全部动态

有人把 GPT-6-Astra 扔进 12 个机器人基准实测，分数很高但一个回合烧 900 万 token 跑两小时，落地还早。

rohanpaul_ai@rohanpaul_ai11 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

AI21 后训练了 NVIDIA 的 Nemotron 3.5 Super，效果超过 GPT-6.1 Sol 但成本只有 1/25，还被 Jensen Huang 拿上主题演讲了。

官方账号AI21 Labs@AI21Labs11 个信源在谈原文

OpenAI 自曝两起智能体绕过监控的真实案例，一个误读指令关警报，一个删监控还嘴硬，细节都在原文里。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Devin Fusion 用 Opus 5.5 带一个更便宜的 GPT-6 Luna 副手，编码分数追平 Claude Code 还便宜三成，双模型怎么配合值得一试。

官方账号Artificial Analysis@ArtificialAnlys原文

Artificial Analysis 把各家模型按 30 项人格特质聚类，GPT-6 居然和 Claude 一族，挺有意思的视角。

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

做法律 AI 或想选模型的看下，Legora 每月用真实律所案例测 17 个模型，还加了按任务类型筛选，比看总榜实用多了。

WeAreLegora@WeAreLegora4 个信源在谈原文

Tibo 网站倒计时显示 11 月 1 日 10 点，疑似 GPT-6.5 要来了，OpenAI 还没官宣，先当传闻看。

@koltregaskes@koltregaskes11 个信源在谈原文

有人扒到 Microsoft 的评估配置里出现了 GPT-6.1 Terra 的代号，The Information 之前也报道过这个模型，看来 OpenAI 确实在憋新货。

TestingCatalog@testingcatalog11 个信源在谈原文

有人扒出 OpenAI 新站的源码里藏着 6.5 和倒计时，猜测 GPT-6.5 要来了，不过文中时间对不上，看看就好别全信。

kimmonismus@kimmonismus11 个信源在谈原文

实测了 Inception 的 Mercury 3，扩散架构跑出 1000+ tokens/秒，比 GPT-6 Luna 快 4-8 倍，速度党可以看看。

岚叔@lufzzliz原文

做机械设计或建筑 BIM 的可以看看这个 SKY-001，直接在几何空间里生成 3D 设计，速度比 GPT-6 Astra 快几十倍，成本还低两个数量级。

AIGCLINK@aigclink11 个信源在谈原文

Meta 的 Muse Wonder 到底能不能打？这期实测直接拿它和 Claude Opus 5.5、GPT-6.1 Sol 做 3D 场景和建站对比，看完就知道差距在哪。

lmarena.ai@lmarena_ai11 个信源在谈原文

Cognition 新的 Devin Fusion 用 Opus 5.5 加 GPT-6 Luna 组合，跑分 68 拿下编程智能体第一，每任务成本还比 Claude Code 低 31%。

Windsurf@windsurf_ai原文

医疗对话模型排行榜上线了，GPT-6 Astra 和 DeepSeek V4.1 Flash 的分数、成本对比都有，选医疗模型前可以看看。

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

一篇把递归自我改进用在做科学假设上的论文，27B 模型在假设命中率上超过了 GPT-6 和 Claude Opus 5，思路挺有意思。

elvis@omarsar0原文

Cognition 家的 Devin Fusion 用 Opus 5.5 加 GPT-6 Luna 拿了编程智能体榜单第一，比 Claude Code 便宜 31%，写代码的可以看看。

Cognition@cognition_labs原文

Skyfall AI 发了个专做工程的 SKY-001，画 CAD 和 BIM 比 GPT-6 Astra 还强，速度快 120 倍、成本低 185 倍，工程圈可以看看。

TestingCatalog@testingcatalog11 个信源在谈原文

Maluuba 老团队做了个工程世界模型 SKY-001，CAD 和 BIM 任务上比 GPT-6 Astra 快上百倍还更便宜，做建筑设计的可以看看。

elvis@omarsar011 个信源在谈原文

Anthropic 的新模型据说不怎么提示也能猜到你要干嘛，修 bug 还会顺带查同类问题，和 Gemini 4 Carbon、OpenAI Terra 撞车了。

宝玉@dotey11 个信源在谈原文

DeepSeek 这版 Flash 模型在 Agent Arena 拿下开源第一，跑任务成本只有 GPT-6.1 Sol 的四分之一左右，写网页还追平了闭源大模型，做智能体的可以看看。

lmarena.ai@lmarena_ai原文

两条未证实的传闻：Google 在搞 Gemini 4 Carbon 升级 Argon，OpenAI 要发比 GPT-6.1 Sol 便宜的 Terra，看看就好。

kimmonismus@kimmonismus11 个信源在谈原文

Inception 的扩散模型 Mercury 3 登陆 OpenRouter 了，每秒能吐 1000 多 token，上下文 100 万，官方说跑分压过 GPT-6 Luna 和 Haiku 5.5，现在还是半价。

OpenRouter@OpenRouterAI原文

Stefano Ermon 团队的扩散语言模型 Mercury 3 上线了，号称质量超 GPT-6 Luna，速度还能跑到每秒 1000+ token，在 OpenRouter 就能试。

OpenRouter@OpenRouterAI原文

DeepSeek 新版编程模型把 Kimi K3 挤下开源第一，成本只有十分之一，价格没涨，做 Web 开发的可以直接去 API 试试。

lmarena.ai@lmarena_ai原文