全部动态

Stanford 测了 10 个 LLM 谈判，发现给模型更多信息反而可能让 Claude Opus 5.5 收益从 94% 掉到 64%，选模型时得连信息量一起测。

rohanpaul_ai@rohanpaul_ai原文

GitHub 新出的 Copilot Fusion 会自动在 Claude 和 GPT 模型里挑着用，跑分只比 Opus 5.5 低 2 分，成本却便宜一半。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

博主实测了 OpenAI 新出的 GPT-6.1 Terra，把它和 Claude、DeepSeek 放一起比价格和速度，还测了 141 tok/s 的输出，选模型前可以先看看。

岚叔@lufzzliz11 个信源在谈原文

Kimi K3.1 Pro 智能指数拿 55 分排第 4，智能体任务比上代强一大截，价格还降了 33%，权重也快开源了。

官方账号Artificial Analysis@ArtificialAnlys原文

Artificial Analysis 测了各家模型的性格指标，Claude 全系在信息密度和文风两项都排最前，写文案的可以参考这个榜。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Anthropic 的 Sonnet 5.5 在 ARC-AGI-3 上拿了 72.4%，这个基准一直很难，数据里还给了不同 harness 的对比和每任务成本，做评测的可以看看。

官方账号ARC Prize@arcprize11 个信源在谈原文

Devin Fusion 用 Opus 5.5 带一个更便宜的 GPT-6 Luna 副手，编码分数追平 Claude Code 还便宜三成，双模型怎么配合值得一试。

官方账号Artificial Analysis@ArtificialAnlys原文

医疗对话模型排行榜上线了，GPT-6 Astra 和 DeepSeek V4.1 Flash 的分数、成本对比都有，选医疗模型前可以看看。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Sonnet 5.5 单项评测拿了 3 个第一，比 Opus 5.5 还猛，这条推里有各家模型的榜首分布数据，选模型前可以看看。

Teortaxes@teortaxesTex11 个信源在谈原文

Google 把内测的 Gemini 4 Argon 开放了，专业任务榜上分数超过了 Claude 两个型号，单次测试还便宜一半，做长任务的可以看看价格变化节点。

rohanpaul_ai@rohanpaul_ai原文

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。

lmarena.ai@lmarena_ai11 个信源在谈原文

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。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

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。

lmarena.ai@lmarena_ai11 个信源在谈原文

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。

宝玉@dotey11 个信源在谈原文

Claude Sonnet 5 采用率飙升，GPT-5.6 Luna 调用量第一，小模型主导调用市场。

官方账号LangChain@LangChainAI原文

Google 的 Gemini Agent 要接入 Claude Opus 5 和 Sonnet 5.5 了，Claude 首次出现在 Gemini 上，企业用户一个平台能用两家模型。

TestingCatalog@testingcatalog11 个信源在谈原文

GitHub Copilot 里现在能用 Anthropic 的 Claude Haiku 5.5 了，编码表现接近 Sonnet 5 但更省 token，做小改动很顺手。

GitHub@github11 个信源在谈原文

写代码经常用 Haiku 的朋友看下价格，10 万 token 内输入一毛钱一百万 token，Sonnet 缓存读取也砍半了

官方账号Cursor@cursor_ai11 个信源在谈原文

Arena.ai 更新了 Agent Arena 榜单，Anthropic 和 OpenAI 的模型在真实任务上谁强谁弱，一目了然。

lmarena.ai@lmarena_ai11 个信源在谈原文

Replit 这周更新不少：模型列表加上了 GPT-6.1 Sol 和 Claude Sonnet 5.5，还能让 agent 直接调 Jev，企业用户记得看看新的 Workplace 规则设置。

官方账号Replit@Replit5 个信源在谈原文

这周两家都憋了大招：OpenAI 的常驻智能体 dots 直接带云电脑，Anthropic 的 Sonnet 5.5 更快更便宜，FTC 还介入调查了

Tibor Blaho@btibor9111 个信源在谈原文

Replit 这周更新挺多：聊天里直接画交互图表，Agent 能选 GPT-6.1 Sol 或 Claude Sonnet 5.5，还能免管 API key 用 Jev 做决策类应用。

官方账号Replit@Replit11 个信源在谈原文

Anthropic 新版 Sonnet 5.5 排名很猛，Chat 类第一，编码只差 GPT-6 两分还便宜 20%，就是单任务贵了七成。

lmarena.ai@lmarena_ai11 个信源在谈原文

有人用 Claude Sonnet 5.5 做了纸面涂鸦风的国际象棋，能真下棋，看看这个 vibe coding 成品长啥样。

AI Will@FinanceYF5原文

三大模型最新编程性能对比：谁第一谁最便宜，开发者选型参考

官方账号Artificial Analysis@ArtificialAnlys10 个信源在谈原文

Anthropic 发布的 Claude Sonnet 5.5 在代码竞技场表现优异，性价比超高，比前代版本提升 159 分。

lmarena.ai@lmarena_ai11 个信源在谈原文

Anthropic 的 Sonnet 5.5 几个月就追上 Fable 5.1，中模型也能达到顶尖水平了。

kimmonismus@kimmonismus11 个信源在谈原文