全部动态

OpenAI 搞了个叫 LifeVal 的新基准，专门测模型能不能帮你跑腿办事，GPT-6 Astra 拿了 80.6%，比 GPT-5.2 的 49.3% 高了一截。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

SemiAnalysis 搞了个 GDPx 基准，让智能体真去翻几千个文件干活，结果最强的 Claude Opus 5.5 也才拿 12 分，金融法律题全军覆没。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

OpenAI 定价页悄悄挂出了 gpt-6-astra-law，输入 10 刀、输出 50 刀，定位法律场景，还给了到 2026 年底的促销价，可以留意。

TestingCatalog@testingcatalog11 个信源在谈原文

OpenAI 转发了社区玩家用 GPT-6 Astra 远程操控机械臂的视频，想看模型落到物理世界的话可以瞅瞅。

官方一手@OpenAIDevs@OpenAIDevs11 个信源在谈原文

Simon 又发观察文了：他说 Opus 5.5 连 3D、音乐、游戏设计都能一手包办，GPT-6 Astra 暂时还差点趣味感，做游戏的可以看看。

向阳乔木@vista811 个信源在谈原文

Google 两周内连发 Argon 和 Carbon，Carbon 综合榜 59 分登顶，引入期价格只有 Opus 5.5 一半，不过编程测试还没打过 GPT-6 Astra。

岚叔@lufzzliz11 个信源在谈原文

两个大模型在机器人上写同一个 hello world，一个磨了 34 分钟用 3270 次动作，另一个 13 分钟搞定，差异很直观。

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

Google 新版 Gemini 4 Carbon 文本榜登顶了，Agent 榜排第二，仅次于 Opus 5.5，想看榜单情况的可以看看。

TestingCatalog@testingcatalog11 个信源在谈原文

Google 两周内连发两代旗舰，Carbon 的漏洞发现和修补成绩直接压过 OpenAI 和 Anthropic，长上下文 96.2% 也很猛，定价还先打折，搞安全的建议盯一下。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Google 的 Gemini 4 Carbon 把 Opus 5.5 和 GPT-6 Astra 都比下去了，还拿下 Artificial Analysis 指数第一，看看这次是不是真翻身。

Yuchen Jin@Yuchenj_UW11 个信源在谈原文

GitHub 新出的 Copilot Fusion 会自动在 Claude 和 GPT 模型里挑着用，跑分只比 Opus 5.5 低 2 分，成本却便宜一半。

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

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

Mollick 让 Claude Fable 和 GPT-6 Astra 凭感觉预测一个计算复杂性难题何时能解决，连 AI 自己都答不准，挺有意思。

Ethan Mollick@emollick11 个信源在谈原文

Gemini 4 Argon 和 GPT-6 Astra 掰手腕，这次是 CS 研究基准，Argon 赢了，附了成绩链接。

Shubham Saboo@Saboo_Shubham_11 个信源在谈原文

OpenAI 新出的 GPT-6.1 Terra，价格只有 GPT-6 Astra 的十分之一，还能直接帮你操作电脑和软件，做自动化很划算。

AIGCLINK@aigclink11 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

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

月之暗面出了个 2.8T 参数的开源 MoE 模型，成绩对标 Opus 5.5 和 GPT-6 Astra，还便宜，11 月 4 日就能下载权重自己跑。

TestingCatalog@testingcatalog11 个信源在谈原文

Moonshot 的新 Kimi K3.1 Pro 在 14 项基准里 6 项压过美国前沿模型，价格还只有 Opus 5.5 的一半，可以关注。

kimmonismus@kimmonismus11 个信源在谈原文

Kimi K3.1 Pro 参数 2.8T、上下文 1M，官方说编程和 agent 能对标 Opus 5.5，11 月 4 日还开放权重，可以等实测。

kimmonismus@kimmonismus11 个信源在谈原文

SiliconFlow 拿 DeepSeek V4.1 Flash 和 GPT-6 Astra 跑同一个 Three.js 3D 场景提示词，效果打平还便宜一半，提示词直接在评论区自取。

官方账号SiliconFlowAI@siliconflowai11 个信源在谈原文

老黄在 GTC Berlin 用一条提示词装好 Hermes，再让它训练几千只模拟机器鸭跑障碍赛，开源本地+云端模型混搭玩法很值得看。

官方账号Nous Research@NousResearch11 个信源在谈原文

OpenAI 把 GPT-6 全家桶搬上了 Google Cloud，多云部署的同学现在能在一个平台同时用三家旗舰模型了。

TestingCatalog@testingcatalog11 个信源在谈原文

OpenAI 的 GPT-6 Astra 和 Codex 要上 Google Cloud 了，三大云凑齐。背后是微软独家许可到期，想在哪家云用 OpenAI 模型都行，买云还能抵已承诺的消费额度。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文