全部动态

这条推文爆料 Codex 倒计时结束可能出 GPT-6.1 Terra，还吐槽它是产品线里定位最尴尬的中间档，想追 OpenAI 动向的可以看看。

kimmonismus@kimmonismus11 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 的 Kimi K3.1 Pro 在网络防御基准拿了开源模型第一，CyberGym-E2E-AA 得分 95% 连 GPT-6 Sol 都被超过，不过单任务成本反而变贵了，这篇把各家分数和价格都列得很清楚。

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

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

DeepSeek 新版开源模型在网络防御榜单上拿了开放模型第一，总分只差 GPT-6 受限版 12 分，价格还便宜 4 倍。

官方账号Artificial Analysis@ArtificialAnlys11 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

Inception 用扩散架构做语言模型，速度号称快 4-8 倍还赢了 12 项基准里的 8 项，不过全是自测数据，看看就好。

官方账号Decoder@Manuel Uth原文

AI21 后训练了 NVIDIA 的 Nemotron 3.5 Super，效果超过 GPT-6.1 Sol 但成本只有 1/25，还被 Jensen Huang 拿上主题演讲了。

官方账号AI21 Labs@AI21Labs11 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

商汤把自家 27B 机器人模型和评测框架都开源了，覆盖 12 个仿真基准加 8 台真机，做具身智能的可以拿来直接测。

官方一手pandaily@[email protected] (Pandaily)11 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。

做法律 AI 或想选模型的看下，Legora 每月用真实律所案例测 17 个模型，还加了按任务类型筛选，比看总榜实用多了。

WeAreLegora@WeAreLegora4 个信源在谈原文

Tibo 网站倒计时显示 11 月 1 日 10 点，疑似 GPT-6.5 要来了，OpenAI 还没官宣，先当传闻看。

@koltregaskes@koltregaskes11 个信源在谈原文

有人扒到 Microsoft 的评估配置里出现了 GPT-6.1 Terra 的代号，The Information 之前也报道过这个模型，看来 OpenAI 确实在憋新货。

TestingCatalog@testingcatalog11 个信源在谈原文

Inception 出了扩散架构的 Mercury 3，每秒能吐 1068 个 token，比 GPT-6 Luna 和 Claude Haiku 5.5 还快，还带 1M 上下文。

官方一手marktechpost@Jean-marc Mommessin原文

实测了 Inception 的 Mercury 3，扩散架构跑出 1000+ tokens/秒，比 GPT-6 Luna 快 4-8 倍，速度党可以看看。

岚叔@lufzzliz原文

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

Cognition 家的 Devin Fusion 用 Opus 5.5 加 GPT-6 Luna 拿了编程智能体榜单第一，比 Claude Code 便宜 31%，写代码的可以看看。

Cognition@cognition_labs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

Anthropic 的新模型据说不怎么提示也能猜到你要干嘛，修 bug 还会顺带查同类问题，和 Gemini 4 Carbon、OpenAI Terra 撞车了。

宝玉@dotey11 个信源在谈原文

DeepSeek 这版 Flash 模型在 Agent Arena 拿下开源第一，跑任务成本只有 GPT-6.1 Sol 的四分之一左右，写网页还追平了闭源大模型，做智能体的可以看看。

lmarena.ai@lmarena_ai原文