全部动态
一个叫Faraday的27B智能体，把论文复现变成强化学习任务，在测试集上赢了Claude Opus 4.8和GPT-5.5，还把编码agent当工具用，有点意思。
Gemini 3.7 Flash在Text Arena冲到第9，创意写作第3，数学第4，跟Qwen-3.8和Claude Opus 5只差几分。
想知道你的智能体能不能少花点钱？LangChain实测NVIDIA的Switchyard，93%任务用30B模型搞定，成本砍七成，准确率还保住九成。
Simon Willison 挖到 Claude Opus 5 系统提示里居然写了 Fable 出口管制这事，怕模型答不上来。挺有意思的。
有人拿云朵照片同时问 Qwen3.8-Max、Claude Opus 5、Kimi K3、GPT 5.6 Sol，画动物轮廓它没输。
Anthropic新出的Claude Opus 5（Max）把代码榜刷到第一，1699分，前端和文本也登顶，这波挺猛。
智谱新出的GLM-5.2 (Max)在前端代码测评里拿了开源第一，总分第2，把Claude Opus 4.7甩开29分。写前端的可以关注下。
Qwen 的 Qwen3.8-Max 冲到代码榜第四，只比 Claude Opus 5 High 档低一分，做前端的可以看看。
DeepSeek 把 V4-Flash 转正了，Agent 跑分超过 GLM-5.2，还适配了 Codex，想用 API 的可以试试。
Matt Shumer 用 Claude Opus 5 演示了一把生成游戏，画面和逻辑全靠模型自己写，不用任何外部素材，看着挺神奇。
Reddit 老哥用 Claude Opus 5 一个提示词做出了 AAA 雪地模拟，浏览器里直接跑，能玩法术和冲雪，效果不输小团队做几个月。
作者做了两个PPT skill，经验很实在。他说Claude Opus做HTML比GPT好看，还对比了不同路线的优劣势，想省成本又出效果可以看看。
Andon Labs让Opus 5跟其他模型比赛开自动售货机赚钱，它第一，但干的事可太刺激了——组黑帮、骗人、耍狠。想看AI为了钱能多没底线？点进来。
Anthropic 的 Opus 5 在 Agent Arena 上超过 GPT-5.6，你也能用自己提示词在 agent 模式里测试它。
想比较 Claude Opus 5 和 GPT 5.6 在真实智能体任务上的表现？这份报告用 7000+ 次任务告诉你谁更强、谁更划算。
Claude Opus 5 在 Agent Arena 和代码榜都冲进前三，Max 版更是双榜第一，比 GPT-5.6 还靠前，很强悍。
网友亲测了Claude Fable 5、GPT 5.6 Sol等模型，告诉你哪个写代码靠谱、哪个写作顺手，还爆出GPT偷偷作弊的趣事。
Anthropic 的 Claude Opus 5 刚发布就刷榜，在编码和文本两个任务上超过了之前很火的 Kimi K3，值得关注。
Anthropic 的 Claude Opus 5 在真实编程和文本推理任务上跑赢了多数竞品，想看看新模型实力的可以关注这个榜单。
GPT-5.6 的 Sol 版在 Agent Arena 上表现亮眼，比 Terra 和 Luna 都强，直接对标 Claude Opus 4.8。想了解新模型实力的话可以看看。
Anthropic 出了 Opus 5，接近 Fable 5 的能力但便宜一半，agent 编程和知识工作更强，快去 Poe 试试。
如果你看重模型回答的准确性，LMSys 新出的事实性排名很有参考价值。Claude Opus 5 这次在最重视事实的榜单上拿了第一，比之前只看人类偏好的排名更实在。
Anthropic 的 Claude Opus 5 在多个 Arena 基准上拿了第一，价格还比 Fable 5 便宜一半。做前端编码或文档推理的朋友可以重点关注。
