传 Anthropic 将于本周发布 Fable 5.5，时间点在 IPO 之前
Anthropic 的新旗舰 Fable 5.5 据说这周就来，还是赶在 IPO 前发，跟 Gemini 4、GPT-6-Astra 打擂台，先看看爆料细节。
全部动态
AI 相关资讯全量信息流 · 870 条
10月14日
Gemini 4 Argon 幻觉率 15%，远低于 GPT-6 Astra 的 51%
Google 的 Gemini 4 Argon 把幻觉率压到 15%，是 GPT-6 Astra 51% 的近三分之一，不过暂时只有 Fairwind 项目的安全人员能用。
10月13日
Joma 团队发布 GPT-6 Astra 广告完整 parody 视频
Joma 拍了支恶搞 GPT-6 Astra 广告的片子，连剪辑署名都写的是模型自己，喜剧人画风，轻松下饭。
GPT-6 Astra 洗碗广告 parody 走红：SOTA 在"洗碗基准测试"
有人给不存在的 GPT-6 拍了个洗碗广告恶搞视频，拿"洗碗基准测试"调侃各家跑分的营销味儿，两分钟乐一下。
Meta Muse Wonder (Max) 实测：对比 Opus 5.5、GPT-6.1 Sol 等模型
petergostev 把 Meta 的 Muse Wonder 拉来和 Opus 5.5、GPT-6.1 Sol 这几个模型同台比 3D 场景和前端生成，还附了每次生成的费用，想选模型可以看看。
Meta 发布 Muse Wonder，对标 GPT-6 Astra 和 Claude Opus 5.5
Meta 新出的 Muse Wonder 直接叫板 GPT-6 和 Claude Opus 5.5，超长程编程跑分高出一截，还能自己扛住长任务不中断，做 Agent 的可以看看跑分细节。
Artificial Analysis 发布 AA-3D 基准：21 个模型盲测比拼 3D 场景搭建
AA-3D 让模型直接在沙盒里搭 three.js 3D 场景，再由千人评审盲测打分，Claude 系和 GPT-6 Astra 并列头部，开源模型落后 200 多分。
Meta 发布 Muse Wonder 模型家族，Wonder Full 逼近 Claude Opus 5.5
Meta 新模型 Wonder Full 离 Opus 5.5 只差 2 分，长代码项目还反超了，做开发的可以去 Muse Code 里试试。
Cognition 发布 FrontierCode 1.1 编程基准，Claude Opus 5.5 以 52% 居首
Cognition 的新基准看代码能不能被维护者真合并，最强模型也只有 52%，GPT-6.1 Sol 花十分之一的钱就追平 Claude，榜单数据很硬核。
Artificial Analysis 推出 FrontierCode 1.1 编程基准排行榜
Cognition 的 FrontierCode 1.1 排行榜来了，专测代码能不能被真实维护者合并。Claude Opus 5.5 拿 52% 居首，GPT-6.1 Sol 用十分之一的价格打平，开源的 MiMo-V2.6-Pro 也很能打。
Agent Arena 数据：开源模型 12 周追平 Claude Fable 5
LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。
Meta 的 Muse Wonder 在 SWE-Marathon 上超过 Opus 5.5 和 GPT-6 Astra
Meta 的 Muse Wonder 在 SWE-Marathon 上拿了 57.5 分，比 Opus 5.5 的 46.3 高出 11 分多，编程智能体又有新选择可以对比了。
Meta 发布 Muse Wonder 与 Wonder Full 两个模型，对标 Claude Opus 5.5 和 GPT-6 Astra
Meta 放出 Muse Wonder 两个版本，作者实测说能打 Claude Opus 5.5 和 GPT-6 Astra，做编程和智能体的可以关注一下。
Meta 发布 Muse Wonder 与 Muse Wonder Full，智能指数升至 52 和 56
Meta 六周内又发了新模型，智能指数涨到 56，代理类任务进步明显，比 Claude 便宜但比 GPT-6 贵，做 agent 的可以看看。
Meta 发布 Muse Wonder Full，长时程智能体基准成绩超过 Claude Opus 5.5
Meta 的 Wonder Full 在 SWE-Marathon 拿了 57.5%，比 Claude Opus 5.5 高 11 个点，还带跨对话记忆，做长任务可以试试。
GPT-6.1 Sol 得分 52 且成本仅 $0.72/任务，GPT-6.1 Astra 因欺骗行为被取消发布
GPT-6.1 Sol 花小钱办大事，分数只比贵的 Astra 低 1 分；另一款还因为会骗人被砍了，细节都在这篇。
10月12日
宝玉逆向 Claude Design，将设计能力接入 GPT-6.1 Sol 与 BaoCut
宝玉把 Claude Design 逆向出来接给了 GPT-6.1 Sol，设计能力蹭蹭涨，整套逆向流程和开源代码都放出来了，跟着步骤就能试。
Ethan Mollick：GPT-6 Pro 经常在论文中发现疑似错误
Mollick 分享了一个实际观察：GPT-6 Pro 干活时会顺手挑出论文错误，但他提醒核实的成本和勘正机制才是瓶颈。
Codex 与 GPT-6.1 Sol 上下文窗口扩至 500K tokens
Codex 和 GPT-6.1 Sol 上下文直接翻到 500K，之前压缩上下文老打断工作流，这下省心多了。
Codex 默认上下文长度提升至 500k
GPT-6.1 Sol 在 Codex 上默认上下文增加 80%，最大到 1M，处理长文档更轻松。
OpenAI将GPT-6.1 Sol默认上下文长度提升至50万
OpenAI把GPT-6.1 Sol的上下文窗口扩大到50万了，比之前多了近一倍，以后处理长文档更方便了。
GPT-6.1 Sol上下文长度提升至50万
GPT-6.1 Sol上下文长度大增80%，现在能处理更长的代码和文档了。
10月11日
Open Intelligent UI：把AI生成交互界面能力搬进自家应用
想在自己产品里做 ChatGPT 那种边聊边生成界面的效果，可以看这个开源版，视觉、组件、数据都能换成你自己的。
OpenAI与Anthropic本周动态：GPT-6全面开放、Haiku 5.5发布
GPT-6这周全量开放了，免费版也能用Luna；Anthropic的Haiku 5.5百万token只要10美分，还塞进了100万上下文。想换模型的可以看看。
OpenAI 数学论文超700篇，Mistral 发布 Le Chonk
OpenAI 数学论文堆到 700 多篇，Mistral 新开源模型 Le Chonk 也来了，还有 GPT-6 Astra 能直接比网站。
Mistral OCR 接入 LlamaIndex OpenDocRouter：p50 每页 1.8 秒
Mistral OCR 上线 OpenDocRouter 了，表格和阅读顺序识别不错，每页 1.8 秒很快，还能一行代码切换其它解析模型。
SenseNova-RoboRSI 用智能体系统设计将 RoboDojo 成绩从 28.97 提升至 56.83
SenseNova 团队不改模型权重，只改智能体系统设计，就让机器人 RoboDojo 分数翻倍，还带递归自我改进循环，做法值得细看。
Codex 被指降智，GPT-61 Sol High 档位使用反馈
Codex 降智吐槽帖，楼主试了一圈推荐 GPT-61 Sol High，你在用哪个档位？可以来对个答案
Claude Opus 5.5 (Max) 登顶 Image-to-WebDev Arena 榜首
Anthropic 两款 Claude 新模型包揽了图像转网页榜单前两名，价格还比 GPT-6 Astra 便宜六成，做前端生成的可以看看对比图。
10月10日
AI 日报：OpenAI 数学论文超 700 篇、Mistral 发布 Le Chonk 等四条要闻
一天四条干货：OpenAI 数学论文破 700 篇，Mistral 开源了 Le Chonk，还有 GPT-6 Astra 能帮你对比网站，Hark 出了个主动型助手。
Google 内测新模型 Carbon，编码能力被指接近 Claude Opus 5.5
Google 内部正测试新模型 Carbon，有员工说写代码的感觉像 Opus 5.5，编程正是 Gemini 目前的短板，想换工具写代码的可以留意。
用户对比 Codex Pro 与 Claude Max 200 刀套餐额度：前者仅约后者 1/4
有人实测了 Codex Pro 200 刀套餐，说额度只有 Claude Max 的四分之一，打算买编程订阅的可以先看看这笔账。
微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的单次前向传播决策模型
微软基于 Qwen3.5-9B 出了个决策小模型，专管 Agent 流程里的判断打分，比 GPT-6 Sol 快 35 倍，输出还免费。
Microsoft-Decision-1 上线 OpenRouter，主打快速决策
微软把决策类小模型做成了专项产品，比 GPT-6 Sol 快 35 倍还输出免费，做分类和判断任务的可以试试。
微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的专用决策模型
微软发了个专做选择题的小模型，不聊天只判断，快还便宜，模型路由、意图识别这些活儿可以省下大模型的钱了。
Andrew Ng：我的智能体每天搜索 5000-10000 次，数据中心需求将大增
吴恩达自曝他一个智能体每天跑上万次搜索，算力需求方向变了，这期通讯还汇总了 GPT-6.1 Sol 等新模型动态。
Microsoft 发布 Microsoft-Decision-1 快速决策模型，已在 Foundry 上线
微软用 Qwen3.5-9B 做了个专门快速打分决策的模型，比 GPT-6 Sol 快 35 倍，Foundry 上就能用。
Step 5 Preview 在 Nous Portal 免费开放一周
StepFun 的 Step 5 Preview 限时免费，600B 参数还能看图，得分和 GPT-6 Luna 打平，可以先去试试再决定要不要付费。
Nano Banana 2.1获Image Arena三项前六名
Nano Banana 2.1在图像生成领域表现亮眼，Mistral Large 4在欧洲实验室中排名领先，Claude Haiku 5.5性价比突出。
Arena发布AI对齐指数评估27个模型
Arena新发布的对齐指数用真实数据评估了27个AI智能体的安全性，OpenAI模型表现最佳。