全部动态

Simon Willison 用 GPT-5.5 写了这个 Web 组件，能自动从 GitHub 链接抓取指定行的代码显示在网页上，带行号，做文档或博客嵌入代码很方便。

别盯着Fable 5一个模型，试试用Opus做规划、GPT执行、GLM设计，省token效果还好

elvis@omarsar011 个信源在谈原文

一张图告诉你开源模型追上GPT-4还要多久，Fable 5本地跑要等到2028年。数据很具体。

AI Will@FinanceYF5原文

这篇论文用GPT-5.2做药物副作用评估，温度调优后准确率从45%跳到72%，对药物安全分析很有参考价值。

Gary Marcus 直接批评 GPT-5.5-xhigh 连设计实验的能力都没有，戳破了大模型自动搞科研的幻想。

Gary Marcus@GaryMarcus原文

Simon 发布了 sqlite-utils 4.0rc3，主要加了复合外键支持，还修了一堆 issue。用上 Claude 和 GPT 帮忙，少踩不少坑。

别被医疗AI的高分骗了，Nature Medicine这篇研究告诉你基准测试和真实临床差距有多大。

Gary Marcus@GaryMarcus原文

OpenAI 下周可能发 GPT-5.6，配额更宽松，专门抢 Claude 用户。同时 Gemini 3.5 Pro 也跳票到 7 月 17 日。想了解前沿模型动态的可以关注。

elvis@omarsar010 个信源在谈原文

Claude Fable 5 能把蜘蛛侠荡网变成可玩的 Godot 游戏，而且比 GPT-5.5 少出不少错，做游戏可以试试它。

AI Will@FinanceYF511 个信源在谈原文

Meta的Watermelon模型在基准测试里追平了GPT-5.5，说明它们砸钱抢人搞基建确实出成果了，值得看看这个追赶进度。

想看看AI智能体怎么自己迭代策略吗？EvoPolicyGym这个新基准让GPT-5.5跑了16个强化学习环境，全部拿到前两名。

Refploit能自动修复代码智能体生成漏洞利用时出错的部分，用DeepSeek-V4-Flash在143个Java漏洞上做到80.2%成功率，比PoCGen和GPT-5.4驱动的Codex都强。搞漏洞研究的人可以关注。

GPT-5.6名号刚冒出来，开发者已经开始焦虑了，看看大家怎么接梗的

shao__meng@shao__meng11 个信源在谈原文

想了解GPT-5 mini、Gemini 3 Flash、DeepSeek Chat谁更适合Scrum考试？这篇论文用993道真题实测了准确率和稳定性，还分析了典型错误原因。

别纠结谁更强了！GPT-5.5、Opus-4.8、GLM-5.2组合用才是新玩法，学会这招直接降维打击。

elvis@omarsar011 个信源在谈原文

真的得自己测测模型，别光看跑分——比如Gemini 3.1和GPT-5.5在担心亏损上表现不一样，别人测的不等于你用的。

Ethan Mollick@emollick原文

这篇论文发现LLM写的概率统计程序常有隐藏错误，单元测试根本抓不到，但用贝叶斯校准检测准确率高达97%，修复效果也远超传统方法。

想搞形式化验证代码生成？这篇论文的 AxDafny 用验证器做迭代修复，把 Dafny 编程题的验证成功拉到 92.7%，比之前的最好方法还高 6.5 个百分点。

这篇论文的方法很实在，用多模态搜索加整体判断，在ARC-AGI-2上做到了72.9%，比GPT-5.2 Pro高了将近19个点，代码还开源了。

这篇论文提出一个叫AutoTrainess的智能体，能自己跑模型训练流程，不用人盯着。在PostTrainBench上比纯命令行强，还能帮DeepSeek-V4涨分。

Anthropic 的 Fable 5 和 Mythos 5 解禁了，但有政府安全条件。OpenAI 的 GPT-5.6 也被限制，引发业界对管制拖慢创新的讨论。

宝玉@dotey11 个信源在谈原文