全部动态

评估榜单 Artificial Analysis 更新到 v5，Claude Opus 5.5 超过 GPT-6 系列，选模型前可以看看这版新排名。

@koltregaskes@koltregaskes11 个信源在谈原文

Claude Opus 5.5 拿下 58 分登顶，GPT-6 Astra 只差 1 分，还新增了两个编程基准，选模型前可以看看这份榜单。

TestingCatalog@testingcatalog11 个信源在谈原文

Artificial Analysis 把 60% 评测改成私有题库防作弊，现在 Claude Opus 5.5 排第一，选模型前可以看看这份新榜。

kimmonismus@kimmonismus11 个信源在谈原文

模型评测榜 v5 版来了，60% 改用私有题防刷榜，Claude Opus 5.5 拿了第一，开源和闭源差距拉大到 12 分，选模型前可以看看。

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

有人让 Claude Opus 5.5 把 OpenAI 三篇难啃的研究直接做成视频讲解，看视频比读论文省力多了，可以学这招。

Tanishq Abraham (论文推介)@iScienceLuvr11 个信源在谈原文

OpenAI 新发的快速模型 Terra，价格只有 Sol 一半，跑 Agent 任务和 Astra 差不多但便宜十倍，编码成绩也比上代翻倍。

The Rundown AI@therundownai11 个信源在谈原文

OpenAI 在柏林 DevDay 甩出 GPT-6.1 Terra，每个任务成本比 Claude Opus 5.5 低约 9 倍，跑得还比自家 GPT-6 Astra 快 3 倍，性价比党可以盯一下。

TestingCatalog@testingcatalog11 个信源在谈原文

有人用 Claude Opus 5.5 一口气生成了 JEM 论文的讲解视频，看完真能搞懂原理，效果挺让人意外的。

Tanishq Abraham (论文推介)@iScienceLuvr原文

Mollick 亲测同一个网站项目，Opus 4.8 还要大量返工，换成 5.5 就基本放手不管了，两版对比很直观。

Ethan Mollick@emollick原文

Claude Duet 候补名单开了，是 Opus 5.5 上的主动智能体应用；OpenAI 那边 Decisions API 正式可用还加了 12 小时缓存，搞 API 的看看。

Tibor Blaho@btibor9111 个信源在谈原文

月之暗面更新了 Kimi K3.1 Pro，跑分紧咬 Claude Opus 5.5，成本还更低，11 月 4 日放出全量权重可以自己复测。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

月之暗面的 Kimi K3.1 Pro 冲到了 Artificial Analysis 智能指数第 4，跟 Claude Opus 5.5、GPT-6 Astra 同榜竞技，开源模型能做到这个名次不常见。

Yuchen Jin@Yuchenj_UW11 个信源在谈原文

Kimi K3.1 Pro 智能指数拿 55 分排第 4，智能体任务比上代强一大截，价格还降了 33%，权重也快开源了。

官方账号Artificial Analysis@ArtificialAnlys原文

月之暗面刚发的 Kimi K3.1 Pro，在 Terminal-Bench 4.0 上跑赢了 Claude Opus 5.5，成本只要三分之一，开源可自部署。

Yuchen Jin@Yuchenj_UW原文

有人让 grok bot 指挥 Claude Code 帮自己做视频，还搞了多轮深夜迭代，最终 Opus 5.5 的视频效果最好，玩法挺有意思。

岚叔@lufzzliz原文

Artificial Analysis 测了各家模型的性格指标，Claude 全系在信息密度和文风两项都排最前，写文案的可以参考这个榜。

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

Anthropic 放了个新智能体 Claude Duet，会主动帮你盯账户、买东西、发消息，付款走双重审批加虚拟卡，和 OpenAI 的 Dots 正面刚。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Anthropic 上线了 Claude Duet，能自己盯事项、跨 6000 多个应用干活，还在云电脑上常驻，美国 Pro/Max 用户可以排队试试。

AIGCLINK@aigclink11 个信源在谈原文

Anthropic 出了个主动型智能体 Claude Duet，会自己判断你下一步要什么，美国 Pro/Max 用户能排队试用，记忆和应用直接继承 Claude 账户。

TestingCatalog@testingcatalog11 个信源在谈原文

Devin Fusion 用 Opus 5.5 带一个更便宜的 GPT-6 Luna 副手，编码分数追平 Claude Code 还便宜三成，双模型怎么配合值得一试。

官方账号Artificial Analysis@ArtificialAnlys原文

Ethan Mollick 用他那个经典的「飞机上的水獭」测试题考 Opus 5.5，结果模型直接交了段视频，这波进展挺直观的。

Ethan Mollick@emollick11 个信源在谈原文

Mollick 出新书了，讲 AI 时好时坏的时代怎么干活生活，还拉上 Claude Opus 5.5 做了个网站互动体验，可以去玩玩。

Ethan Mollick@emollick原文

做法律 AI 或想选模型的看下，Legora 每月用真实律所案例测 17 个模型，还加了按任务类型筛选，比看总榜实用多了。

WeAreLegora@WeAreLegora4 个信源在谈原文

Meta 的 Muse Wonder 到底能不能打？这期实测直接拿它和 Claude Opus 5.5、GPT-6.1 Sol 做 3D 场景和建站对比，看完就知道差距在哪。

lmarena.ai@lmarena_ai11 个信源在谈原文

医疗对话模型排行榜上线了，GPT-6 Astra 和 DeepSeek V4.1 Flash 的分数、成本对比都有，选医疗模型前可以看看。

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

一篇把递归自我改进用在做科学假设上的论文，27B 模型在假设命中率上超过了 GPT-6 和 Claude Opus 5，思路挺有意思。

elvis@omarsar0原文

Lovable 用 Claude Opus 5.5 做了个拍菜单选菜的小应用，拍一下菜单就按口味和心情推荐菜，做 App 的可以看看这个思路。

Lovable@lovable_dev原文