OpenAI测试持久模式AI代理
OpenAI在测试Codex的持久模式AI代理，能自主生成任务，但已有安全风险案例。
全部动态
AI 相关资讯全量信息流 · 700 条
8月28日
8月27日
JIT-Agent：即时智能体通过即时智能体进化扩展智能
JIT-Agent模型可以即时合成适用于任意现成LLM的任务自适应智能体绑定，显著提升模型性能，值得一试。
8月26日
8月25日
与 AWS 优化 Kiro 和 GPT-5.6 性价比
OpenAI 与 AWS 合作优化 Kiro 和 GPT-5.6，性价比大幅提升，值得一看。
GPT-5.6加入kirodotdev
想用GPT-5.6模型规划软件的开发流程，kirodotdev是个好选择。
Pareto更新：OpenAI最新定价下，GPT-5.6 Sol和Luna重塑Pareto前沿...
OpenAI降低了GPT-5.6 Sol的API和信用定价，使其在价格和性能上更具竞争力，值得关注。
8月24日
15 AI 模型梯队排名发布
看看这份 AI 模型排名，Fable 5 和 GPT-5.6 Sol 表现抢眼，和其它模型比有什么不同？
8月23日
OpenAI 投资公司转用中国开源模型打造法律 AI
Harvey 用 Kimi K3 模型打造法律 AI，比 Fable 5 和 GPT-5.6 Sol 强，成本还低。
Inherent发布Faraday智能体，复现能力超GPT-5.5与Claude Opus 4.8
Inherent新推Faraday智能体，小模型大能力，强化学习助其超越GPT-5.5与Claude Opus 4.8，值得关注。
IT之家原文
8月22日
GPT-5.6 Sol最实惠前沿模型上线Devin Desktop和Devin CLI
OpenAI再次降价，GPT-5.6 Sol现在更实惠，性价比高，值得尝试。
8月21日
Qwen3.8-27B新基准：本地Opus 4.6横扫消费级硬件
开源开发者有了新基准，Qwen3.8-27B横扫消费级硬件，比肩GPT-5.6 Luna和DeepSeek V4 Flash，参数量27亿，4位量化后适配24GB GPU，超越它才是新标准！
模型15:06
DeepSWE 超越 Fable 在 10 项任务中表现亮眼Ben Davis 在 x.com 上展示了 DeepSWE 在多项任务中的出色表现，比 Fable 和 GPT-5.6-sol 更胜一筹，值得关注。
Opus 5 与 GPT-5.6 Sol 在浏览器任务上表现接近
Opus 5 和 GPT-5.6 Sol 在一个新浏览器基准上打平了，这个基准是真实用户任务，评估标准很细，看看谁更会上网吧。
8月20日
阿里发布 Qwen-UI-Agent，主打让模型真正“会用”每一块屏幕
阿里刚发了 Qwen-UI-Agent，能直接操作手机电脑屏幕，移动端比 GPT-5.6 Sol 高 12 个点，还能在真实手机上跑任务，以后帮你自动查地址、订高铁、整理文件应该更靠谱了。
IT之家原文
OpenAI宣布推出GPT-5，新基准分数达9000分，超越前代模型15%
OpenAI发布了GPT-5，能更好处理多模态和代码生成，和前代比提升明显，对开发者很有用。
8月19日
智谱 GLM-5.3 模型 API 上线，权重下周五开源
智谱GLM-5.3 API上线了，性能媲美GPT-5.6，成本却更低，下周还要开源，性价比超高！
Artificial Analysis发布搜索API基准，对比7家提供商表现
Artificial Analysis刚发了搜索API基准，用GPT-5.6 Luna测了7家提供商，帮你选搜索工具时看质量、成本、速度。
8月18日
Qwen3.8-27B 匹配 GPT-5.6 Luna 并可本地运行
阿里 Qwen3.8-27B 性能追平 GPT-5.6 Luna，还能在浏览器跑。
Qwen 3.8 27B拿下52分，追平GPT-5.6 Luna
27B的小模型追平了GPT-5.6和GLM-5.2，参数还小几十倍，值得看看。
Hypha AI用GPT-5.6 Luna做文档提取，成本为GPT-5.5的1/18
OpenAI官方晒了组省钱实测：Hypha AI用GPT-5.6 Luna把文档提取成本降到1/18，准确率还保住98%；RogoAI靠工具调用省了21%输入token。
GPT-5.6 Sol 在 ARC-AGI-3 上从 13.3% 跃升至 38.3%，输出 token 减少约 6 倍
OpenAI 的 GPT-5.6 Sol 在 ARC-AGI-3 上分数翻倍还多，token 还省了六倍，看看他们怎么做到的。
8月15日
Moonshot AI新基准PerceptionBench：多模态模型视觉感知准确率不足60%
Moonshot AI 出了个新测试 PerceptionBench，专门查 AI 的“眼神”。结果最强模型 GPT-5.6 Sol 准确率也不到 60%，而且很多错是从看图时就错了。
27B参数智能体Faraday复现论文击败Claude Opus 4.8和GPT-5.5
一个叫Faraday的27B智能体，把论文复现变成强化学习任务，在测试集上赢了Claude Opus 4.8和GPT-5.5，还把编码agent当工具用，有点意思。
北京医生用GPT-5.6-Sol证明Crouzeix猜想
GPT-5.6-Sol断网跑16小时独立拿出22年数学猜想的证明，这波是AI科研能力的实弹演示。
8月14日
中国医生用 GPT-5.6 破解 22 年数学难题，Crouzeix 本人确认正确
一个神经外科医生借 GPT-5.6 证明了 Crouzeix 猜想，数学家集体震惊。完整提示词和代码都开源了，可以看看。
GPT-5.6 Sol 低推理强度超越 GPT-5.5 高推理强度
OpenAI 的 GPT-5.6 Sol 在低推理强度下就超过了 GPT-5.5 的高推理强度表现，还更省 Token，你可以直接上手试试。
智谱AI发布GLM-5.3：编程开源最强，网络安全能力涌现
智谱发了GLM-5.3，编程和找漏洞都超强，开源模型里第一，比GPT-5.6还猛，但权重两周后才公开。
OpenAI预览Ultrafast模式：GPT-5.6 Sol速度提升14倍
OpenAI给GPT-5.6 Sol开了14倍速模式，先在API小范围试水，做开发的朋友可以紧盯后续扩容。
OpenAI 预览 GPT-5.6 Sol 超快模式，速度提升 14 倍
OpenAI 刚展示了 GPT-5.6 Sol 的 Ultrafast 模式，速度拉到 14 倍，API 客户能先尝鲜。
OpenAI 推 Ultrafast 模式：GPT-5.6 Sol 提速 14 倍
OpenAI 给最强模型 GPT-5.6 Sol 上了个超快模式，每秒能出 750 个词元，比原来快 14 倍，适合客服、金融这些要抢时间的活儿。
谷歌推出Gemini 3.7 Flash，效率优于Sonnet 5
谷歌新发的Gemini 3.7 Flash，效率比Sonnet 5高，价格只有3.6 Flash一半，现在AI Studio就能玩。
谷歌发布 Gemini 3.7 Flash：编码更强，价格比 3.6 Flash 降 50%
谷歌新出的 Gemini 3.7 Flash，编码和智能体能力更强，价格比 3.6 又砍半，还比 Claude 和 GPT 便宜一半，拿来写代码试试。
Gemini 3.7 Flash (High)在Agent Arena排名第20，较前代跃升15位
谷歌新出的Gemini 3.7 Flash在智能体评测里冲到第20，比上代强一截，编码和网页开发更好用了，感兴趣的可以试试。
Grok-4.6 升至 Code Arena WebDev 第五，超越 Claude Fable 5 与 GPT-5.6 Sol
Grok-4.6 刚发布就把网页开发能力冲进第一梯队，分数压过 Claude 和 GPT 的最新版，差距只有个位数，写代码的可以关注下。
GPT-5.6 Sol 预览：Ultrafast 模式速度提升14倍
OpenAI 出了个 GPT-5.6 Sol 极速版，快 14 倍，先在 API 给一小部分客户用，后面会铺开。
8月13日
Grok 4.6 上线 Devin Desktop 和 Devin CLI
Grok 4.6 已经能在 Devin 里用了，Desktop 和 CLI 都支持，比 GPT-5.6 Sol 强，仅次于 Opus 5 和 Fable 5，想尝鲜的赶紧试试。
Grok 4.6 登陆 Devin，超越 GPT-5.6 Sol
Grok 4.6 上 Devin 了，跑分超过 GPT-5.6 Sol，只差 Opus 5 和 Fable 5，想试试的可以关注。
