全部动态
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。
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。
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%。
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。
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。
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。
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。
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。
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。
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。
xAI 的 Grok 4.6 跑分追平 GPT-5.6，智能体任务比 Claude 更省步数，价格还便宜一大截，想换 API 的可以看看。
Simon Willison 挖到 Claude Opus 5 系统提示里居然写了 Fable 出口管制这事，怕模型答不上来。挺有意思的。
Simon Willison把Claude Opus 5的系统提示词原文摘出来了，看看Anthropic怎么让模型应对自家产品被禁的事，挺有意思。
有人拿云朵照片同时问 Qwen3.8-Max、Claude Opus 5、Kimi K3、GPT 5.6 Sol，画动物轮廓它没输。
Anthropic新出的Claude Opus 5（Max）把代码榜刷到第一，1699分，前端和文本也登顶，这波挺猛。
Karpathy 的新测试：让 Claude Opus 5 用 100 万 tokens 把《指环王》开头做成 3D 场景，2 小时生成了 5500 行代码。
看 Karpathy 拿 Claude Opus 5 把小说开头变成能跑的 3D 场景，5500 行代码一次生成，挺有意思。
Qwen 的 Qwen3.8-Max 冲到代码榜第四，只比 Claude Opus 5 High 档低一分，做前端的可以看看。