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。
全部动态
AI 相关资讯全量信息流 · 470 条
11月7日
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。
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。
11月6日
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。
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。
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。
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。
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。
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。
Agent Arena 数据：Gemini 4 Carbon 成本扩展性优于竞品
Arena 拿真实智能体会话算了一笔账：任务越难，Gemini 4 Carbon 越省钱，Astra 和 Opus 5.5 贵出三四倍，选错模型账单差很多。
Agent Arena 数据：头部模型长任务耗时差距达 55 分钟
Agent Arena 拿 5 家实验室的旗舰模型跑了长任务对比，Claude Opus 5.5 能连续干近 2 小时，Kimi 最快但也最短，差距挺直观。
Moonshot AI 开放 Kimi-K3.1-Pro 权重：总参数 2.8T，每 token 激活 104B
Moonshot 开放了 Kimi-K3.1-Pro，2.8T 参数只激活 104B，1M 长上下文，BrowseComp 拿了 92.1，权重才 1.56TB，跟 Claude Opus 5.5 掰手腕。
OpenAI LifeVal 图表：GPT-6 Astra 得分 80.6%，较 GPT-5.2 提升 31 个百分点
OpenAI 自己发的 LifeVal 榜单，GPT-6 Astra 比 GPT-5.2 涨了 31 个点，不过任务集没公开，看看就好
MolmoAct 2 在 RoboColosseum 真机测试中位居第二，仅次于 GPT-6 Astra
机器人模型排行榜更新了，Allen AI 的 MolmoAct 2 在 Franka 机械臂真机测试里只输给 GPT-6 Astra，还是零额外训练直接跑的。
11月4日
OpenAI 推出 GPT-6 Astra 布局实体工程，与马自达和 Chip Ganassi Racing 展开合作
OpenAI 的 GPT-6 Astra 一周设计出一台完整硬件，马自达和 Ganassi 车队都在用它做空气动力学和 CAD 建模，看看 AI 怎么干实体工程。
Menlo Ventures 发布 2026 企业级 AI 应用报告：部署支出达 1770 亿美元
Menlo Ventures 这份企业 AI 报告数据很硬：部署支出涨到 1770 亿美元，Claude Code 加 Codex 吃下编程市场 70%，Kimi 拿走开源支出的 61%，花几分钟看看行业格局变化。
OpenAI 推出 LifeVal 基准，测试 ChatGPT 处理生活杂务的能力
OpenAI 搞了个新基准 LifeVal，专门测 ChatGPT 能不能帮你办杂事，GPT-6 Astra 十六项里十项满分，成绩单都列出来了。
OpenAI 用 GPT-6 Astra 一周造出硬件设备
OpenAI 让 GPT-6 Astra 一周内搞定外壳、电路板加软件，才两个员工搭手，还有个没发布的模型分数更高，挺有意思。
Artificial Analysis 六大职业能力指数升级至 v2.0，Claude Opus 5.5 全部第一
选模型别只看综合榜单了，这份 v2.0 按会计、法律、医疗等六个职业分别排名，Claude Opus 5.5 全部第一，开源里 Kimi K3.1 Pro 最强。
Simon Willison 实测 GPT-6 Astra 直接解读模型权重的方法
有人用 Qwen 3.8 27B 在笔记本上复现了 GPT-6 Astra 读权重的方法，跑了 45 分钟，过程和结论都写在博客里。
Intology 的 Locus 在分子预测上超过 GPT-6 Astra 和 Claude Opus 5.5 智能体
Intology 做了个叫 Locus 的系统，能自己提实验、并行跑、再迭代，分子预测上干过了 GPT-6 Astra 和 Claude 的智能体，做药物设计的朋友可以看看。
MIT CSAIL用GPT-6 Astra编辑Qwen3.5-0.8B权重，改动0.016%参数使MATH-500提升6倍
MIT让GPT-6 Astra直接改Qwen3.5-0.8B的权重，不训练只动0.016%参数，MATH-500从7.9%冲到48.1%，思路很像给模型做基因编辑。
GPT-6 Astra 直接改底层参数修复 Qwen3.5-0.8B 死循环
GPT-6 Astra 只改了 Qwen3.5-0.8B 万分之十六的参数，没重训就把数学成绩从 7.9% 拉到 48.1%，挺离谱的实验。
11月3日
Google 研究员复现 MIT「Weight-Space Programming」实验，发现最新一代模型能力跳变
Google 的 Alex Krentsel 把 MIT 那个写权重的实验复现了一遍，还测了一串模型版本，发现 GPT-6 Astra 这批突然能写出 PPO 训练 20 倍效果的 Breakout 网络，台阶式跳变挺有意思。
GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重，数学能力提升 6 倍
有人让 GPT-6 直接手改 Qwen 小模型的权重，不改 99.98% 的参数，数学就涨了 6 倍，全程零训练零梯度，思路很邪门，推荐看看原文。
研究称 LLM 可直接改写神经网络权重，GPT-6 Astra 微调 Qwen3.5-0.8B 数学能力提升至 6 倍
有人让 GPT-6 Astra 直接改 Qwen3.5-0.8B 的权重，不动一行训练代码，数学就快了 6 倍，这思路挺新鲜。
用 GPT-6 Astra 直接改 Qwen3.5-0.8B 权重，数学能力提升 6 倍
有人让 GPT-6 Astra 不训练直接改 Qwen3.5-0.8B 的权重，数学提升 6 倍，思路很新鲜，帖子不长值得看看。
不训练不算梯度：GPT-6 Astra 改 0.016% 权重，Qwen3.5-0.8B 数学正确率升 6 倍
MIT 那篇权重空间编程的博客，让 GPT-6 直接手改 Qwen 小模型的权重，数学分涨 6 倍，里面几个失败条件也讲得挺实在。
GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重，数学能力提升最高 6 倍
有人让 GPT-6 Astra 手改 Qwen3.5-0.8B 的权重，不动训练流程，数学就快了 6 倍，思路很新奇。
MIT CSAIL 用 GPT-6 Astra 直接改写 Qwen 0.8B 权重，数学能力提升 6 倍
MIT 团队不训练不微调，直接让 GPT-6 Astra 改 Qwen 0.8B 的权重，改 0.016% 参数数学就快 6 倍，脑洞很新。
MIT 研究：编辑 0.016% 权重让 Qwen3.5-0.8B 的 MATH-500 成绩从 7.9% 升至 48.1%
Qwen3.5-0.8B 做数学题经常卡在死循环里烧 32K token，MIT 找到出问题的两层，只改 0.016% 权重就把 MATH-500 从 7.9 分拉到 48.1 分。
MIT CSAIL 提出 Weight-Space Programming：让 GPT-6 Astra 直接读写权重
MIT 团队让 GPT-6 Astra 直接改 Qwen3.5-0.8B 的 0.016% 权重，不训练不跑梯度，数学成绩翻了六倍，思路很新鲜。
用 GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重，数学成绩提升至 6 倍
有人让 GPT-6 不训练、不调参，直接手改 Qwen3.5-0.8B 的 0.016% 权重，数学成绩涨到 6 倍，这篇博客讲了具体怎么做到的。
MIT CSAIL 发现 GPT-6 Astra 可直接改写模型权重提升性能
MIT 团队让 GPT-6 Astra 直接改 Qwen3.5-0.8B 的权重，只动 0.016% 就把数学分数从 7.9% 拉到 48.1%，完全不用训练，做法挺新奇。
MIT 研究用 GPT-6 Astra 直接改权重提升 Qwen3.5-0.8B 数学成绩
不训练也能改模型：Astra 找到让 Qwen3.5-0.8B 复读循环的信号并从权重里减掉，0.016% 的改动让 MATH-500 从 7.9% 涨到 48.1%。
MIT 研究：直接改 0.016% 权重让 Qwen 小模型数学成绩从 7.9% 升至 48.1%
MIT 用 GPT-6 Astra 直接改 Qwen 小模型 0.016% 的权重，数学分数从 7.9% 拉到 48.1%，不用梯度训练，方法本身就很反直觉。
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