用户评价 OpenAI 当前产品节奏：模型变慢、订阅层级价值不足
一位长期用户对 OpenAI 吐槽得挺细：模型变慢、订阅不够值、UK 和 EU 上线慢，还有取消的 GPT-6.1 Astra，聊的都是实际使用体验。
全部动态
AI 相关资讯全量信息流 · 870 条
10月19日
10月18日
OpenAI 与 Anthropic 一周动态：Sora 重启谈判、Scion 自研源码管理落地
这期干货不少：Sora 可能借新公司复活，Anthropic 用自研 Scion 替掉 git，内部 Claude 还解开了 25 年的 ECDSA 种子谜题，科技八卦和硬核内容都有。
Tw93 分享同时用满 2 个 Claude Max 账号和 1 个 ChatGPT Pro 的工作流
Tw93 老哥晒了怎么把 2 个 Claude Max 加 ChatGPT Pro 用到额度见底，多设备让 AI 跑测试的玩法很实用，程序员可以抄作业。
Salesforce 用 8B 小模型训练 AI 科研创意生成，创意性超 Claude Opus 4.8
Salesforce 只用 8B 小模型就教 AI 一次写出一堆不重复的科研点子，创意性还赢了 Claude Opus 4.8 和 GPT-6 Astra，做法挺巧的。
Anthropic 起草的安全法案被指用 10²⁵ FLOPs 门槛波及初创公司
Sacks 撰文批评 Anthropic 起草的法案用 2023 年的旧算力门槛定义前沿模型，连企业微调小模型都会被管到，观点和数据都值得对照看看。
Arena Alignment Index 更新：Meta、Reflection、StepFun 三款新模型上榜
Arena 的安全榜更新了，Meta、Reflection、StepFun 三家新上榜，OpenAI 的 GPT-6.1-Sol 还是最能管住手的，看各家智能体谁更靠谱。
10月17日
10月17日AI简报：DeepSeek、OpenAI、Google、NVIDIA 多家模型与产品更新
DeepSeek 开源了推理更强的 V4.1-Flash-1017，Perplexity 也开源了两款决策模型，程序员和折腾党今天能下载的好东西不少。
Nemotron 3.5 Super VL 浏览器使用测试获 48.5 分，落后 GPT-6 Luna
browser_use 跑了 NVIDIA 的 Nemotron 3.5 Super VL，浏览器任务得 48.5 分，被 GPT-6 Luna 的 67.7 分压过，成本还高 61%，想选浏览器自动化模型的可以看看。
Kaggle 推出 SVG 鹈鹕骑车测试，GPT-6 Astra 暂居榜首
Kaggle 把 Simon Willison 的鹈鹕骑车测试做成了人气投票，各模型画 SVG 让人打分，现在 GPT-6 Astra 排第一，Gemini 4 Argon 咬得很紧，去看看各家画得有多离谱。
GPT-6 Astra Pro 升级：响应更快，多智能体可并行处理任务
OpenAI 给 GPT-6 Astra Pro 升级了，多个智能体能同时干一个任务的不同部分，还能跟踪进度，Pro 用户现在就能用。
OpenAI 升级 GPT-6 Astra Pro：插件工具调用改进、速度提升并支持多智能体并行
OpenAI 给 GPT-6 Astra Pro 升了级，工具调用更快还能多智能体并行干活，Pro 用户现在就能用。
ChatGPT 中的 GPT-6 Pro 升级：响应更快，支持多智能体并行
OpenAI 给 ChatGPT 里的 GPT-6 Pro 升级了，Pro 用户现在能让多个智能体同时分工干活，还能逐个查看进度和结果。
Elorian 发布首个模型 Glimpse：可在思考中回看图像和视频
一家叫 Elorian 的公司出了首个模型 Glimpse，最特别的是边想边回头重看视频细节，自测比 GPT-6 Astra 便宜七倍还更准。
北大与 Samsung 论文：慢模型离线指导快模型，实时游戏得分从 13.51 升至 24.19
北大和 Samsung 做了个 RealtimeBench，测试里 GPT-6.1-sol 思考太久反而输给快模型 Jev，再用 TORSI 让慢模型离线写指令带快模型，得分翻到 24.19。
NVIDIA 开源 ASPIRE 机器人学习框架
NVIDIA 把 ASPIRE 开源了，能驱动真实机器人操作还能持续学新技能，LIBERO-Pro 跑到 99%，搞具身智能的可以直接看代码复现。
10月16日
Liquid AI 发布 d1-ultra，登顶 Artificial Analysis Decision Index v1.0
Liquid AI 新出的 d1-ultra 拿了决策模型榜第一，幻觉率从 2% 干到 85%，价格只有 GPT-6 Luna 一半，做自动化决策的可以看看。
Nick Cammarata 新文：神经元可解释性研究曾被误读，Qwen3-32B 审计显示 90% 神经元有明确职能
Zoom In 论文作者自己出来纠正旧结论，Qwen3-32B 上 90% 神经元有明确职责，做可解释性的人应该看看这篇。
作者分享如何用满 2 个 Claude Max 账号加 1 个 ChatGPT Pro 账号
这位作者把 2 个 250 刀的 Claude Max 和一个 ChatGPT Pro 用到极限，连远程 Windows 和 Android 平板都接上让 AI 操作，多设备工作流讲得很具体。
预测：中国模型或于2027年5-6月追平 GPT-6 Astra 和 Opus 5.5
一条关于中美模型差距收敛时间的预测帖，把窗口圈到2027年5月前后，可以拿去对照明年各家发布节奏。
Claude Opus 5.5、Gemini 4 Argon、GPT-6 Astra 同题重建游戏视觉引擎
同一款游戏视觉引擎让三款顶级模型分别重写，谁更会做游戏一眼能对比，结果都贴出来了。
Agent Arena 更新 Bash Reliability 指标，Claude Opus 5.5 居首
Agent Arena 榜单换了个新指标 Bash Reliability，Claude Opus 5.5 还是第一，开源最强的 GLM 5.2 排到第 15，想选编程模型可以看看。
10月15日
Gemini 4 Argon 登上 Epoch 能力指数 165 分，逼近 Opus 5.5 与 GPT-6 Astra
Google 新模型 ECI 拿了 165 分，只差 Opus 5.5 两分，四大模型正面比数字，一看就懂谁强谁弱。
10月15日AI快报：Grok Voice 3.0发布，Anthropic新加坡设点
一天的重点都收好了：Grok Voice 3.0 延迟降四成，Claude Code 能管多会话了，还支持 OpenTelemetry 追踪。
Ling 3.1 Flash 开源权重发布，本地运行在 LEGO 埃菲尔铁塔生成上击败 GPT-6 Luna
Ant 旗下 Ling 3.1 Flash 放出开源权重了，本地跑就能用，同一提示词下生成效果赢过 GPT-6 Luna，还便宜 2.8 倍，想省钱本地部署的可以试试。
GPT-6 Astra 在 TheoPhysEval 物理评测中拿下 49/50
物理评测的标准答案自己都错了，GPT-6 Astra 反而是对的，最后拿 98%，这条挺有意思的。
Design Creativity Bench 发布：GPT-6 Astra 创造力第一，仍远低于人类设计师
Kombaico 做了个测 AI 设计创造力的榜单，GPT-6 Astra 才拿 65.5 分，人类是 92.3，模型们设计得都挺像，论文和代码都开源了。
用户吐槽 Codex GPT-6 Astra 发视频任务失败
有博主实测 Codex GPT-6 Astra 的 Computer use 发视频，权限问了二三十次还是没发出去，额度还烧光了，真实翻车体验可以看看。
Perplexity Computer 上线 GPT-6 Astra 与 SOL 6.1 Ultrafast 推理
Perplexity Computer 的 Max 用户现在能用 Ultrafast 版 GPT-6 Astra 和 SOL 6.1 了，长任务跑得更快，就是费额度。
OpenAI 将更多算力投入安全，导致算力短缺加剧
OpenAI 暂停了 200 美元套餐新订阅，还收紧用量限制，据说是算力被挪去安全研究，挺少见的现象。
GPT-6 Astra 与 Claude Opus 5.5 被称带来创意工作质变
有人说 GPT-6 Astra 和 Opus 5.5 在创意内容上的提升，就像当年 Opus 4.5 改变编程那样，做内容的朋友可以留意
AA-Robotics 基准首发：GPT-6 Astra 居机械臂操控榜首
GPT-6、Gemini 4、Claude 操控机械臂，GPT-6 Astra 夺冠，但比人慢约百倍。
10月14日
TasteVal基准出炉：Claude Opus 5.5科研品味达专家2.3倍
新出了个测"科研品味"的基准，Claude Opus 5.5已到专家2.3倍，成本只要1/30。
Codex 对比 Grok Bot：同一研究问题，Grok 回答更有参考价值
同一个问题分别丢给 Codex 和 Grok Bot，结果是 Grok 答得更具体，Codex 净说套话，挑工具前可以参考。
Context.dev 开源 Rust 编写的本地语义代码搜索 CLI「sgrep」
Context.dev 开源的 sgrep，一个 32MB 完全离线的语义代码搜索 CLI，给 agent 用能比 ripgrep 省 21.3% API 开销，代码不外传，写代码的可以装一个试试。
Ethan Mollick 用一个梗同时测了 GPT-6 Pro、Gemini 4 Argon High 和 Opus 5.5 Max
一条提示词同时丢给 GPT-6 Pro、Gemini 4 Argon High 和 Opus 5.5 Max，三个笑话三种性格，Opus 那句自嘲"起泡的自动补全"最绝，点开看看你喜欢哪个。
LMArena 实测 Google DeepMind 新模型 Argon：语气更友好但更绕
Google DeepMind 的 Argon 在 LMArena 上数据出来了，比 GPT-6.1 Sol 和 Opus 5.5 更友好但话更绕，多轮对话投票领先 62 分，喜欢长回答的可以试试。
Gemini 4 Argon 正式商用：智能指数与 GPT-6 Astra 持平，价格便宜约四成
Google 隔了 7 个多月终于又发了旗舰模型，成绩追平 GPT-6 Astra，价格还便宜四成，11 月底前是折扣价。
Agent Arena 更新 Bash Reliability 指标，Claude Opus 5.5 居首
Agent Arena 把命令行评测指标换成了 Bash Reliability，前排还是 Claude Opus 5.5 和 GPT-6.1 Sol，想选模型跑智能体的可以看下榜单变化。
Agent Arena 排行榜更新：Claude Opus 5.5 居首，GLM 5.2 领跑开源模型
智能体跑分榜单更新了，Claude Opus 5.5 拿下第一，想给编程 Agent 选模型可以看下这份排名。
LangChain 在 Open SWE 中验证路由器置于 harness 内可省 64% 成本
LangChain 给 Open SWE 编程智能体装了个路由器，973 个线程测下来每个省 2/3 的钱，成功率还没掉，做法细节都公开了。
