Artificial Analysis 发布 AA-PersonalityBench：用 900 道题测模型个性和文风
Artificial Analysis 搞了个新基准，专测模型说话风格：Qwen3.8 27B 回复平均 1030 词，是 GPT-6 Luna 的近 4 倍，选模型时挺有用。
全部动态
AI 相关资讯全量信息流 · 722 条
10月20日
Inception 扩散模型 Mercury 3 上线 OpenRouter，速度超 1000 token/秒
Inception 的扩散模型 Mercury 3 登陆 OpenRouter 了，每秒能吐 1000 多 token，上下文 100 万，官方说跑分压过 GPT-6 Luna 和 Haiku 5.5，现在还是半价。
Inception 发布扩散语言模型 Mercury 3，速度超 1000 tok/sec
Stefano Ermon 团队的扩散语言模型 Mercury 3 上线了，号称质量超 GPT-6 Luna，速度还能跑到每秒 1000+ token，在 OpenRouter 就能试。
10月19日
ACE Robotics 发布 9B 具身模型 ACE-Brain-0.6，主打空间视觉定位
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。
大晓机器人发布具身基模型 ACE-Brain-0.6，六项空间感知评测超 GPT-6 Astra
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。
阿里通义 MAI-UI 开源通用计算机使用智能体技术栈 OpenGCUA
阿里开源了一套能调度截图、shell、API 的计算机使用智能体全家桶，OSWorld-v2 上平均涨 19.6 分、步数砍半，做 agent 的可以直接拿来用。
DeepSeek-V4.1-Flash-1017 登顶 Code Arena 开源模型榜首
DeepSeek 新版编程模型把 Kimi K3 挤下开源第一，成本只有十分之一，价格没涨，做 Web 开发的可以直接去 API 试试。
10月18日
Salesforce 用 8B 小模型训练 AI 科研创意生成，创意性超 Claude Opus 4.8
Salesforce 只用 8B 小模型就教 AI 一次写出一堆不重复的科研点子，创意性还赢了 Claude Opus 4.8 和 GPT-6 Astra，做法挺巧的。
Arena Alignment Index 更新：Meta、Reflection、StepFun 三款新模型上榜
Arena 的安全榜更新了，Meta、Reflection、StepFun 三家新上榜，OpenAI 的 GPT-6.1-Sol 还是最能管住手的，看各家智能体谁更靠谱。
10月17日
10月17日AI简报：DeepSeek、OpenAI、Google、NVIDIA 多家模型与产品更新
DeepSeek 开源了推理更强的 V4.1-Flash-1017，Perplexity 也开源了两款决策模型，程序员和折腾党今天能下载的好东西不少。
Nemotron 3.5 Super VL 浏览器使用测试获 48.5 分，落后 GPT-6 Luna
browser_use 跑了 NVIDIA 的 Nemotron 3.5 Super VL，浏览器任务得 48.5 分，被 GPT-6 Luna 的 67.7 分压过，成本还高 61%，想选浏览器自动化模型的可以看看。
GPT-6 Astra Pro 升级：响应更快，多智能体可并行处理任务
OpenAI 给 GPT-6 Astra Pro 升级了，多个智能体能同时干一个任务的不同部分，还能跟踪进度，Pro 用户现在就能用。
OpenAI 升级 GPT-6 Astra Pro：插件工具调用改进、速度提升并支持多智能体并行
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。
Elorian 发布首个模型 Glimpse：可在思考中回看图像和视频
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。
NVIDIA 开源 ASPIRE 机器人学习框架
NVIDIA 把 ASPIRE 开源了，能驱动真实机器人操作还能持续学新技能，LIBERO-Pro 跑到 99%，搞具身智能的可以直接看代码复现。
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。
10月16日
Liquid AI 发布 d1-ultra，登顶 Artificial Analysis Decision Index v1.0
Liquid AI 新出的 d1-ultra 拿了决策模型榜第一，幻觉率从 2% 干到 85%，价格只有 GPT-6 Luna 一半，做自动化决策的可以看看。
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。
Agent Arena 更新 Bash Reliability 指标，Claude Opus 5.5 居首
Agent Arena 榜单换了个新指标 Bash Reliability，Claude Opus 5.5 还是第一，开源最强的 GLM 5.2 排到第 15，想选编程模型可以看看。
10月15日
GPT-6-Astra 在 TheoPhysEval 基准解出 50 道理论物理题中的 49 道
OpenAI 的 GPT-6-Astra 在 TheoPhysEval 上做对了 50 道 unpublished 物理题里的 49 道，一题才 2.4 美元，连专家答案被它挑出错的桥段都值得看看。
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。
Ling 3.1 Flash 开源权重发布，本地运行在 LEGO 埃菲尔铁塔生成上击败 GPT-6 Luna
Ant 旗下 Ling 3.1 Flash 放出开源权重了，本地跑就能用，同一提示词下生成效果赢过 GPT-6 Luna，还便宜 2.8 倍，想省钱本地部署的可以试试。
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。
通用模型封锁网络安全能力，Artemis 推出防御专用模型 Orion-1
通用模型锁死安全能力，Artemis 的 Orion-1 专做防御，还跑赢了 Claude 和 GPT。
Gemini 4 发布，Google 称性价比超过 GPT-6 和 Opus 5.5
Google 把 Gemini 4 发出来了，直接拿性价比跟 GPT-6 和 Opus 5.5 比，关心哪家模型更划算的可以看看。
Ethan Mollick 用一个梗同时测了 GPT-6 Pro、Gemini 4 Argon High 和 Opus 5.5 Max
一条提示词同时丢给 GPT-6 Pro、Gemini 4 Argon High 和 Opus 5.5 Max，三个笑话三种性格，Opus 那句自嘲"起泡的自动补全"最绝，点开看看你喜欢哪个。
llm-gemini 0.35 支持 Gemini 4 Argon 模型
Gemini 4 Argon 今天上线，llm 插件已经支持了。定价对比讲得很细，还搬了 Artificial Analysis 的成本数据，选模型前可以看看。
LMArena 实测 Google DeepMind 新模型 Argon：语气更友好但更绕
Google DeepMind 的 Argon 在 LMArena 上数据出来了，比 GPT-6.1 Sol 和 Opus 5.5 更友好但话更绕，多轮对话投票领先 62 分，喜欢长回答的可以试试。
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。
Agent Arena 排行榜更新：Claude Opus 5.5 居首，GLM 5.2 领跑开源模型
智能体跑分榜单更新了，Claude Opus 5.5 拿下第一，想给编程 Agent 选模型可以看下这份排名。
传 Anthropic 将于本周发布 Fable 5.5，时间点在 IPO 之前
Anthropic 的新旗舰 Fable 5.5 据说这周就来，还是赶在 IPO 前发，跟 Gemini 4、GPT-6-Astra 打擂台，先看看爆料细节。
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 Muse Wonder (Max) 实测：对比 Opus 5.5、GPT-6.1 Sol 等模型
petergostev 把 Meta 的 Muse Wonder 拉来和 Opus 5.5、GPT-6.1 Sol 这几个模型同台比 3D 场景和前端生成，还附了每次生成的费用，想选模型可以看看。