DeepSeek V4 和 GLM 5.2 发布，Kimi K3 和 Qwen 3.8 曝光
这周模型圈太热闹了，DeepSeek V4、GLM 5.2 刚发，Kimi K3 和 Qwen 3.8 又来了，还有 Claude 和 GPT 对标，开源 SOTA 随时变天。
全部动态
AI 相关资讯全量信息流 · 245 条
7月19日
开源模型Kimi K3登顶Arena前端代码榜，超越Claude Fable 5和GPT-5.6 Sol
中国开源模型Kimi K3编码能力比Claude和GPT还强，价格却便宜好几倍，做长上下文编程选它准没错。
Elon Musk 称 Grok 4.5 综合速度与成本是当前第一
SpaceXAI 的 Grok 4.5 用 $0.31 就干到一流水平，比 Claude 便宜 9 倍，token 还省 6 倍，省钱党可以关注。
7月18日
GPT-5.6 Sol 活动：早发帖占坑获 $100 Codex Credits
Tibo 搞了个活动，前一万个发帖就送 $100 Codex Credits，别管内容真不真，冲就完了。
Kimi k3与GPT-5.6 Sol成本对比：价格相近，速度差异大
有人觉得Kimi k3便宜？其实和GPT-5.6 Sol算下来价格差不多，GPT-5.6 Sol速度还快4倍，别被误导了。
用独立LLM强化/goal：GPT-5.6-Sol做裁判让子智能体跑更久
作者分享了用独立LLM强化/goal的实用技巧，用GPT-5.6-Sol做裁判，让GPT-5.6-Terra/Luna当子智能体，跑得更久更快。
GPT-5.6 Sol在“The Last Ones”网络靶场创下网络安全新纪录
OpenAI的GPT-5.6 Sol在网络安全靶场拿了第一，还能直接帮团队修真实漏洞，试试Codex Security吧。
GPT-5.6 Sol 在网络安全领域达到最先进水平，可发现和修复新型漏洞
OpenAI 的 GPT-5.6 Sol 专攻网络安全，能找漏洞并修复，防守方现在就能注册用。
OpenAI发布GPT-5.6 Sol，称有10000个理由让人喜欢
OpenAI刚发了GPT-5.6 Sol，号称一万人说好，去那个链接看看它到底强在哪。
7月17日
AI协助解决统计学开放问题：GPT-5.6证明BH过程无法控制FDR
AI真的在推动数学进步了：GPT-5.6只用90分钟就找到了统计学里一个经典开放问题的反例，而5.5版本折腾20小时都没搞定。这篇报告值得所有关心AI科研能力的人看。
Kimi K3 发布：2.8T参数、1M上下文，开源模型新标杆
Kimi 发了 K3 开源模型，2.8T 参数加上百万上下文，在编程评测里甚至超过了 Claude 和 GPT，做智能体特别合适。
Kimi-K3登顶Frontend Code Arena，胜率76%超越Claude Fable 5
Kimi-K3刚在代码前端评测中干翻Claude Fable 5，76%胜率，6个领域第一，权重还开源，绝对值得关注。
GPT-5.6 Sol Pro几乎饱和prinzbench基准
GPT-5.6 Sol Pro把prinzbench刷到91分，比前代高出一截，连从未解出的题都快能答了，基准加速饱和太明显。
Kimi K3开源模型参数2.8T，1M上下文，性能匹敌Fable 5
Kimi K3开源了，2.8T参数比Fable 5还便宜，编码和智能体任务很强，试试看。
Impossible Research推出[schema] agent harness，ARC-AGI-3达99% RHAE
Impossible Research的[schema]让LLM像物理学家推理，ARC-AGI-3刷到99% RHAE，太强了
7月16日
GPT-5.6 Sol Pro解决统计学重要开放问题：BH程序在相关数据下无法控制FDR
AI帮你揭开了统计学25年的难题：GPT-5.6 Sol Pro用90分钟证明BH方法在相关数据下会失效，比人类20小时还准。
reactbench.com: 全新 React 编码基准测试发布
百万.js 作者搞了个 React 编码实测，51个真实任务，GPT 5.6 最便宜最强，Claude 太贵了。
Doximity Ask临床AI研究击败GPT-5.6和Claude Fable 5
Doximity Ask在独立测试中把GPT-5.6和Claude Fable 5都干翻了，说明医学领域专用模型才是王道。
GPT-5.6 Sol 在数学和视觉任务上表现惊人
有人实测了GPT-5.6 Sol，数学和视觉超强，比Terra和其他模型厉害很多，值得关注。
Thinking Machines发布开源多模态模型Inkling，41B参数竞争GPT-5.6 Sol
Thinking Machines出了个真开源的多模态模型Inkling，41B参数能和GPT-5.6 Sol掰手腕，还准备出12B小版，赶紧试试。
7月15日
Codex和ChatGPT Work活跃用户达800万
Codex和ChatGPT Work用户破800万了，取消速率限制，快去玩GPT-5.6吧！
Codex 周活跃用户达 800 万，使用限制再次重置
Codex 周活冲到 800 万了，还送了你 4 次手动重置机会，快来试试 GPT-5.6 Sol 吧。
Codex和ChatGPT Work活跃用户达800万，GPT-5.6 Sol取消5小时速率限制
OpenAI的GPT-5.6 Sol来了，800万用户活跃，还取消了速率限制，赶紧去试试吧。
Codex 活跃用户达 800 万，重置使用限制
Codex 到 800 万用户了，还重置了限制，没有 5 小时限制了，赶紧试试 GPT-5.6 Sol 能玩出啥。
GPT-5.6 Sol 在 Codex App 的 System Prompt 泄露
Pliny 爆出了 GPT-5.6 Sol 在 Codex 里的系统提示，四万多字，教你它怎么跟你聊天、怎么写代码，值得看看背后的设计思路。
GPT-5.6：价格仅为fable一半，token效率达两倍
OpenAI发了GPT-5.6，价格比fable便宜一半，token效率高两倍，省钱又省力。
7月14日
GPT-5.6 Sol实现一句话10分钟复刻90%功能
GPT-5.6 Sol太强了，一句话加10分钟就能复刻90%功能，编程效率飞起！
GPT-5.6 Sol Extra High模式消耗大量额度
GPT-5.6 Sol的Extra High特费额度，Pro x5都撑不住几条消息，换Medium或High能多用一阵。
GPT-5.6 Sol Ultra 解决 Erdős 问题 #793
GPT-5.6 Sol Ultra 又解了一个 Erdős 难题 #793，构造比原方法更短更优雅，数学推理让人眼前一亮。
Agent Arena 排行榜更新：GPT-5.6 Sol 升至第2名
OpenAI 的 GPT-5.6 Sol 在 Agent Arena 上冲到第2，离 Claude Fable 5 更近了。看看具体指标差异，特别是用户满意度的信号。
GPT-5.6 Sol在Agent Arena排名第二，可操纵性第一
GPT-5.6 Sol在Agent Arena里表现挺猛，可操纵性直接第一，整体第二，具体各项指标排名都有数据，值得看看。
GPT-5.6 Sol在Agent Arena排名第二，净提升1.6%缩小与Claude Fable差距
OpenAI的GPT-5.6 Sol在Agent Arena上冲到第二，比前代进步明显，和Claude Fable 5差距缩小了，想看看真实任务中模型表现的话值得关注。
零基础用GPT-5.6和Cursor创建Blender 3D渲染
看，有人用GPT-5.6和Cursor直接操作Blender MCP做3D渲染，自己没碰过Blender就搞出逼真MacBook，零基础也能玩。
7月13日
OpenAI 被指发布 GPT-5.6 Sol 后悄悄削弱模型
OpenAI 被曝 GPT-5.6 Sol 先高调拿最高分，过几天偷偷降性能但价格不变，看看这是怎么回事。
ChatGPT Work和Codex再出重置意外，用户量达700万
ChatGPT Work和Codex用户破700万，还出了重置bug补偿方案，并新增移动端banked reset，比之前更方便了。
GPT-5.6 Sol登顶Design Arena，超越Claude Fable 5
OpenAI新模型GPT-5.6 Sol在网页设计评测中拿了第一，比上一代强很多，还比Claude Fable 5更快。想看看AI设计的新天花板吗？
为 Claude Fable 5 设计成本高效 Harness 的四种模式与实验
Shoumeng 教你用 Fable 5 搭配 Sonnet 5 做 Harness，34% 成本拿 90% 效果，适合想省 token 又不降智能的人。
7月12日
OpenAI GPT-5.6 Sol 与 Claude Fable 5 并列 Code Arena 前端第一
OpenAI 的 GPT-5.6 Sol 在代码前端基准上追平了 Claude Fable 5，前端能力进步很明显，做网页的可以留意。
GPT-5.6医疗评估：医生挑出的错误比医生写的回答还少
OpenAI发了GPT-5.6，医生写回答都写不过它，成本还更低，医疗AI又进步了一大截
7月11日
GPT-5.6 Sol用Codex自主通关Slay the Spire 2每日挑战
GPT-5.6 Sol在Codex里花了5小时自己打穿了Slay the Spire 2每日挑战，这自主性有点强啊。
