全部动态

三个研究员用 Claude 写代码黑了 OpenAI，成本不到三千美元，过程挺有意思的。

宝玉@dotey11 个信源在谈原文

朋友，有个挺有意思的，有人用 Claude Opus 5 做了个网站，里面有 25 个迷你房间，每个房间都有个 Claude 陪着，挺有趣的。

AI Will@FinanceYF5原文

OpenAI 和 Anthropic 新发布的模型性能提升明显，但价格也更高，对比一下不同模型的性价比。

lmarena.ai@lmarena_ai11 个信源在谈原文

朋友测试了 Claude 的 Opus 5.2，说没发现灰度测试，可能还在内部测试阶段。

宝玉@dotey原文

DeepSeek 推出了 V4.1 Flash，性能接近 GPT-5.6，但成本只有 1/30，用 15 美元就能跑 100 个复杂任务，性价比很高。

Browser Use@browser_use原文

朋友发了 Genspark 的 Gen-1 Slides，这个模型做幻灯片生成很厉害，和 Claude Opus 5 一样好，但价格便宜很多，才 1/17。

Eric Jing@ericjing_ai3 个信源在谈原文

朋友，Fireworks AI 新出的 Gen-1 Slides 模型很棒，幻灯片生成效果和 Claude Opus 5 差不多，但价格便宜很多，是 1/17，适合做演示文稿。

Fireworks AI@FireworksAI_HQ原文

DeepSeek 新发布的 V4.1 Flash 模型，比 V4-Pro 小三分之一，但在很多测试里还比它强，价格也便宜很多，值得看看。

The Rundown AI@therundownai原文

GitHub新出的HydraFusion模型在编程任务质量上超越Claude Opus 5，成本还降低67%，选模型就能自动编排工作流。

GitHub@github原文

OpenAI的GPT-6 Astra在科研推理上大幅领先，但编程能力提升有限，与竞品差距不大。

orange.ai@oran_ge11 个信源在谈原文

OpenAI的GPT-6 Astro在科研领域大幅领先，但编程能力与上一代持平，定价10in 50out。

orange.ai@oran_ge11 个信源在谈原文

GoogleDeepMind 新发布的 Gemini 3.8 Flash (High) 在多个竞技场表现优异，成本比同类模型低 44-50%。

lmarena.ai@lmarena_ai11 个信源在谈原文

GoogleDeepMind发布Gemini 3.8 Flash (High)，在多个基准测试中超越前代版本和Claude Opus 5。

lmarena.ai@lmarena_ai11 个信源在谈原文

阿里Qwen3.8-Max-0902在代码基准测试中超越Claude和Kimi，价格实惠，多项类别领先。

lmarena.ai@lmarena_ai原文

LoopArena 基准首次单独测量模型作为'管理者'的能力，发现 GPT-5.5 在长程任务中表现最佳，但成功率仍不足 25%。

shao__meng@shao__meng2 个信源在谈原文

DeepSeek 10 天前发布 API，10 天后就开源了这款 305B 参数的多模态模型，性价比超高。

shao__meng@shao__meng3 个信源在谈原文

Agent Arena更新了模型评估功能，Claude Opus 5在代码任务中表现出色，GitHub集成让编码更便捷。

lmarena.ai@lmarena_ai原文

Alibaba Qwen团队发布了Qwen3.8-Flash，性能卓越且价格亲民，是DeepSeek V4 Flash和Claude Opus 4.6 Max的性价比之选。

Paul Couvert@itsPaulAi7 个信源在谈原文

Agent Arena发布了各模型任务成本对比，能清楚看到不同模型花多少钱和效果，和同类比啥不一样。

lmarena.ai@lmarena_ai8 个信源在谈原文

Agent Arena发布了Pareto前沿平台，能查各模型做真实任务里的表现，像 Claude 和 GPT 这些对比后就知道哪个更划算。

lmarena.ai@lmarena_ai11 个信源在谈原文