GPT-6 Astra 和 Claude Fable 5.1 性能提升但成本更高
OpenAI 和 Anthropic 新发布的模型性能提升明显，但价格也更高，对比一下不同模型的性价比。
全部动态
AI 相关资讯全量信息流 · 567 条
9月17日
9月15日
AI辅助科研写作中编辑路由影响计算结果表述
想了解AI写论文时，怎么放置计算对比会影响结果表述，这篇论文用Claude模型做了实验，挺有意思的。
Anthropic Claude Opus 5.2 灰度测试曝光：响应更快，告别“偷懒”
Claude 新版 Opus 5.2 上线了，测试下来比旧版快很多，而且不“偷懒”，代码生成能力更强，值得试试。
9月11日
DeepSeek V4.1 Flash 性能接近 GPT-5.6，成本仅为其 1/30
DeepSeek 推出了 V4.1 Flash，性能接近 GPT-5.6，但成本只有 1/30，用 15 美元就能跑 100 个复杂任务，性价比很高。
Genspark 发布 Gen-1 Slides，输入令牌价格仅为 Claude Opus 5 的 1/17
朋友发了 Genspark 的 Gen-1 Slides，这个模型做幻灯片生成很厉害，和 Claude Opus 5 一样好，但价格便宜很多，才 1/17。
Gen-1 Slides 开放模型，幻灯片生成性能接近 Claude Opus 5，价格仅为其 1/17
朋友，Fireworks AI 新出的 Gen-1 Slides 模型很棒，幻灯片生成效果和 Claude Opus 5 差不多，但价格便宜很多，是 1/17，适合做演示文稿。
DeepSeek 发布 V4.1 Flash 模型，称其为新架构家族中最小模型
DeepSeek 新发布的 V4.1 Flash 模型，比 V4-Pro 小三分之一，但在很多测试里还比它强，价格也便宜很多，值得看看。
9月10日
TRACE: 因果探索推理智能体训练方法
TRACE用模拟验证解决诊断推理难题，让Qwen3.5-35B在数字广告诊断任务上超越Claude Opus 5。
9月9日
Doctorina临床AI系统诊断表现超越医生
Doctorina在初级护理诊断上全面超越人类医生，比第二名Kimi K3表现更好。
9月7日
Substrate-Aware AI Agents: Execution Context as a First-Class Input
Claude、GPT-5和Gemini在代码生成时加入执行约束后，代码效率大幅提升，最高快3.1倍。
9月6日
Astra模型在DeepsecBench成为最佳网络安全模型
Astra在网络安全基准测试中超越Sol和Claude Opus 5 max，速度提升5倍，成本降低一半。
9月5日
OpenAI GPT-6 Astra 幻觉减少但易受隐藏提示注入攻击
OpenAI 发布了 GPT-6 Astra，虽然减少了幻觉，但在隐藏提示注入攻击面前仍有 8.5% 的失败率，比 Claude Opus 5 的 4.8% 差。
GitHub发布HydraFusion模型提升任务质量
GitHub新出的HydraFusion模型在编程任务质量上超越Claude Opus 5，成本还降低67%，选模型就能自动编排工作流。
9月4日
GPT6-Astra评测：编程能力与Claude Opus 5相当
OpenAI的GPT6-Astra评测曝光，编程能力与Claude Opus 5相当，但价格涨2.5倍，因效率提升实际成本反而降一半。
终端智能体环境演化方法研究
研究人员提出环境演化方法，让终端智能体训练环境持续变难，在Qwen模型上提升了18%性能。
OpenAI发布GPT-6 Astra群星模型
OpenAI的GPT-6 Astra在科研推理上大幅领先，但编程能力提升有限，与竞品差距不大。
OpenAI发布GPT-6 Astro群星模型
OpenAI的GPT-6 Astro在科研领域大幅领先，但编程能力与上一代持平，定价10in 50out。
GPT-6 Astra发布但暂不可用
OpenAI的GPT-6 Astra虽暂不能用，但展示了超长任务处理和强大3D建模能力，成本还比Claude低一半。
9月3日
Google发布Gemini 3.8 Flash及网络安全版本
Google密集发布Flash系列，新模型在工程和安全领域表现亮眼，价格实惠但2026年后将翻倍。
Gemini 3.8 Flash (High) 重塑 Agent Arena 前沿
GoogleDeepMind 新发布的 Gemini 3.8 Flash (High) 在多个竞技场表现优异，成本比同类模型低 44-50%。
Google发布Gemini 3.8 Flash第三款经济模型
Google六周连推三款经济模型，Gemini 3.8 Flash虽成本低但推理消耗高。
Google发布Gemini 3.8 Flash (High)模型
GoogleDeepMind发布Gemini 3.8 Flash (High)，在多个基准测试中超越前代版本和Claude Opus 5。
9月2日
Qwen3.8-Max-0902登顶CodeArena WebDev排行榜
阿里Qwen3.8-Max-0902以1691分登顶CodeArena WebDev排行榜，比前代模型高出22分，价格仅5美元/百万token。
Qwen3.8-Max-0902登顶Code Arena: WebDev
阿里Qwen3.8-Max-0902在代码基准测试中超越Claude和Kimi，价格实惠，多项类别领先。
8月28日
模型21:28
Terminal-Bench-Science基准发布斯坦福发布了科研AI代理基准Terminal-Bench-Science，Claude Opus 5仅完成30%，看看你的模型表现如何。
8月27日
长期智能体技能库维护技巧分享
Recuris分享了提升长期智能体效果的方法，对比GPT-5.6 Sol和Claude Opus 5，效果显著，值得一看。
Agent Arena发布模型评估：Claude Opus 5领先
Agent Arena更新了模型评估功能，Claude Opus 5在代码任务中表现出色，GitHub集成让编码更便捷。
8月26日
Recursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses
Recuris模型在长时程任务中显著提升了GPT-5.6 Sol和Claude Opus 5的表现，是长时程智能体驱动的递归记忆架构的一个突破。
8月24日
Anthropic Fable 5 模型占比6%，价格差距影响支出
Anthropic的Fable 5模型价格高，但占比低，而Opus 5在成本和性能上更具竞争力，值得关注其价格策略和模型竞争力
8月21日
Replit Free Mode vs Gemini 3.7 Flash vs Grok 4.6 vs Claude Opus 5 比较评测
Poonam Soni 在 Replit 上比较了 Free Mode、Gemini 3.7 Flash、Grok 4.6 和 Claude Opus 5，看看哪个在创建 Subway Surfer 克隆时表现最佳。
8月20日
经典与量子混沌到全息理论的学术讲座笔记发布
Anthropic出的Claude Opus 5帮忙搞的那套六次学术笔记，讲经典量子混沌到全息理论，比一般资料详细，想学这方向的可以看看。
Agent Arena 15款模型任务成本对比：性价比分析
Agent Arena发布了各模型任务成本对比，能清楚看到不同模型花多少钱和效果，和同类比啥不一样。
Agent Arena推出Pareto前沿任务性能对比平台
Agent Arena发布了Pareto前沿平台，能查各模型做真实任务里的表现，像 Claude 和 GPT 这些对比后就知道哪个更划算。
8月19日
Claude Opus 5等模型展示人体与物体融合绘画能力
Ann测试了四个模型如何将人体与物体融合绘画，Claude Opus 5的创意表现令人印象深刻。
8月18日
Agent Arena 新分类榜：代码榜首 GPT 5.6 Sol，工作聊天归 Claude Opus 5
想知道代码、工作、聊天分别谁最强？Agent Arena 新榜单给出答案：GPT 5.6 和 Claude Opus 5 各领风骚。
8月15日
FT数据质疑Anthropic千亿收入预测，价格战下Q4需翻倍
FT数据说Anthropic年入千亿有点悬，Q2才115亿，Q4得翻倍到250亿。中国模型份额从4.4%涨到60%，信息量大。
8月14日
70天超10款模型，CNBC：美国限制催化中国AI创新，加速进入全球企业业务体系
这篇把6月以来中国AI密集发模型的节奏和全球企业采购逻辑说清楚了，还给了DeepSeek比Claude便宜39倍的实测成本对比。
Gemini 3.7 Flash (High) 在 Text Arena 升至第9，得分1490
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。