全部动态
聚合商可能偷偷换模型，你输入一个随机数，看它回答哪个数字就能认出是谁，实测GPT-4o、Claude、Qwen各有偏好。
LiveKit 用 Gemma 4 31B 做实时语音，延迟比 GPT-4.1 低5倍，成本仅六分之一，酒店测试胜出，值得试试。
博主分析了Llama 4和Grok 4为什么翻车，以及OpenAI的Orion/GPT-4.5怎么稳住了局面，值得一看。
DeepMind研究告诉你：别偷懒只用同一个模型的监控，换个不同家族的事实检查器，能堵住45%的漏洞。
OpenAI 的 GPT-5.6 Sol 比对手便宜一半还得分最高，搞 AI 的朋友值得看看这个新动向。
OpenAI 正式推出了 GPT-5，Sam Altman 亲自吹捧这是他们最好的模型，快去看看博客里写了什么新能力。
Seedream 5.0 图像模型刚上线，能生成 2K 分辨率图片，比 GPT-4o 清晰，但文字多时会糊。想试试新模型可以看看这些例子。
想知道本地跑LLM写代码靠不靠谱？看看这篇实测，从模型选型到硬件门槛都说了，还有和GPT-4的对比。
想了解前沿模型多久能变成你能在笔记本上跑的开源版？这篇用GPT-4、Claude 3.5等具体案例算出了平均25个月的滞后，还画了未来预测图。
这篇博客把 auto-research、自改进 agent 等方向的工作收成系统框架，想了解 RSI 怎么落地可以看。
一张图告诉你开源模型追上GPT-4还要多久，Fable 5本地跑要等到2028年。数据很具体。
Anthropic 团队亲口讲 Claude Code 怎么从零做起来的，有技术细节和用户真实反馈，做 AI 编程的朋友值得一看。
GPT-4霸榜352天，o1只撑了98天，看看到底谁才是真强者。
想看看 AI 在真实电脑操作上能走多远？OSWorld2.0 拿 100 个长任务测智能体，GPT-4o 都只拿到 15% 成功率，差距一目了然。
OpenAI 的 GPT-5.6 Sol Preview 悄悄在 Cursor 里测试，上下文直接拉到 1M，能一口气吞整本小说了。
开源模型GLM-5.2能自己读代码问题、推理并修复，以前只有闭源模型才能做到，现在用Together AI就能跑。
看看大家对OpenAI下一代模型命名的猜想，挺有意思的，虽然没干货但能勾起好奇心。
GPT-4.5 下线了，想用它的好文风只能走 API。o3 也快走了，记得 8 月 26 日前备份。
Epoch AI 搞了个新基准 MirrorCode，让 AI 连续写几天代码，最强模型能干人类几周的活，想看看 AI 编程天花板在哪可以关注。
Simon Willison分享了一个省事小发现：现在LLM写前端默认React少了，你少写一句提示词。
想摆脱模型锁定？看看Anthropic在Slack里的这个集成，能随时切换模型，不用吊死在一棵树上。
想看看你用的LLM在多工具长流程场景下到底多靠谱？PlanBench-XL用上千个工具设计了真实任务链，测出来主流模型成功率不到40%，值得一测。
OpenAI 联手 Trail of Bits 和 HackerOne，用 Codex Security 帮开源项目快速修漏洞，人工把关，靠谱。
看一个有意思的行业观点：为什么模型和应用分开做对用户更有利？深入讨论垂直整合的激励问题。
别信提示词能偷实力，Fable 5靠的是真功夫
看 Fable-5 在 Agent Arena 上的具体数据
做代码库重构或自动化优化的开发者，终于有了一个兼顾成本与质量的方案——用强模型定方向、弱模型干苦活，直接开源可试。
OpenAI 降价将直接降低 AI 应用开发成本，做 API 集成或依赖 GPT 模型的团队值得关注，建议提前规划预算调整。
OpenAI 降价直接降低 AI 应用开发成本，做 API 集成的团队可以关注，建议对比当前价格后评估是否切换或增加用量。
Anthropic 新旗舰模型 Mythos 今晚发布，做 AI 应用开发或模型对比的团队可以第一时间关注，看看它能否在推理和代码任务上超越 GPT-4。