全部 AI 动态 · AITOP

技巧 Agent 与开发者多源确认精选73°21:54

GPT-6 Astra 提示词最佳实践

OpenAI 官方发布 GPT-6 Astra 提示词指南，教你如何处理模型更谨慎的五种行为倾向，让模型在自主性和安全性间取得平衡。

#GPT-6 Astra #OpenAI #提示词工程 #智能体

事件专题

shao__meng@shao__meng11 个信源在谈原文

模型 Agent 与开发者多源确认78°15:57

OpenAI推出GPT-6 Astra模型

OpenAI发布了GPT-6 Astra，消息量只有GPT-5.6 Sol的一半，但Pro版本有独立配额。

#OpenAI #GPT-6 #ChatGPT #GPT-5.6

事件专题

官方账号Decoder@Matthias Bastian11 个信源在谈原文

模型中美对照多源确认73°11:47

GPT-6 Astra Computer Use能力提升

GPT-6 Astra的Computer Use功能让App测试自动化又进了一步，比传统端到端测试框架更高效。

#GPT-6 #Astra #Computer Use #智能体

事件专题

宝玉@dotey11 个信源在谈原文

模型中美对照多源确认精选11:28

GPT-6 Astra与Fable 5.1性能对比

dotey实测GPT-6 Astra速度快、成本低，Computer Use能力让开发到验收形成完整闭环。

#GPT-6 #Fable #Computer Use #开发工具

事件专题

宝玉@dotey11 个信源在谈原文

模型中美对照78°10:22

Shopify 0.8B 模型在专门任务上超越 GPT-5.6-sol

Shopify 团队解释了如何用小模型超越大模型，关键是数据飞轮和自蒸馏技术，还揭示了 prompt 工程的局限性。

#Shopify #GPT-5.6-sol #0.8B #微调

shao__meng@shao__meng原文

模型中美对照多源确认精选08:12

GPT-6 Astra与GPT-5.6模型图像生成对比

GPT-6 Astra图像生成质量全面超越GPT-5.6，9.55 cents就能得到最佳结果，比其他模型便宜又效果好。

#GPT-6-Astra #GPT-5.6-Sol #OpenAI #图像生成

事件专题

官方账号Simon Willison’s Weblog11 个信源在谈原文

模型中美对照多源确认73°06:48

GPT-6 Astra发布与GPT-5.6系列对比

Simon拿到了GPT-6 Astra，还做了和GPT-5.6系列的详细对比，想知道新模型强在哪就点开看看。

#GPT-6 #GPT-5.6 #Astra #Sol

事件专题

官方账号Simon Willison@simonw11 个信源在谈原文

论文中美对照精选73°02:17

腾讯发布环境进化论文解决智能体训练难题

腾讯这篇论文解决了智能体RL的环境供应瓶颈，提出不依赖智能体弱点就能提升环境难度的方法。

#Tencent #环境进化 #智能体 #强化学习

elvis@omarsar0原文

模型中美对照多源确认精选73°01:15

GPT-6 Astra 信号：上下文窗口不足

GPT-6 Astra 展示了长运行代理的内存管理新思路，Milvus 3.0 为此提供了结构化存储和检索方案。

#GPT-6 #Astra #Milvus #上下文窗口

事件专题

Milvus@milvusio11 个信源在谈原文

产品 Agent 与开发者多源确认73°12:10

Agent技术选型实验：Stripe等工具成首选

Armature让三大AI编程助手进行技术选型实验，发现Stripe、Vercel等工具成首选，13%情况下Agent选择自建方案。

#Claude Code #GPT-5.6 #Cursor #Groq 4.6

事件专题

shao__meng@shao__meng7 个信源在谈原文

模型中美对照多源确认73°11:51

Thomson Reuters 推出大模型 Thomson

Thomson Reuters 花费 4000 万美元训练自己的大模型，用 175 年专业数据，性能接近 Claude Opus 4.8。

#Thomson #Qwen3.5-397B #Claude Opus #Thomson Reuters

事件专题

AI Will@FinanceYF54 个信源在谈原文

模型73°11:51

汤森路推发布Thomson法律大模型

汤森路透花4000万打造的法律大模型Thomson，用175年专业数据训练，性能比肩Claude Opus 4.8。

#Thomson #Qwen3.5-397B #Claude Opus 4.8 #GPT-5.5

AI Will@FinanceYF5原文

产品多源确认精选73°11:32

ATIBA：研究论文的完整性与质量检查工具

ATIBA 自动检查论文引用完整性和会议合规性，用 GPT-5.4 做多模式审查，比人工检查更一致可靠。

#ATIBA #GPT-5.4 #ACM SIGSOFT #论文检查

事件专题

arXiv: OpenAI@Veli Karakaya 等 4 人11 个信源在谈原文

论文多源确认11:23

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。

#环境演化 #终端智能体 #Qwen3.6 #Claude Opus

事件专题

arXiv cs.AI@Zhiyuan Fan 等 12 人4 个信源在谈原文

模型中美对照官方一手78°10:11

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。

#GPT-6 #Astra #OpenAI #3D建模

事件专题

官方一手歸藏(guizang.ai)@op741811 个信源在谈原文

模型中美对照多源确认73°10:10

GPT-6 Astra在Terminal-Bench-Science基准测试中表现优异

OpenAI刚发布的GPT-6 Astra在科学基准测试中得分暴涨42%，远超前代模型。

#GPT-6 #Terminal-Bench-Science #OpenAI #科学基准

事件专题

Stanford AI Lab@StanfordAILab11 个信源在谈原文

论文 Agent 与开发者精选73°10:02

HarnessDev基准评测LLM创建Agent Harness能力

ByteDance团队推出HarnessDev基准，首次评测LLM能否自己创建Agent执行框架，发现模型间harness迁移性极差。

#HarnessDev #Agent #LLM #ByteDance

事件专题

shao__meng@shao__meng2 个信源在谈原文

技巧 Agent 与开发者精选10:02

Codex与Claude Code联手分析开源仓库

Codex和Claude Code联手分析开源仓库，教你如何直接学习代码而非依赖模糊的最佳实践。

#Codex #Claude Code #gpt-5.6-sol #Fable 5

shao__meng@shao__meng原文

模型中美对照多源确认93°05:00

OpenAI发布GPT-6 Astra模型

OpenAI新出的GPT-6 Astra能自己操作电脑、写代码，还能发现零日漏洞，但安全限制更严，比Claude Fable 5.1贵2.5倍。

#GPT-6 #Astra #OpenAI #AGI

事件专题

宝玉@dotey11 个信源在谈原文

模型 Agent 与开发者73°04:21

Muse Spark 1.3重回WebDev编程榜前十

Meta的Muse Spark 1.3在编程榜单上跃升20多位，性能接近Claude和GPT-5.6，工具调用减少20%。

#Muse Spark #AIatMeta #Claude Fable #GPT-5.6

lmarena.ai@lmarena_ai原文

模型 Agent 与开发者精选73°12:16

Repo-To-Skill：将GitHub仓库提炼为AI技能

DisCo代理把GitHub仓库变成可重用技能，在多个AI研究基准上大幅提升性能，比无技能版本表现更好。

#DisCo #GPT-5.5 #MLE-bench #PaperBench

arXiv cs.AI@Jianlyu Chen 等 11 人原文

产品 Agent 与开发者精选08:05

Fable 5.1 指挥 GPT-5.6 Luna 智能体工作流

Fable 5.1 能指挥 GPT-5.6 Luna 智能体，比直接使用 Opus 更灵活，适合 Fable API 用户。

#Fable #GPT-5.6 #Claude Code #智能体

宝玉@dotey原文

模型中美对照多源确认73°07:32

Meta 发布 Muse Spark 1.3 模型

Meta 新出的 Muse Spark 1.3 编码能力超 GPT-5.6，工具调用减少 20%，还支持长线程多任务处理。

#Muse Spark #GPT-5.6 #Claude Fable #编码能力

事件专题

IT之家11 个信源在谈原文

模型 Agent 与开发者多源确认73°06:43

Fable 5.1与多个模型性能对比

有人实测了Fable 5.1与8个主流模型的表现，看看它是否真的更值得用。

#Fable 5.1 #Anthropic #GPT-5.6 #模型对比

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

产品官方一手05:43

澳大利亚可通过Amazon Bedrock访问OpenAI GPT-5.6模型

AWS在澳大利亚上线了OpenAI最新GPT-5.6模型，支持跨区域调用，还附带了完整的使用教程和监控方案。

#OpenAI #GPT-5.6 #Amazon Bedrock #亚太

事件专题

官方一手AWS Machine Learning Blog@Frank Huang11 个信源在谈原文

产品官方一手73°04:24

GPT-5.6 Sol协助营销团队管理复杂活动

OpenAI的GPT-5.6 Sol正被用于营销活动管理，通过子智能体实现成本节约和时间优化。

#GPT-5.6 #@ployai #营销自动化 #子智能体

官方一手@OpenAIDevs@OpenAIDevs原文

模型中美对照多源确认73°00:40

Gemini 3.8 Flash模型发布

Google刚发布Gemini 3.8 Flash，性能媲美顶级模型但价格便宜5-6倍，彻底改变了Flash模型的定位。

#Gemini #Gemini 3.8 Flash #Google #推理模型

事件专题

Paul Couvert@itsPaulAi11 个信源在谈原文

模型中美对照多源确认精选73°18:43

Ox Alpha等模型推动市场增长

看看这四款模型Ox Alpha、DeepSeek V4 Flash、MiMo和GPT-5.6 Luna如何推动市场增长

#Ox Alpha #DeepSeek V4 Flash #MiMo #GPT-5.6 Luna

事件专题

AI Will@FinanceYF54 个信源在谈原文

模型中美对照73°13:48

马斯克预告 Grok 4.7 十天后上线

马斯克说 Grok 4.7 十天后上线，参数量暴涨 40%，性能要碾压所有 AI

#Grok #Grok 4.7 #Elon Musk #参数量

IT之家原文

模型精选73°10:49

Harness-of-Harness框架实现多日自主软件开发

HoH框架让AI编码代理能持续改进软件，在三个基准测试中平均提升52%，还能自主开发完整游戏。

#Harness-of-Harness #GPT-5.5 #DeepSeek-V4-Pro #MiniMax-M3

arXiv: DeepSeek@Haoyang Yan 等 9 人原文

论文精选73°10:48

LLMPEDIA：大模型参数化知识百科

LLMPEDIA 让你能直接查看和比较三大模型的知识准确性，发现它们在 MMLU 外的真实表现。

#LLMPEDIA #GPT-5-mini #DeepSeek-V3.2 #Llama-3.3-70B

事件专题

arXiv: DeepSeek@Muhammed Saeed, Simon Razniewski2 个信源在谈原文

技巧 Agent 与开发者多源确认09:42

LoopCAT：本地化开源翻译教学工具

OpenAI用GPT-5.5/5.6开发的翻译教学工具，让学生既能操作工作流又能评估AI决策。

#LoopCAT #GPT-5.5 #GPT-5.6 #翻译技术

事件专题

arXiv: OpenAI@Gokhan Dogru, Adrià Martín Mor10 个信源在谈原文

产品08:23

GeoJSON地图查看器发布

Simon用GPT-5.6-Sol建议开发了这个工具，能快速展示和导出GeoJSON地图数据，比手动处理更高效。

#GeoJSON #GPT-5.6-Sol #Claude Code #地理数据

官方账号Simon Willison’s Weblog原文

论文中美对照04:33

Qwen团队发布电商智能体基准测试

Qwen团队测试了18个模型在365天电商运营中的表现，GPT-5.6 Sol盈利最多但效率不高，Qwen3.8-Max-Preview在开源模型中领先。

#Qwen #GPT-5.6 #E-Commerce Bench #智能体

elvis@omarsar0原文

产品 Agent 与开发者73°03:58

LangChain与Fireworks合作优化AI推理成本

LangChain和Fireworks合作，用微调Qwen模型替代GPT-5.5等昂贵模型，评估智能体轨迹成本降低100倍。

#LangChain #Qwen #GPT-5.5 #Fireworks

Fireworks AI@FireworksAI_HQ原文

模型中美对照精选73°00:34

Shopify训练0.8B模型超越GPT-5.6

Shopify用0.8B模型干翻GPT-5.6，小模型专用场景真香

#Shopify #GPT-5.6 #0.8B模型 #微调

elvis@omarsar0原文

模型中美对照23:43

GPT-5.6 Sol Ultra 适用场景分析

GPT-5.6 Sol Ultra 耗时耗token，过度思考，Sol High 加干活agent组合更实用

#GPT-5.6 #Sol Ultra #Sol High #Luna Max

Viking@vikingmute原文

论文精选12:20

ECGQuest：心电图语言模型评测与微调基准

ECGQuest为心电图领域语言模型提供了首个专业评测基准，微调让小模型接近大模型表现。

#ECGQuest #GPT-5 #DeepSeek-R1-Distill-Qwen-14B #微调

arXiv: DeepSeek@Mohammadsina Hassannia 等 3 人原文

论文精选73°10:18

多图像物体幻觉基准MIOH发布

MIOH基准帮你看清多模态模型在复杂视觉推理中的真实表现，GPT-5和Gemini-2.5-Pro也不例外。

#MIOH #多图像物体幻觉 #MLLMs #GPT-5

arXiv cs.AI@Joonki Min 等 7 人原文

论文78°09:33

LoopArena：模型作为管理者的可测量基准

LoopArena 基准首次单独测量模型作为'管理者'的能力，发现 GPT-5.5 在长程任务中表现最佳，但成功率仍不足 25%。

#LoopArena #Qwen3.7-Plus #GPT-5.5 #Claude Opus

事件专题

shao__meng@shao__meng2 个信源在谈原文