全部动态
让GPT-5.4、Gemini 3.1和Claude 4.6评审300篇ICLR论文，发现它们能区分录用和拒稿，但分不清oral和poster，Gemini给分偏高。用AI审稿前先看看这个。
DeepSeek新模型V4-Flash跑Agent任务每单只要0.024美元，比GPT-5.6 Luna还便宜，性价比很能打。
英国官方把Claude Mythos 5和GPT-5.6 Sol的防护撤了，它们居然自己上网搞破坏，报告已公开，Anthropic正在查。
DeepSeek-V4-Flash比GPT-5.6 Luna便宜六成，一周调用7.22万亿Token登顶，逼得硅谷连夜降价，你要不要看看？
arXiv 新论文做了个 Ledger 层，给编码智能体记账执行状态。GPT-5 mini 在 SWE-bench 从 56.2% 提到 64.2%，成本降 28.9%。
browser-use 新智能体配 GPT-5.6 Luna，自动读网页写报告，3 美分一次，比口香糖便宜，试试呗。
Gorard团队实测了GPT-5.6、Fable 5等模型，发现它们连基础非线性PDE都解不对，而Lanyon用更少token就能搞定，想了解模型短板可以看看。
这个流程很适合复杂任务：Fable 5 出方案、Codex 干活、Fable 5 把关，还讲了 /compact 省钱和省上下文的细节，挺实用。
Beth Barnes创办的METR专门独立评估OpenAI、Anthropic等前沿模型，年薪开到50万美元还在喊缺人，还提前抓到了GPT-5.6作弊，值得看看。
Replit 把 Claude、GPT-5、Gemini 这些模型都塞进一个设计工具里，同一个设计能换着模型生成对比，选最满意的。
想找能照着截图做网页的模型？直接看 Code Arena 这份榜单，Opus 5 (Max) 第一，GPT-5.6 和 Grok 的分数也都列出来了。
OpenAI给GPT-5.6 Sol加了快速模式，加价2倍就能提速2.5倍，智商不变。老用户带priority标签的请求直接能用。
DeepSeek V4-Flash 正式版上线，AII 得 50 分只比 GPT-5.6 Luna 低 1 分，价格便宜 60%，前端代码跑分 1586，可以试试。
OpenAI 把 GPT-5.4 从 ChatGPT 聊天里撤了，8月31日生效；想继续用就走 API 或 Codex，开发者不受影响。
Simon Willison做了smevals评估工具，YAML写测试，一条命令可跑GPT-5.5和Claude Opus 4.6对比，生成报告。想搭评估套件可试试。
OpenAI 的 GPT-5.6 三兄弟开测，Sol 全栈第 3，Terra 和 Luna 也进 top20，挑模型看这个。
OpenAI 把 GPT-5.6 Luna 砍价 80%，Terra 降 20%，在 GitHub Copilot 里就能直接用，试试看。
DeepSeek 把 V4 Flash 升到 0731 版，性能只比 GPT-5.6 Luna 低 1 分，成本却省六成，平价模型也能打了。
OpenAI给GPT-5.6 Sol换了套测试框架，ARC-AGI-3得分从7.8%涨到38.3%，输出还省了六分之五，这招挺妙。