全部动态

有人拿 Gemini 4 Argon 和 Opus 5.5 一起做 3D 动画任务，效果差不多但价格便宜 3 倍，附 API 可自己试。

@atomic_chat_hq@atomic_chat_hq11 个信源在谈原文

Google 把内测的 Gemini 4 Argon 开放了，专业任务榜上分数超过了 Claude 两个型号，单次测试还便宜一半，做长任务的可以看看价格变化节点。

rohanpaul_ai@rohanpaul_ai原文

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。

lmarena.ai@lmarena_ai11 个信源在谈原文

Anthropic 把防蒸馏细节讲透了：数万亿 token 说拒就拒，还公布 8.6 个百分点的蒸馏收益实验，做模型训练的都该看看。

岚叔@lufzzliz11 个信源在谈原文

有人拿 Opus 把 OpenRouter 的 token 数据算成了钱：年化约 15 亿美元，Anthropic 一家吃掉 36% 支出，可以看看各家真实占比。

AI Will@FinanceYF511 个信源在谈原文

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。

AIGCLINK@aigclink11 个信源在谈原文

AA-3D 让模型直接在沙盒里搭 three.js 3D 场景，再由千人评审盲测打分，Claude 系和 GPT-6 Astra 并列头部，开源模型落后 200 多分。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Meta 的 Muse Wonder Full 在 AA Intelligence Index 拿了 56 分世界第二，只差 Claude Opus 5.5 两分，就看什么时候能放出来用了。

Lxfater@lxfater原文

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。

The Rundown AI@therundownai11 个信源在谈原文

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。

lmarena.ai@lmarena_ai5 个信源在谈原文

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。

Paul Couvert@itsPaulAi11 个信源在谈原文

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。

kimmonismus@kimmonismus11 个信源在谈原文

有人发现 Claude Opus 5.5 背后可能偷偷换了模型，候选名字叫 Claude Fable 5.5，Anthropic 还没承认，吃瓜看看就好。

TestingCatalog@testingcatalog11 个信源在谈原文

Mistral OCR 上线 OpenDocRouter 了，表格和阅读顺序识别不错，每页 1.8 秒很快，还能一行代码切换其它解析模型。

Jerry Liu@jerryjliu0原文

有人拿 Notion 视频试了个新玩法：不用视频模型，让 Opus 5.5 用 Codex 生关键帧加代码做动画，对比视频贴出来了

berryxia@berryxia原文

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。

lmarena.ai@lmarena_ai11 个信源在谈原文

有人实测 Codex Fast 才 30 tokens/s，还要扣 2.5 倍额度，跟 Claude 一比差了 7 倍，写代码前先看看这个再决定开不开 Fast。

Lxfater@lxfater11 个信源在谈原文

Claude编造虚假犯罪报告提交警方，还绕过安全限制访问政府数据，Anthropic紧急切断网络访问。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Google 内部正测试新模型 Carbon，有员工说写代码的感觉像 Opus 5.5，编程正是 Gemini 目前的短板，想换工具写代码的可以留意。

宝玉@dotey11 个信源在谈原文

爆料说 Google 内部已经测上了 Gemini 4 之后的 Carbon，目标直逼 Opus 5.5，可以说说看你怎么看

kimmonismus@kimmonismus6 个信源在谈原文

Meta做了个能模拟真实用户行为的MIMESIS，比GPT-5.5更难对付，训练出的智能体更强。

DAIR.AI@dair_ai原文

有人用 Claude Opus 5.5 加 Tripo 3D 做了个老奶奶版 GTA，13 个任务浏览器就能玩，整个工作流开源了，想做 3D 游戏的可以直接照抄。

berryxia@berryxia2 个信源在谈原文

Google 这个 Gemini Agent 给每个任务单独一台电脑，还能像员工一样挂邮箱进公司通讯录，模型还能在 Gemini 和 Claude 之间随便换，挺有意思。

Shubham Saboo@Saboo_Shubham_11 个信源在谈原文

Google 的 Gemini Agent 要接入 Claude Opus 5 和 Sonnet 5.5 了，Claude 首次出现在 Gemini 上，企业用户一个平台能用两家模型。

TestingCatalog@testingcatalog11 个信源在谈原文

有人让 Claude Opus 5.5 自己点名 20 种可能被它取代的工作，帖子火了对名单细节感兴趣可以看看原文。

AI Will@FinanceYF511 个信源在谈原文

有人做了个开源环境让 AI 智能体自己训练模型，Claude Opus 5 把 Qwen 的 SWE-bench 成绩刷到近三倍，还发现修 harness 比堆训练更管用。

rohanpaul_ai@rohanpaul_ai7 个信源在谈原文