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。
全部动态
AI 相关资讯全量信息流 · 722 条
10月13日
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。
Cognition 发布 FrontierCode 1.1 编程基准，Claude Opus 5.5 以 52% 居首
Cognition 的新基准看代码能不能被维护者真合并，最强模型也只有 52%，GPT-6.1 Sol 花十分之一的钱就追平 Claude，榜单数据很硬核。
Artificial Analysis 推出 FrontierCode 1.1 编程基准排行榜
Cognition 的 FrontierCode 1.1 排行榜来了，专测代码能不能被真实维护者合并。Claude Opus 5.5 拿 52% 居首，GPT-6.1 Sol 用十分之一的价格打平，开源的 MiMo-V2.6-Pro 也很能打。
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。
Agent Arena 数据：开源模型 12 周追平 Claude Fable 5
LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。
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12日
OpenAI 发布 GPT-6，登陆 ChatGPT
OpenAI 把 GPT-6 上到 ChatGPT 了，感兴趣的可以先去试试它跟 GPT-5 的差别。
Ethan Mollick：GPT-6 Pro 经常在论文中发现疑似错误
Mollick 分享了一个实际观察：GPT-6 Pro 干活时会顺手挑出论文错误，但他提醒核实的成本和勘正机制才是瓶颈。
OpenAI将GPT-6.1 Sol默认上下文长度提升至50万
OpenAI把GPT-6.1 Sol的上下文窗口扩大到50万了，比之前多了近一倍，以后处理长文档更方便了。
GPT-6.1 Sol上下文长度提升至50万
GPT-6.1 Sol上下文长度大增80%，现在能处理更长的代码和文档了。
10月11日
OpenAI与Anthropic本周动态：GPT-6全面开放、Haiku 5.5发布
GPT-6这周全量开放了，免费版也能用Luna；Anthropic的Haiku 5.5百万token只要10美分，还塞进了100万上下文。想换模型的可以看看。
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。
微软发布 Microsoft-Decision-1 决策模型，准确率超 GPT-6 Luna Decision
微软把 Qwen3.5-9B 改成小决策模型，分类任务准确率干到 83.5%，跑分类便宜 200 倍，做内容审核的可以试试。
10月10日
微软发布 Microsoft-Decision-1 决策模型
微软新决策模型响应速度超快，比 GPT-6 Sol 快 35 倍，价格还便宜。
微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的单次前向传播决策模型
微软基于 Qwen3.5-9B 出了个决策小模型，专管 Agent 流程里的判断打分，比 GPT-6 Sol 快 35 倍，输出还免费。
Microsoft-Decision-1 上线 OpenRouter，主打快速决策
微软把决策类小模型做成了专项产品，比 GPT-6 Sol 快 35 倍还输出免费，做分类和判断任务的可以试试。
微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的专用决策模型
微软发了个专做选择题的小模型，不聊天只判断，快还便宜，模型路由、意图识别这些活儿可以省下大模型的钱了。
Microsoft 发布 Microsoft-Decision-1 快速决策模型，已在 Foundry 上线
微软用 Qwen3.5-9B 做了个专门快速打分决策的模型，比 GPT-6 Sol 快 35 倍，Foundry 上就能用。
Step 5 Preview 在 Nous Portal 免费开放一周
StepFun 的 Step 5 Preview 限时免费，600B 参数还能看图，得分和 GPT-6 Luna 打平，可以先去试试再决定要不要付费。
Nano Banana 2.1获Image Arena三项前六名
Nano Banana 2.1在图像生成领域表现亮眼，Mistral Large 4在欧洲实验室中排名领先，Claude Haiku 5.5性价比突出。
Arena发布AI对齐指数评估27个模型
Arena新发布的对齐指数用真实数据评估了27个AI智能体的安全性，OpenAI模型表现最佳。
10月9日
AI对三年数学发现进行排名
Will DePue测试了GPT-6 Pro和Fable 5.1对数学发现的排名能力，AI参与度惊人。
星动纪元具身模型登顶全球第一，视频预测与动作学习分阶段训练
清华系的星动纪元把具身模型做到全球第一，超过了 GPT-6 和英伟达，靠的是把视频和动作拆开分阶段训练，不靠额外数据。
OpenAI推出GPT-6.1 Sol架构
OpenAI新发布的GPT-6.1 Sol不仅价格减半，处理长提示速度也更快了。
Claude Haiku 5.5 (High) 登上 Code Arena：WebDev 榜第 30 名，1587 分
Anthropic 的小模型 Haiku 5.5 上榜了，价格和 GPT-6 Luna 一样但分数更高，比自家 Haiku 4.5 便宜九成还涨分，做 Web 开发的可以看看性价比。
GPT-6.1 Sol ultrafast 发布，steering 改为即时生效
GPT-6.1 Sol 出了 ultrafast 版，steering 改成即时生效了，跑偏了能马上掰回来，不浪费算力。
GPT-6.1 Sol Ultrafast 上线 OpenRouter，速度提升至 8 倍
OpenAI 给 GPT-6.1 Sol 出了个快 8 倍的 Ultrafast 版，OpenRouter 上已经能直接调，跑对话或编程场景会很爽。
Artificial Analysis 网络安全指数新增受信访问模型，GPT-6 Sol（Daybreak Blue）登顶
OpenAI 给受信访问的 GPT-6 Sol（Daybreak Blue）几乎没有网络安全防护，跑分直接登顶还比 Grok 4.7 便宜好几倍，值得看看细节。
GPT-6.1 Sol Ultrafast 推出，生成速度提升 8 倍
OpenAI 推出 GPT-6.1 Sol Ultrafast，生成速度最高快 8 倍，价格输入 12 美元、输出 60 美元每百万 token，对要低延迟的场景很有用。
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。
OpenAI 推出 GPT-6.1 Sol Ultrafast 模式，速度提升 8 倍
OpenAI 给 GPT-6.1 Sol 加了 Ultrafast 模式，比标准版快 8 倍，Codex 和 API 都能用，价格也公开了。