全部动态
Stanford 联合 Terminal-Bench 团队搞了个科研智能体榜单，70 个真实科研任务里 GPT-6 Astra 拿 63% 排第一，开源模型才 10%，差距很直观。
Google DeepMind 这篇论文挺扎心的：你给智能体一句自信但错误的建议，它会照做还不吭声，三大主流模型最多掉分 46.7%。
Vercel 晒了自家网关两个月账单数据：Anthropic 份额从 69% 掉到 40%，OpenAI 涨到 24%，Kimi 和 DeepSeek 也在抢量，想看真实用量趋势可以看看。
Anthropic 的 Opus 5.5 在编程智能体评测拿第一，三项基准都涨了，价格还降了 20%，不过每任务要烧 13 美元 tokens，用前算算账。
有人拿 Claude Opus 5.5 做了个 30 秒的 Backrooms 伪纪实短片，把 AI 画图翻车的经典形象都塞进去了，脑洞很妙。
Tw93 亲测 Opus 5.5 写代码：长任务跑 2 小时不出岔子，比 fabel 5.1 便宜还快，搞大仓库重构的可以试试。
有人用 Claude Code 写了 7400 行代码，纯靠 Remotion 渲染出 3 分钟 AI 史短片，没用任何视频生成器，只花 1 小时。
有人用一条提示词让 Claude Opus 5.5 直接产出 30 秒动画：鹈鹕骑独轮车抛鱼讲 shell 命令，还带配音，过程全自动化。
Claude Opus 5.5 拿下 58 分登顶，但 $0.13 的 MiMo-V2.6-Pro 得分 46，性价比党可以直接看这张图选模型。
一位博主聊 Opus 5.5 的使用感受：提示词可以写得越来越简单了，模型自己就会干活，原来靠第三方技能补的事模型直接包办。
Anthropic 新的 Claude Opus 5.5 (Max) 在 Code Arena 编程榜拿了第一，价格还比 GPT-6 Astra 便宜 60%，写代码的可以看看实测视频。
有人提前试了下 Claude Opus 5.5 的 API，评价不错，还顺手续费了 Anthropic 账号，怕以后被封号。
Anthropic 的 Claude Opus 5.5 (Max) 在 LMArena 拿下第一，混合价才 $16 每百万 token，性价比曲线被改写了。
Anthropic 新发的 Claude Opus 5.5 直接拿下 Code Arena 网页开发榜第一，比 Opus 5 高出 126 分，跑任务成本还降了 40%。
有人拿 Claude Opus 5.5 加 Three.js 做了个演示，随手画的草图直接生成四阶段演进的 3D 房屋，做前端的可以看看思路。
Claude Opus 5.5 和 GPT-6 Sol 都上了 Arena，可以直接并排看两个模型的输出，还能自己上手测。
OpenAI 新的 GPT-6 Sol 在真实用户投票的 Code Arena 拿了第4，价格只要 Claude Opus 5 的一半不到，做 Web 开发的可以看看分数再决定用哪个。
小米把 MiMo-V2.6 整套开源了，Pro 在智能体基准上打平 Claude Opus 5，本地跑前沿模型的门槛又降了。
Claude Opus 5.5 在 FrontierCode 编程基准上，思考档位调到 med 和 max 成绩差不多，还比 high 高，省钱党可以看下再选档位。
Anthropic 给 Opus 5.5 出的官方调参清单，从 effort 挡位到防假完成都有，老用户升级前值得照着改一遍自己的 harness。
Anthropic 新模型 Opus 5.5 已经能在 Genspark 里直接用了，比 Opus 5 便宜四成还快三成，写代码和聊天都可以试试。
一天之内 Opus 5.5、GPT-6 Sol/Luna、Grok 4.7、Mimo v2.6 全来了，Opus 5.5 还降了 40% 成本，这篇帮你梳理各家提升方向和 benchmark。
浏览器操作智能体的性价比榜刷新了，GPT-6 Sol 比.Opus 便宜三倍还高分，挑模型前可以看看这份数据。
Simon Willison 把 Claude Opus 5.5 和 GPT-6 两个版本放在同一套画鹈鹕测试里对比，想快速了解三者差别看这篇就够了。
LlamaIndex 跑了 ParseBench，Opus 5.5 解析 PDF 表格比 Opus 5 高 7 个点，但每页 5.8 美分不便宜，文中还对比了 LlamaParse 的替代方案。
