全部动态

Nace AI 出了个金融专用模型 Drex，专门做欺诈判断这种毫秒级任务，48 个金融基准测试准确率 85.7%，比 GPT-6 Luna 的 70.9% 高不少。

TestingCatalog@testingcatalog原文

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

OpenAI 放话要发一个解出千禧年难题的模型，可能是 GPT-6.2 astra，数学能力这条线值得盯一下。

kimmonismus@kimmonismus11 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

看完你会知道 GPT-6 和 Claude 在数学研究里各自能干什么，误差放大利雅普诺夫谱都讲得清楚，适合想做 AI 辅助研究的人。

王树义@wshuyi原文

Ethan Mollick 聊了 GDPval 的后继基准，还发现 GPT-6 Pro 能挑出评分错误，做模型评测的可以看看

Ethan Mollick@emollick2 个信源在谈原文

GPT-6.1 Terra 价格砍半还专门做 computer-use，Anthropic 则要上市了，代码都定好了 ANT，这周两家动作不少。

Tibor Blaho@btibor9111 个信源在谈原文

OpenAI 把 ChatGPT 和 Codex 的额度合并成一个 token 池，12 月生效，重度写代码的人聊天额度也会被吃掉，订阅前得看看。

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

三大模型同周换榜：Gemini 4 Carbon 直接冲到文本第一，GPT-6.1 Terra 花 0.62 美元就能跑完一个任务，选模型前先看看这份数据。

lmarena.ai@lmarena_ai11 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

想挑个说话不绕弯子的模型？这份榜单直接量化了各家的“直球”程度，GPT-6 Sol 和 Grok 系列得分最高。

官方账号Artificial Analysis@ArtificialAnlys原文

AI/ML API 出了个 Jev Router，能按任务难度自动挑模型，简单活走便宜模型，省不少 API 费用。

TestingCatalog@testingcatalog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

有人拿自己的账单做了 Claude Code 和 Codex 的额度对比，20x 的 Codex 用量还不如 5x 的 Claude，速度也慢一半，选订阅前可以看看。

岚叔@lufzzliz4 个信源在谈原文

Databricks 用户注意了，GPT-6.1 Terra 已经可以直接在 Lakehouse 上用，还能通过 Unity Gateway 统一管控调用，搭智能体方便不少。

官方账号Databricks@databricks11 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