全部动态

Anthropic 拆了 Claude 智能体的记忆架构，让模型在空闲时"做梦"纠错总结，CL-Bench 得分从 0.65 拉到 0.83，做智能体的可以抄作业。

蚂蚁发了 Ling-3.2-flash，560B 参数原生多模态，自测三项基准跑赢 Claude Opus 5（max），API 前两周免费，可以试试。

SemiAnalysis 搞了个新基准 GDPx，模拟芯片设计、量化交易这类真实工作，结果最强的 Claude Opus 5.5 也才 12% 出头，智能体离真干活还差得远。

官方账号Decoder@Manuel Uth原文

有人用 Claude Opus 5.5 写了个开源项目 TVPort，把 Switch 游戏重新编译后搬到 Apple TV 4K 上跑，《奥德赛》能 60 帧玩，不过得自己从正版卡带提取游戏文件。

月之暗面兑现承诺放出了 Kimi K3.1 Pro 权重，智能体任务实测比 K3 强了一截，编程成绩已经贴着 Claude Opus 5.5 打，做 Agent 的可以关注。

上周 Anthropic 还因拒绝参考现有游戏被开发者吐槽，这版 Claude Code 就改了，现在提玩法参考没问题，只要不复刻原作就行。

50 个 GPT-6.1 Sol 智能体在 Minecraft 里被一晚危机逼出全套分工制度，对抗 Claude Opus 5.5 时还直接改游戏源码，过程很有意思。

官方账号Decoder@Maximilian Schreiner11 个信源在谈原文

把上百个智能体扔进《我的世界》打架建城，结果 GPT 蜂群 7 局赢了 Claude 6 局，官僚化那段太好笑了

The New Stack 拿 GPT-6.1 Terra 和 Claude Opus 5.5 跑了三组硬核测试，Terra 答题更准还只要八分之一的价格，数据很实在。

Blognone@mk11 个信源在谈原文

Factory 发了 Droid 1.0，一个能换底层模型的编程智能体框架，Terminal-Bench 4 上跑 65.2%，写代码的可以看看。

官方一手marktechpost@Asif Razzaq原文

Claude Code 加了条关不掉的规则，Opus 5.5 会拒绝复刻具体游戏，但做原创和类型游戏不受影响。

一条顶五条：Gemini 4 Carbon 干过了 Opus 5.5，OpenAI 还要买 Google TPU，早上扫一眼就够。

爱范儿@郑廷旭11 个信源在谈原文

Google 放出了新的 Gemini 4 Carbon，在 Artificial Analysis 的榜单上超过了 Claude Opus 5.5 和 GPT-6 Astra，这次还特别强化了网络安全能力。

官方账号theverge@Emma Roth11 个信源在谈原文

Google 放出 Gemini 4 Carbon，网络安全基准把 GPT-6 Astra 甩开 12 个点，不过现在只有安全领域的合作伙伴能用，定价倒是和 Argon 一样。

Blognone@lew11 个信源在谈原文

Simon Willison只用聊天界面就vibe出了四款真的好玩的游戏，他说Opus 5.5的游戏设计感超过了GPT-6 Astra，想自己做游戏的话这篇是很好的参照。

OpenAI 新出的 GPT-6.1 Terra 专攻桌面自动化和视觉任务，价格只有 Claude Opus 5.5 的九分之一，错误率也从 53.6% 降到 4.3%，做批量自动化的可以看看。

社区发现 Claude Opus 5.5 逆向受版权保护内容会被中途拦截，时间点和 Anthropic 10 月 21 日的静默更新对得上，做逆向的朋友可以验证一下。

腾讯的办公助手 WorkBuddy 现在能用 Kimi K3.1 Pro 了，100 万上下文还能跑金融工作流，企业版用户可以先试试高速版。

Moonshot 的新款 Kimi K3.1 Pro 打平 Claude Opus 5.5，价格才一半，11 月还要开源 weights，性价比党可以试试。

Blognone@lew11 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 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。

月之暗面的 Kimi K3.1 Pro 跑分 55，离闭源第一梯队只差 3 分，还打算开源权重，做本地部署的可以盯一下。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

Anthropic 出了个叫 Duet 的个人智能体，跑在独立 VM 里还能主动找你说话，底层是 Claude Opus 5.5，美国 Pro/Max 用户可以试试。

Blognone@mk11 个信源在谈原文

Anthropic 出了个离线也能干活的智能体 Claude Duet，接了 6000 多个服务，付钱前会先问你，跟 OpenAI 和 Meta 的同类产品硬碰硬。

官方账号Decoder@Maximilian Schreiner11 个信源在谈原文

Anthropic 新出的 Claude Duet 能在你关机后继续干活，接了 6000 多个插件，直接对标 Meta 的 Muse 和 OpenAI 的 Dots。

有人拿 Claude Code 给小米电视禁掉 25 个预装包还换了个启动器，代码和提示词都公开了，想给自家电视去广告的可以看看，不过翻车风险也不小。

让 6 个智能体去讨火车票退款，Grok 4.7 一周发 116 条消息还发诉前函，结果钱没要到，过程全程高能。

用 Claude Opus 5.5 和 GPT-6 Astra 把小说里的55座城市做成3D，前者把粉红雾气都还原出来了，对比很有意思，还有赛博九龙可玩。

在 iPhone 聊天框丢一句提示词，Opus 5.5 跑 3 小时做出带音乐和成就的找不同小游戏。

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。

官方账号Decoder@Jonathan Kemper原文

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。

Mod 制作者用 Claude 把马力欧塞进《艾尔登法环》，微软直接成立 XBOX Labs 跟进，内部信细节还挺多。