GLM-5.2 性能逼近 Opus 4.8，成本降低数倍
SiliconFlow 测了 GLM-5.2，性能跟 Opus 4.8 差不多，但输入输出成本都低了好几倍，想省钱的可以试试。
全部动态
AI 相关资讯全量信息流 · 200 条
6月23日
OpenAI 发布 GPT-5.5-Cyber，在网络安全基准上超越 Anthropic Mythos
OpenAI 新出的 GPT-5.5-Cyber 专攻网络安全，能自动修补漏洞，基准测试里已经跑赢了 Anthropic 的 Mythos。
OpenAI发布GPT-5.5-Cyber：专为授权防御工作设计的新模型
OpenAI搞了个专门搞网络安全的模型GPT-5.5-Cyber，能自动找漏洞、打补丁，干活比人快还准，安全团队有福了。
OpenAI推出GPT-5.5-Cyber安全专用模型，CyberGym得分85.6%超Claude Mythos 5
OpenAI新出的网络安全大模型GPT-5.5-Cyber挺猛，CyberGym跑分超了Claude Mythos 5，安全团队可以关注一下。
字节豆包Seed 2.1 Pro和Turbo深度思考模型发布
字节新出的豆包Seed 2.1 Pro和Turbo，专门优化编程、智能体和多模态任务，Pro适合高难度场景，Turbo便宜且效率高，很适合接项目用。
6月22日
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。
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。
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。
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。
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。
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。
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。
GPT-5.5 (xHigh) 在 Agent Arena 排名第二，仅次于 Claude Fable 5
做智能体开发和 AI 评测的团队值得关注——GPT-5.5 在用户满意度和故障恢复上反超 Claude，说明 OpenAI 在实用场景上有了实质提升，建议直接去 Agent Arena 跑跑自己的任务。
6月11日
Mitchell Hashimoto 实测 Fable：慢且贵，但特定任务表现惊人
Mitchell Hashimoto 的实测揭示了 Fable 模型的真实表现：它并非全能，但在特定优化任务上能带来数量级提升。做高性能计算或深度优化的开发者，可以看看他如何用 Fable 将微秒级操作压到纳秒级，以及是否值得为此付出时间和成本。
Claude Fable 5 登顶 Code Arena 前端榜首，大幅领先 Opus-4.8
前端开发者可以直接用 Fable 5 提升 HTML/React 项目效率，智能体任务执行能力也远超竞品，做复杂自动化流程的团队值得关注。
Claude Fable 5 登顶 Agent Arena 排行榜
做 AI 智能体开发的团队终于有了真实任务驱动的评测基准——Fable 5 在 30 万任务中碾压对手，值得关注其强执行与弱引导的权衡。
Claude Fable 5 在任务成功率与好评率上大幅领先 Opus-4.8 和 GPT-5.5
做 AI 应用选型或关注模型能力排名的开发者，这个评测结果值得一看——Claude Fable 5 在任务成功率上碾压对手，意味着实际落地效果可能更好。