Stanford 论文：更多信息会让部分 LLM 谈判智能体收益下降
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。
全部动态
AI 相关资讯全量信息流 · 870 条
11月8日
GPT-6.2 未如期发布，疑似临时推迟
一条关于 GPT-6.2 没发布的圈内猜测：疑似临门被叫停，作者还联系到中期选举，看看他怎么分析。
GPT-6.1 Terra 使用体验：浏览器与电脑操作表现突出
博主实测 GPT-6.1 Terra，说它在电脑和浏览器操作上又快又强，他自己之前还低估了这个用途。
11月7日
OpenAI 发布 GPT-6 Cyber，可自动生成漏洞利用程序
OpenAI 新出了安全特化的 GPT-6 Cyber，能自动写漏洞利用代码、挖出 81 个 Firefox 零日，安全从业者得看看这个。
OpenAI 推出湿实验基准 BioBasicsBench，GPT-6 Astra 得分 66.7%
OpenAI 拿凝胶照片和显微镜视频考 AI，GPT-6 Astra 拿了 66.7 分，比上一代高出 20 多分，还省了一半 token。
AA-PersonalityBench：Qwen3.8 27B 回复最长，约为 GPT-6 Sol 的 6 倍
同一道题，Qwen3.8 27B 能写一千词，GPT-6 Sol 只回一百多，这份字数榜把各家模型的啰嗦程度排得明明白白。
Ramp 数据：企业 token 用量涨 65%，支出仅涨 1.5%，Anthropic IPO 估值预期降至 1.2 万亿至 1.3 万亿美元
企业 token 用量暴涨但支出几乎没涨，这份数据直接动摇 AI 高增长叙事，还牵出 Anthropic IPO 估值缩水，做 AI 生意的都该看看。
AI Engineer 用 ElevenLabs 和 GPT-6 Astra 将上海演讲视频译成英文
一个演讲视频同时做了语音克隆配音和幻灯片翻译，用了 ElevenLabs 和 GPT-6 Astra，还用上了 YouTube 新的备用音轨功能，做法挺值得看看。
Artificial Analysis 上线 VIALS-AA：生命科学视觉推理榜单
161 个任务专考读凝胶图和质粒图这些科研视觉推理，Gemini 4 Carbon 险胜 GPT-6，但 Claude 每任务贵 29 倍，选模型前先看这份榜单。
Qwen 4 或于今日发布，开源阵营再迎新旗舰
Qwen 4 可能今天就来，传言直接对标 OpenAI，开源用户可以蹲一下官方发布再决定要不要换。
网友爆料称 GPT-6.2 或于今日发布
有人说 GPT-6.2 今天要来了，OpenAI 还没官方确认，想追首发动态的可以先看看这条。
爆料：周四没有 GPT-6.2，OpenAI 或于明日发布
追踪 GPT-6.2 发布传闻的可以看下，爆料者说周四没戏，明天可能就是发布日，具体等官方消息。
Nace AI 发布 27B Drex Max：只做选择不生成文本，决策成本仅 $0.06/千次
专门给 AI 智能体做决策的 27B 小模型，单次前向就出概率，成本比 Claude Opus 5.5 便宜约 170 倍，延迟 183ms，适合高频小决策场景。
OpenAI 发布 GPT-6 Cyber：专注漏洞挖掘与利用
OpenAI 出了个专挖漏洞的 GPT-6 Cyber，Linux 内核找 bug 数量是前代的十倍，连 Mozilla 都在忙着修它报的洞。
Daybreak 面向安全团队开放：GPT-6 Sol/Luna 找漏洞，GPT-5.6 Cyber 测试攻击
OpenAI 给搞安全的朋友出活儿了：GPT-6 找 bug，GPT-5.6 Cyber 模拟攻击，红队还能申请 GPT-6 Cyber，得报名。
Nace AI 开源多模态决策模型家族 Drex 并发布技术报告
Nace AI 开源了决策模型 Drex，权重代码都放出来了，Drex Max 在几个决策基准上能跟 GPT-6 Sol 掰手腕，想本地部署可以试试。
清华 × 伯克利开源 uni-robot-agent，用 Qwen3.8-Flash-Next 让大模型指挥机器人
清华和伯克利开源了个机器人 Agent 壳，套上 Qwen3.8-Flash-Next 就在 RoboDojo 上赢了 GPT-6 Astra，成本还只有 1/20，搞机器人的可以看看。
GPT-6.2 Astra 与 Qwen 4 同日发布
OpenAI 的 GPT-6.2 Astra 和阿里 Qwen 4 撞在同一天发布，想看两家旗舰怎么较劲的可以点开看看。
11月6日
Nace AI 发布 Drex 开源决策模型系列，27B 版逼近 Claude Opus 5.5
Nace AI 开源了 Drex 决策模型，27B 版能直接输出选项概率、183 毫秒出结果，成绩快追上 Claude Opus 5.5，做分类或路由的可以试试。
OpenDesign 设计基准：腾讯 Hunyuan Hy4 排名第 4，仅落后 GPT-6.1 Sol 0.1 分
腾讯 Hunyuan 的 Hy4 在 OpenDesign 设计基准排第 4，只差 GPT-6.1 Sol 0.1 分，成本还低 41%，做设计的可以看下榜单。
让 Claude 现场表演一次 Rickroll 的测试
Ethan Mollick 拿一句提示词测 Claude，Claude 真的在回复里把他 Rickroll 了，你可以复制这句去玩玩自己常用的模型。
OpenAI 发布 GPT-6 Cyber，用于 Linux 内核等关键软件安全防御
OpenAI 出了个专攻安全的 GPT-6 Cyber，微软和思科都在拿它护内核和 Firefox，还能对关键基建做授权渗透测试。
OpenAI 发布 GPT-6 Cyber，专攻漏洞挖掘且仅限审批安全团队使用
OpenAI 出了个专挖漏洞的 GPT-6 Cyber，据称在 Firefox 里找到 81 个新 bug，不过只有审批过的安全团队能用。
OpenAI 发布 GPT-6 Cyber，漏洞挖掘能力超 GPT-5.6 Sol
OpenAI 新出的 GPT-6 Cyber 在 Linux 内核上做出了 948 个可用 exploit，是 GPT-5.6 Sol 的五倍多，搞安全的朋友可以看看。
CodeRabbit 测试 GPT-6 Cyber：安全扫描可捕获 33 个已知漏洞中的 22 个
CodeRabbit 拿 GPT-6 Cyber 跑安全扫描，33 个漏洞抓到 22 个，比自家生产方案多抓 3 个，评测数据都公开了。
CodeRabbit 测试 GPT-6 Astra：漏洞检出 22/33 超过现有集成
CodeRabbit 拿 GPT-6 Astra 跑安全扫描，33 个漏洞抓到 22 个，比现役方案多 3 个，中高危发现多 66%，评测数据都在。
Science's Last Exam 基准发布：91 项任务测端到端科研能力
新基准 SLE 用 91 个真实科研任务测模型，Claude Opus 5 以 67 分领先 GPT-6.1 Sol 和 Kimi K3.1 Pro，做科研自动化评估的可以看看。
OpenAI 发布 GPT-6 Cyber，专注漏洞发现与验证的网络安全模型
OpenAI 出了个专攻网络安全的模型，实测找出 81 个 Firefox 高危漏洞，搞安全的朋友可以看看。
OpenAI 发布 LifeVal 基准：169 个日常任务测评智能体
OpenAI 拿 169 个真实生活任务测各家模型，发现模型老忘掉你几周前说过的话，做记忆助手的建议跑一下这个基准。
OpenAI 推出 GPT-6 Cyber 安全研究专用模型
OpenAI 出了个专门干安全研究的 GPT-6 Cyber，现在只有部分 Daybreak Red 客户能用，11 月 12 日还有场直播会讲更多细节。
GPT-6.2 Sol 与 Astra 现身 Google Cloud，或暗示即将发布
有人发现 GPT-6.2 Sol 和 Astra 已经挂在 Google Cloud 上了，按惯例这说明 OpenAI 快要发布新模型，蹲个首发可以看看
清华与UC Berkeley发布uni-robot-agent：让开源模型控制真实机器人
清华和伯克利做的开源机器人控制框架，让Qwen这类便宜模型在真实机械臂上干赢GPT-6和微调过的π0.5，成本还便宜95%，代码在GitHub上可以自己跑。
GPT-6.2 Astra 与 GPT-6.2 Sol 现身 Google Cloud Console 配额页
有人翻 Google Cloud 配额页翻出了 OpenAI 还没官宣的两个新模型名，挺会挖的，可以看看截图。
Artificial Analysis 测算 $100 在不同模型上能跑多少 Intelligence Index 任务
同样 100 美元，不同模型差出 60 倍任务量，选模型前看这组性价比数据能省不少钱。
AA-PersonalityBench：MiMo-V2.6-Pro 34% 回复以提问收尾居首
看看谁最爱反问：MiMo-V2.6-Pro 三成回复结尾抛问题，DeepSeek V4.1 Flash 几乎从不，对比很直观。
11月5日
协作智力基准发布：18 个模型当队友，最高只拿 82.2 分
斯坦福他们测了 18 个模型当队友的水平，最强的 Gemini 4 Argon 也才 82.2 分，冲突一开会就妥协，挺扎心的。
清华 × 伯克利开源 uni-robot-agent：Qwen 借助该框架在 RoboDojo 分数从 1.90 升至 31.39
清华和伯克利开源了套机器人 Agent 框架，Qwen 不做任何机器人训练就能上真机干活，分数翻了十几倍，框架设计细节也很扎实。
传 OpenAI 周五发布 GPT-6.2 Sol 和 Astra，Anthropic 或下周跟进
博主预测 OpenAI 周五放出 GPT-6.2 Sol 和 Astra，Anthropic 下周就接招，看看两家怎么互相卡位。
Moonshot AI 发布 2.8T 参数 Kimi K3.1 Pro 权重
月之暗面把 2.8T 参数的 Kimi K3.1 Pro 权重直接开源了，4-bit 发布省存储，编程基准分数贴近 Claude Opus 5.5，纯知识题却差 GPT-6 一截，许可证对云托管商还有限制。
Agent Arena 数据：长任务中模型选择可使成本相差最高 66%
跑长任务的看看这个：Arena 拿 3 万个真实任务对比了 5 家旗舰模型，Gemini 4 Carbon 比 GPT-6 Astra 每小时便宜 66%，数据很实在。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOP阅读全文
8月13日
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOP阅读全文
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOP阅读全文
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOP阅读全文