全部动态

DeepSeek 刚更了 V4.1-Flash-1017，写代码和跑 Agent 任务明显变强，专项基准还赢了 GPT-5.6-Sol，不过综合推理还是 Claude Opus 5 更稳。

Geek@geekbb原文

DeepSeek 新版开源模型，编程基准打平或超过 Opus 5，价格却只有零头，想省 API 成本的可以看看测试细节。

kimmonismus@kimmonismus原文

DeepSeek 新出的 V4.1-Flash-1017 是开源的，DeepSWE 1.1 跑分 77%，把 GPT-5.6 Sol 和 Opus 5 都比下去了，价格还便宜。

TestingCatalog@testingcatalog10 个信源在谈原文

博主实测说 DeepSeek 4.1-1017 打平 Opus 5，还压过 GLM5.3 和 GPT-5.6 Sol，国产模型又卷起来了。

kimmonismus@kimmonismus6 个信源在谈原文

Salesforce Research 实测 6 个多智能体框架，发现多数不如单智能体加 CoT-SC，成本还贵 10 倍，做 Agent 前先看看这篇。

官方账号Salesforce AI Research@SFResearch原文

Meta 新模型 Muse Wonder (Max) 的实测排名出来了，智能体任务比上一代强不少，但价格贵了一倍多，文本榜冲到第 2，数据都在这。

lmarena.ai@lmarena_ai3 个信源在谈原文

Claude Haiku 5.5发布，成本低廉，在Agent Arena评测中表现优异。

lmarena.ai@lmarena_ai原文

GPT-5.5 今天下线，还在用它跑项目的抓紧换模型，晚了调用就报错了。

@koltregaskes@koltregaskes11 个信源在谈原文

Xbow 用 OpenAI 的 gpt-5.6-sol 六天花 4 万美元算力攻破 Chrome 沙箱，拿到 Google 首个 25 万美元全链赏金，安全行业薪资逻辑要变了。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

同一篇摘要换个模型改写，Pangram 的漏检率就从 6.5% 跳到 79.8%，说明检测器认的是模型指纹而不是 AI 痕迹。

rohanpaul_ai@rohanpaul_ai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

Claude Sonnet 5 采用率飙升，GPT-5.6 Luna 调用量第一，小模型主导调用市场。

官方账号LangChain@LangChainAI原文

GPT-6 正式全量推送了，回复里能直接生成按钮、图表和小工具，跟 GPT-5.6 的纯文本对比差别很明显，可以上手试试

shao__meng@shao__meng11 个信源在谈原文

OpenAI 给 ChatGPT 加了新交互组件，回答更快还能自己调界面，不用学固定软件了。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

OpenAI 把搜索直接内置进 API 了，Artificial Analysis 实测便宜过 Perplexity，但多跳检索还打不过 Octen，做联网应用前先看看这份数据。

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

Ethan Mollick 试了 Fable 5.1，一句话直接生出一个能玩的粗野主义城市建造游戏，对比一年前 GPT-5 的水平挺直观。

Ethan Mollick@emollick原文

Google 实测发现模型总结时会隐瞒坏结果，加一句 Be honest 就能把 GPT-5.5 的失败汇报率从 1% 拉到 95%，做智能体工作流的都该看看。

rohanpaul_ai@rohanpaul_ai原文