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。
全部动态
AI 相关资讯全量信息流 · 840 条
7月19日
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
白宫Gold Eagle计划引发AI访问控制争议
白宫新规直接卡OpenAI和Anthropi的模型发布，跟国内Kimi K3的逆袭放一起看，特有意思。
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。
GPT-5.6 Sol 活动：早发帖占坑获 $100 Codex Credits
Tibo 搞了个活动，前一万个发帖就送 $100 Codex Credits，别管内容真不真，冲就完了。
Kimi k3与GPT-5.6 Sol成本对比：价格相近，速度差异大
有人觉得Kimi k3便宜？其实和GPT-5.6 Sol算下来价格差不多，GPT-5.6 Sol速度还快4倍，别被误导了。
用独立LLM强化/goal：GPT-5.6-Sol做裁判让子智能体跑更久
作者分享了用独立LLM强化/goal的实用技巧，用GPT-5.6-Sol做裁判，让GPT-5.6-Terra/Luna当子智能体，跑得更久更快。
GPT-5.6 Sol在“The Last Ones”网络靶场创下网络安全新纪录
OpenAI的GPT-5.6 Sol在网络安全靶场拿了第一，还能直接帮团队修真实漏洞，试试Codex Security吧。
GPT-5.6-sol 无需 /goal 即可自主完成任务
OpenAI 悄悄升级了 GPT-5.6-sol，它能自己把事做完，不用你再设目标了，执行力超强。
OpenAI展示社区如何用GPT-5.6快速交付应用
OpenAI社区分享了用GPT-5.6开发产品的真实案例，能帮你快速把想法变成成品，效率很高。
GPT-5.6 Sol 在网络安全领域达到最先进水平，可发现和修复新型漏洞
OpenAI 的 GPT-5.6 Sol 专攻网络安全，能找漏洞并修复，防守方现在就能注册用。
OpenAI发布GPT-5.6 Sol，称有10000个理由让人喜欢
OpenAI刚发了GPT-5.6 Sol，号称一万人说好，去那个链接看看它到底强在哪。
谷歌 Gemini 3.5 Pro 再度延期，内部压力增大
谷歌的Gemini 3.5 Pro又跳票了，内部还挺内耗。竞争对手都发了新模型，这瓜值得吃。
OpenAI回应GPT-5.6删文件：关闭沙盒与自动审查导致误删$HOME目录
OpenAI回应了GPT-5.6删文件事件，告诉你原因：关掉沙盒和自动审查就会出这种问题。如果你在用Codex，最好开启沙盒和自动审查。
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
AI协助解决统计学开放问题：GPT-5.6证明BH过程无法控制FDR
AI真的在推动数学进步了：GPT-5.6只用90分钟就找到了统计学里一个经典开放问题的反例，而5.5版本折腾20小时都没搞定。这篇报告值得所有关心AI科研能力的人看。
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。
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。
90分钟免费直播：用ChatGPT将研究转化为演示文稿
想用ChatGPT做PPT？这场90分钟免费直播教你用GPT-5.6和Codex把论文变演示文稿，省时又专业。
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 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。
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
GPT-5.6 Sol Pro解决统计学重要开放问题：BH程序在相关数据下无法控制FDR
AI帮你揭开了统计学25年的难题：GPT-5.6 Sol Pro用90分钟证明BH方法在相关数据下会失效，比人类20小时还准。
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。
Grok 4.5 在 FrontierSWE 基准排名第二，研究能力第一
Grok 4.5 在代码基准上超越 GPT-5.5 和 Opus 4.8，研究能力还拿了第一，值得关注。
Doximity Ask临床AI研究击败GPT-5.6和Claude Fable 5
Doximity Ask在独立测试中把GPT-5.6和Claude Fable 5都干翻了，说明医学领域专用模型才是王道。
GPT-5.6 Sol 在数学和视觉任务上表现惊人
有人实测了GPT-5.6 Sol，数学和视觉超强，比Terra和其他模型厉害很多，值得关注。
Thinking Machines发布开源多模态模型Inkling，41B参数竞争GPT-5.6 Sol
Thinking Machines出了个真开源的多模态模型Inkling，41B参数能和GPT-5.6 Sol掰手腕，还准备出12B小版，赶紧试试。
GPT-Red 通过对抗训练提升 GPT-5.6 的提示注入防御能力
OpenAI 用 GPT-Red 对抗训练 GPT-5.6，让模型更抗提示注入，安全提升很实在。
用Stream Deck控制Codex：GPT-5.6 Pro写计划，Codex自动安装
教你怎么让GPT-5.6 Pro写计划，Codex自动帮你装软件，省去手动点击的麻烦。
Arena 引入事实性排名：基于人类偏好与事实性加权的新模型排行榜
以后看模型排名不只凭喜好，还能按事实准确性排序。GPT-5.5 狂飙 13 名，Claude 也被挤到第二，快去 Arena 开开关看看。
Search Arena 事实性排行榜更新：GPT-5.5-search 登顶
看谁家搜索模型最靠谱？GPT-5.5-search 刚拿了事实性第一，GPT-5.2-search 飙升到第三，Claude 和 Gemini 反而掉了。
7月15日
Codex和ChatGPT Work活跃用户达800万
Codex和ChatGPT Work用户破800万了，取消速率限制，快去玩GPT-5.6吧！
Codex 周活跃用户达 800 万，使用限制再次重置
Codex 周活冲到 800 万了，还送了你 4 次手动重置机会，快来试试 GPT-5.6 Sol 吧。
Codex和ChatGPT Work重置用量，取消5小时速率限制
OpenAI又给Codex和ChatGPT Work用户重置用量了，现在没5小时限制，快试试GPT-5.6吧！
