Google发布Gemini 3.6 Flash及3.5 Flash Lite，效率提升但基准低于竞品
谷歌发了两款新模型，速度和价格更香，但跑分不如Grok和GPT，想追新可以瞧瞧。
全部动态
AI 相关资讯全量信息流 · 701 条
7月22日
谷歌启动Gemini 4史上最大规模预训练
谷歌官宣Gemini 4开练，号称最大规模训练，想看看它能做到多强吗？
7月21日
Sakana AI推出网络安全模型Fugu Cyber，基准测试胜GPT-5.5-Cyber
Sakana AI新出的Fugu Cyber在安全基准上比GPT-5.5-Cyber还强，86.9%的CyberGym成功率很硬核，搞网络安全的可以关注。
Sakana发布Fugu-Cyber编排模型，安全基准达SOTA
Sakana的Fugu-Cyber在安全基准上追平了GPT-5.5和Mythos，值得关注编排模型的新进展。
Kimi K3 登顶 Agent Arena 第4名，前端代码竞技场第1名
Kimi K3 智能体能力追上 Claude 和 GPT，还计划开源，前端编码直接登顶，值得关注这个国产模型的新进展。
7月20日
国产Kimi K3首次杀入Arena综合榜Top10，登顶前端开发榜
月之暗面的Kimi K3这次真争气，综合榜前十、前端开发榜第一，国产模型越来越能打了。
Kimi K3投资研究能力获基准测试，击败GPT-5.5和OPUS-4.8
Kimi K3在投资研究上直接干翻了GPT-5.5和OPUS-4.8，时间判断和证据边界控制尤其强，已经在AlphaEngine上用了，搞金融研究的可以试试。
ActiveVision新基准：GPT-5.5和Claude Fable 5主动观察得分不足11%
想看最强的AI在实时观察任务上有多弱吗？ActiveVision让GPT-5.5和Claude Fable 5原形毕露，人类碾压它们。
7月19日
DeepSeek V4 和 GLM 5.2 发布，Kimi K3 和 Qwen 3.8 曝光
这周模型圈太热闹了，DeepSeek V4、GLM 5.2 刚发，Kimi K3 和 Qwen 3.8 又来了，还有 Claude 和 GPT 对标，开源 SOTA 随时变天。
开源模型Kimi K3登顶Arena前端代码榜，超越Claude Fable 5和GPT-5.6 Sol
中国开源模型Kimi K3编码能力比Claude和GPT还强，价格却便宜好几倍，做长上下文编程选它准没错。
Moonshot Kimi K3前端代码超越Fable 5，复杂数学落后显著
国产模型Kimi K3前端代码很强，能超过Fable 5，但数学推理还差得远。想了解具体差距多大，可以看看这篇。
月之暗面Kimi K3发布次日ARR创历史最大单日增幅
月之暗面开源了2.8万亿参数的Kimi K3，视觉理解强，成绩超Claude和GPT-5.6，ARR单日新高。
Elon Musk 称 Grok 4.5 综合速度与成本是当前第一
SpaceXAI 的 Grok 4.5 用 $0.31 就干到一流水平，比 Claude 便宜 9 倍，token 还省 6 倍，省钱党可以关注。
7月18日
乔帮主评测Kimi K3：6个场景的优缺点分析
想看看Kimi K3的真实水平？乔帮主用6个项目实测，告诉你它哪里强哪里弱，值得一试。
Kimi k3与GPT-5.6 Sol成本对比：价格相近，速度差异大
有人觉得Kimi k3便宜？其实和GPT-5.6 Sol算下来价格差不多，GPT-5.6 Sol速度还快4倍，别被误导了。
100美元AI音乐视频：Claude Fable 5 vs. GPT-5.6 Sol
想看看两个顶级AI花100美元能做出什么视频？实验显示Claude Fable 5和GPT-5.6 Sol的作品都还行但不惊艳，而且Claude的token成本比GPT高出好几倍。
GPT-5.6 Sol在“The Last Ones”网络靶场创下网络安全新纪录
OpenAI的GPT-5.6 Sol在网络安全靶场拿了第一，还能直接帮团队修真实漏洞，试试Codex Security吧。
GPT-5.6-sol 无需 /goal 即可自主完成任务
OpenAI 悄悄升级了 GPT-5.6-sol，它能自己把事做完，不用你再设目标了，执行力超强。
OpenAI展示社区如何用GPT-5.6快速交付应用
OpenAI社区分享了用GPT-5.6开发产品的真实案例，能帮你快速把想法变成成品，效率很高。
GPT-5.6 Sol 在网络安全领域达到最先进水平，可发现和修复新型漏洞
OpenAI 的 GPT-5.6 Sol 专攻网络安全，能找漏洞并修复，防守方现在就能注册用。
OpenAI发布GPT-5.6 Sol，称有10000个理由让人喜欢
OpenAI刚发了GPT-5.6 Sol，号称一万人说好，去那个链接看看它到底强在哪。
Arena 引入事实性排名：结合人类偏好与事实性评估模型
Arena 现在能看模型在事实准确性上的表现，Claude 和 GPT-5.5 排名变化挺有意思，想挑更靠谱的模型可以看看。
7月17日
Kimi K3 内部跑分三战全胜，超 Opus 4.8 和 GPT-5.5
Kimi 新模型 K3 跑分赢了 Opus 4.8 和 GPT-5.5，2.8 万亿参数还带百万上下文，解码快到飞起，技术细节值得细看。
Kimi K3 Max在内部知识工作基准上超越Claude Opus和GPT-5.5
Kimi K3 Max在三个内部知识工作基准上全面超过Claude Opus和GPT-5.5，适合关注智能体工作流的人看看。
Moonshot AI发布Kimi K3：2.8万亿参数开源权重全球第三
Kimi K3的2.8万亿参数开源模型性能强悍，全球第三，比很多闭源模型都强，值得上手试试。
Kimi K3 发布：2.8T参数、1M上下文，开源模型新标杆
Kimi 发了 K3 开源模型，2.8T 参数加上百万上下文，在编程评测里甚至超过了 Claude 和 GPT，做智能体特别合适。
Kimi-K3登顶Frontend Code Arena，胜率76%超越Claude Fable 5
Kimi-K3刚在代码前端评测中干翻Claude Fable 5，76%胜率，6个领域第一，权重还开源，绝对值得关注。
GPT-5.6 Sol Pro几乎饱和prinzbench基准
GPT-5.6 Sol Pro把prinzbench刷到91分，比前代高出一截，连从未解出的题都快能答了，基准加速饱和太明显。
Kimi K3: 2.8万亿参数模型发布，开放权重承诺7月27日
Moonshot发了2.8万亿参数Kimi K3，前端代码超越Fable 5，开放权重版月底就能用，价格虽高但看齐Claude Sonnet。
Kimi K3开源模型参数2.8T，1M上下文，性能匹敌Fable 5
Kimi K3开源了，2.8T参数比Fable 5还便宜，编码和智能体任务很强，试试看。
AI生成港口城镇基准新增GPT-5.6 Pro等4模型
想看看不同AI在一次性生成复杂历史场景上的表现？这里有GPT-5.6 Pro、Fable、Kimi K3和Inkling的对比，还能自己玩模拟。
Kimi开放权重模型K3接近GPT-5.6 Sol和Fable 5
Kimi搞了个2.8万亿参数的开源模型K3，性能追平GPT-5.6 Sol和Claude Fable 5，不过价格也上去了，中国AI要涨钱了。
Kimi K3 正式发布，2.8T 参数登顶前端代码竞技场
Kimi K3 参数达 2.8T，前端代码竞技场拿第一，跟 GPT-5.6 差不多强，值得关注。
OpenAI 详解 GPT-Red：自动红队模型以84%胜率击败人类
OpenAI 搞了个 GPT-Red 自动红队模型，提示注入赢人类 84% 对 13%，还发现了 Fake Chain-of-Thought 攻击。
Impossible Research推出[schema] agent harness，ARC-AGI-3达99% RHAE
Impossible Research的[schema]让LLM像物理学家推理，ARC-AGI-3刷到99% RHAE，太强了
7月16日
月之暗面预热Kimi K3模型，多段AI对比视频流出
月之暗面K3要来了，视频里对比了Claude和GPT的新版本，感兴趣的可以看看差距有多大。
reactbench.com: 全新 React 编码基准测试发布
百万.js 作者搞了个 React 编码实测，51个真实任务，GPT 5.6 最便宜最强，Claude 太贵了。
OpenAI发布内部网安红队模型GPT-Red，自动化攻击模拟提升鲁棒性
OpenAI搞了个内部红队模型GPT-Red，自动找漏洞，攻击成功率从95%降到10%以下，效果很实在。
OpenAI GPT-5.6 IQ 首破 130 天才线，超越 99% 人类
GPT-5.6 智商飙到 136 分，比 Claude-5 还高出一截，而且干活也不含糊，一句话就能造出应用，值得看看它到底多强。