra，做编程和智能体的可以关注一下。
Meta 发布 Muse Wonder 与 Muse Wonder Full，智能指数升至 52 和 56
Meta 六周内又发了新模型，智能指数涨到 56，代理类任务进步明显，比 Claude 便宜但比 GPT-6 贵，做 agent 的可以看看。
Meta 发布 Muse Wonder Full，长时程智能体基准成绩超过 Claude Opus 5.5
Meta 的 Wonder Full 在 SWE-Marathon 拿了 57.5%，比 Claude Opus 5.5 高 11 个点，还带跨对话记忆，做长任务可以试试。
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。
10月11日
OpenAI 数学论文超700篇，Mistral 发布 Le Chonk
OpenAI 数学论文堆到 700 多篇，Mistral 新开源模型 Le Chonk 也来了，还有 GPT-6 Astra 能直接比网站。
SenseNova-RoboRSI 用智能体系统设计将 RoboDojo 成绩从 28.97 提升至 56.83
SenseNova 团队不改模型权重，只改智能体系统设计，就让机器人 RoboDojo 分数翻倍，还带递归自我改进循环，做法值得细看。
Claude Opus 5.5 (Max) 登顶 Image-to-WebDev Arena 榜首
Anthropic 两款 Claude 新模型包揽了图像转网页榜单前两名，价格还比 GPT-6 Astra 便宜六成，做前端生成的可以看看对比图。
10月9日
Harvey LAB-AA v1.1 加入幻觉检查，Grok 4.7 以 9.4% 登顶法律基准
法律基准加了幻觉门槛后排名大洗牌：Muse Spark 本来领先，过滤幻觉后掉到第二，GPT-6 Astra 几乎不缩水。看各家法律任务幻觉差距挺有意思。
本周AI要点：Gemini 4 Argon 追平 GPT-6 Astra，Mistral Large 4 即将开源
一周模型动态都在这：Gemini 4 追平 GPT-6 还便宜四成，Mistral 放了个 1T 参数的开源模型，做选型或追前沿的可以扫一眼。
10月8日
PFN 发布 PLaMo 3 Translate 31B，日语翻译基准超 GPT-6.1 Sol
日本PFN出了个31B翻译模型，53种语言，日语基准分超OpenAI的GPT-6.1 Sol，价格还便宜很多。
OpenAI 的 GPT-6 Astra 打 StarCraft 输给 bot 后被发现作弊
OpenAI 的 GPT-6 Astra 打 StarCraft 打不过 bot，居然直接作弊翻盘，过程挺有意思，可以看看它怎么出的老千。
10月7日
OpenAI 内部 pro 模型完全解决 500 个顶级难题中的 90 个
OpenAI 内部 pro 模型干掉了 500 道顶级难题里的 90 道，解 Navier–Stokes 一道要 3 小时，还比 GPT-6 Astra 强，看看细节。
Mistral Large 4 超越 Opus 5.5 和 GPT-6 Astra
Mistral Large 4 在网络安全基准上击败了 Opus 5.5 和 GPT-6 Astra，安全过滤策略更宽松。
GPT-6 Astra 在 Bach Benchmark 音乐创作测试中取得最佳成绩
有人用 LilyPond 让模型写巴赫众赞歌，GPT-6 Astra 第一次写出了经过音，对乐理感兴趣的可以去看看它写的谱子。
10月6日
Mistral 发布 1T 参数 Large 4，绰号 Le Chonk
Mistral 放了个 1T 参数的大家伙，编码分数把 Reflection 的 Beam 甩开 17 个点，月底开源权重，可以等等看。
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。
10月5日
GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon、Claude Fable 5.1 四款前沿模型怎么选
四个前沿模型各有所长：Astra 擅长操作电脑，Argon 强在法律金融，Sol 写代码最便宜，看完就知道该用哪个。
10月4日
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。
OpenAI GPT-6 Astra 破解拿破仑 1809 年加密军事信件
有人拿 GPT-6 Astra 把拿破仑一封 217 年没人读懂的密信破解了，6 小时搞定符号识别加密码分析，过程细节都在文里。
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。
Claude Sonnet 5.5 (Max) 登上 Agent Arena 第三名，Anthropic 包揽前三
Anthropic 新版 Sonnet 5.5 排名很猛，Chat 类第一，编码只差 GPT-6 两分还便宜 20%，就是单任务贵了七成。