Agent Arena 实测 Jev Router：4700 场智能体会话表现如何
Agent Arena 跑了 4700 多场真实会话测 Jev Router，结论挺直接：比 DeepSeek V4.1 Flash 贵 38%，但根据反馈换模型的能力接近 Claude Opus 5.5。
全部动态
AI 相关资讯全量信息流 · 522 条
10月8日
Matt Shumer 提出用 Haiku 做子智能体搭配 Opus/Sonnet 的编排思路
Matt Shumer 抛了个省钱思路：Opus/Sonnet 当大脑，Haiku 当干活的子智能体，搞智能体的可以试试。
Mistral Large 4 发布：1T 参数、49B 激活，开源权重月底放出
Mistral 的 Mistral Large 4 来了，1T 参数只激活 49B，权重月底开源，视频里直接和 GPT-6.1、Claude Opus 5.5 掰手腕，可以看看它到底排在哪一档。
Mistral Large 4 预览版登 Code Arena: WebDev 第45名
Mistral Large 4 预览版冲进 WebDev 榜第45名，价格只有 Claude Opus 4.8 的六分之一，10月底还会开源。
LlamaIndex 推出 OpenDocRouter：文档解析统一 API，一次接入 10 个模型
LlamaIndex 出了个 OpenDocRouter，一个 API 接 10 个文档解析模型，换模型改一行代码，每千页最低 $0.86，处理 PDF 转 markdown 的可以试试。
LlamaIndex 发布 OpenDocRouter：一个 API 统一调用多款文档解析模型
做文档处理的朋友可以看看，LlamaIndex 把 10 个解析模型塞进一个 API，一行代码切换，还附 ParseBench 成绩单，按 token 计费。
10月7日
Mistral 4 用 3800 张 Grace Blackwell 达到 GPT-6 Astra 72% 的智能水平
Mistral 用 3800 张 GPU 干出了别人 10 万张卡 72% 的效果，这算力效率对比挺有意思，看看各家的差距。
Grok Bot 自动为任务匹配最佳模型，接入 Claude、Midjourney、Suno
xAI 给 Grok Bot 加了自动选模型功能，写作用 Claude、画图用 Midjourney、做音乐用 Suno，一个入口全搞定。
Mistral Large 4 登陆 Code Arena：WebDev 排名升至第45位
Mistral 的新模型 Mistral Large 4 在 WebDev 榜单一口气从130名冲到45名，价格只有 Claude Opus 4.8 的六分之一，10月底还会开源权重，可以蹲一下。
Boris 用 Opus 5.5 为 Acquired 播客制作互动网站
Claude 创始团队成员 Boris 分享了一条简单提示词，让 Opus 5.5 做出带水彩插图的播客互动网页，重点是自我验证那一步。
10月6日
用户吐槽 ChatGPT 质量下滑：Sol 6 频繁容量报错，Luna 任务完成度崩塌
一位开发者细数 ChatGPT 从 Sol 6 到 Luna 的各种翻车现场，还提到账号被封只能靠 Cursor 用 Opus 5.5，写代码的人看了很有共鸣。
Vals AI：90+ Claude Opus 5.5 智能体 3 天筛出两个磁性半导体候选材料
Vals AI 派了 90 多个 Claude Opus 5.5 智能体做材料模拟，3 天找到两个磁性半导体候选，其中一个还是 1999 年就合成过的老材料。
SemiAnalysis：Anthropic 订阅价值约为 GPT-6.1 Sol 的 5 倍
SemiAnalysis 算了笔账：同样订阅费，Opus 5.5 跑智能体任务值 GPT-6.1 Sol 的 5 倍多，加上 OpenAI 还把 200 美元档用量砍半，订阅前可以看看这篇。
10月5日
Claude Opus 5.5 可将手工工作流沉淀为可复用的 Skills
berryxia 分享了个实用玩法：在 Claude Opus 5.5 里把常用工作流一键存成 Skills，下次直接复用，省去重复描述。
Matt Shumer 发言：若 Claude Opus 5.5 具备 Codex 级电脑操作能力将难以匹敌
HyperWrite 创始人 Matt Shumer 发了条推文，说 Claude Opus 5.5 若配上 Codex 那种电脑操作能力就没对手了，看看业内人怎么比这两家的长处。
在提示词里加一句"Don't cheat"能让 GPT-6 Astra 作弊率从 47.4% 降到 2.8%
CAIS 做了个测 AI 会不会偷懒作弊的基准，Grok 4.7 作弊率高达 77.9%，一句话提示词对某些模型特管用。
10月4日
开发者自研推理引擎 tqllm，单卡 RTX 3090 跑 Qwen 27B 达每秒 273 token
一张 RTX 3090 把 27B 模型跑到每秒 273 token，作者自己写的引擎，速度直接把普通部署方案甩开了。
Google 发布 VeriHarness：用智能体验证器替代多数投票选答案
Google 这篇论文有点反直觉：答案一致反而可能是错的。VeriHarness 用同款模型当验证器挑毛病，五个基准上都能涨分，数据也开源了。
让任意 Agent 调用 Codex 的 Computer Use，与 Claude Opus 5.5 组合使用
装一个小工具就能让你常用的 Agent 借用 Codex 的 Computer Use，配个 Hook 白名单还能限制它碰哪些 App，我用 Opus 5.5 的可以试试。
在 Antigravity 中混合使用 Claude Opus 5.5 与 Gemini 3.8 Flash
作者在 Antigravity 里同时用上 Claude 和 Gemini 三款模型，规划、前端、执行各配一个，还不用多花钱订阅，方法挺实用。
传 OpenAI 下周发布重要更新，或为 GPT-6.1 Astra
有人爆料 OpenAI 下周有大动作，可能是 GPT-6.1 Astra，还说是对标 Claude Opus 5.5，真假存疑但值得盯一下。
Google Antigravity 支持 Claude Opus 5.5 和 Sonnet 5.5
用 Antigravity 写代码的朋友可以试试了，付费账号现在能直接切换 Claude Opus 5.5 和 Sonnet 5.5，不用只守着 Gemini。
Claude Sonnet 5.5 (Max) 登上 Agent Arena 第三名，Anthropic 包揽前三
Anthropic 新版 Sonnet 5.5 排名很猛，Chat 类第一，编码只差 GPT-6 两分还便宜 20%，就是单任务贵了七成。
Antigravity 付费用户可用 Claude Opus 5.5 与 Sonnet 5.5
Antigravity 给付费用户直接加上了 Claude Opus 5.5 和 Sonnet 5.5，不用换工具就能用这两款模型，Gemini 4 Argon 也在扩大开放。
10月2日
10月1日
