全部动态

Ethan Mollick 聊了 GDPval 的后继基准，还发现 GPT-6 Pro 能挑出评分错误，做模型评测的可以看看

Ethan Mollick@emollick2 个信源在谈原文

50 个 GPT-6.1 Sol 智能体在 Minecraft 里被一晚危机逼出全套分工制度，对抗 Claude Opus 5.5 时还直接改游戏源码，过程很有意思。

官方账号Decoder@Maximilian Schreiner11 个信源在谈原文

把上百个智能体扔进《我的世界》打架建城，结果 GPT 蜂群 7 局赢了 Claude 6 局，官僚化那段太好笑了

OpenAI 和 Anthropic 撞日子发新模型，GPT-6.2 Astra 灰测中，还有疑似权重泄露被下了 5000 次的瓜。

量子位@梦晨11 个信源在谈原文

The New Stack 拿 GPT-6.1 Terra 和 Claude Opus 5.5 跑了三组硬核测试，Terra 答题更准还只要八分之一的价格，数据很实在。

Blognone@mk11 个信源在谈原文

GPT-6.2 Astra 和 Fable 5.5 同时被曝出来，11 月怕是要连着熬夜看发布了，先看看这波都有谁下场。

爱范儿@山宗11 个信源在谈原文

GPT-6.1 Terra 价格砍半还专门做 computer-use，Anthropic 则要上市了，代码都定好了 ANT，这周两家动作不少。

Tibor Blaho@btibor9111 个信源在谈原文

OpenAI 把 ChatGPT 和 Codex 的额度合并成一个 token 池，12 月生效，重度写代码的人聊天额度也会被吃掉，订阅前得看看。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

OpenAI 定价页悄悄挂出了 gpt-6-astra-law，输入 10 刀、输出 50 刀，定位法律场景，还给了到 2026 年底的促销价，可以留意。

TestingCatalog@testingcatalog11 个信源在谈原文

作者拿一张做了很多陷阱的网页图让 7 个模型复刻，有源代码做像素级打分，谁快谁准谁省钱一目了然，选模型前先看这份成绩单。

掘金本周最热@甲维斯原文

三大模型同周换榜：Gemini 4 Carbon 直接冲到文本第一，GPT-6.1 Terra 花 0.62 美元就能跑完一个任务，选模型前先看看这份数据。

lmarena.ai@lmarena_ai11 个信源在谈原文

OpenAI 转发了社区玩家用 GPT-6 Astra 远程操控机械臂的视频，想看模型落到物理世界的话可以瞅瞅。

官方一手@OpenAIDevs@OpenAIDevs11 个信源在谈原文

Simon 又发观察文了：他说 Opus 5.5 连 3D、音乐、游戏设计都能一手包办，GPT-6 Astra 暂时还差点趣味感，做游戏的可以看看。

向阳乔木@vista811 个信源在谈原文

一个每月烧 300 万美元 token、由智能体全自动写代码的游戏项目，连 bug 都是 AI 自己发现自己修，读着很开眼。

Anthropic 把 Claude 看紧了，中国的实验室转头去蒸馏 OpenAI 的 GPT-6 Astra，这篇讲的就是这个转移。

官方账号Decoder@Maximilian Schreiner11 个信源在谈原文

Google 两周内连发 Argon 和 Carbon，Carbon 综合榜 59 分登顶，引入期价格只有 Opus 5.5 一半，不过编程测试还没打过 GPT-6 Astra。

岚叔@lufzzliz11 个信源在谈原文

两个大模型在机器人上写同一个 hello world，一个磨了 34 分钟用 3270 次动作，另一个 13 分钟搞定，差异很直观。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

想挑个说话不绕弯子的模型？这份榜单直接量化了各家的“直球”程度，GPT-6 Sol 和 Grok 系列得分最高。

官方账号Artificial Analysis@ArtificialAnlys原文

Google 放出了新的 Gemini 4 Carbon，在 Artificial Analysis 的榜单上超过了 Claude Opus 5.5 和 GPT-6 Astra，这次还特别强化了网络安全能力。

官方账号theverge@Emma Roth11 个信源在谈原文

Google 放出 Gemini 4 Carbon，网络安全基准把 GPT-6 Astra 甩开 12 个点，不过现在只有安全领域的合作伙伴能用，定价倒是和 Argon 一样。

Blognone@lew11 个信源在谈原文

AI/ML API 出了个 Jev Router，能按任务难度自动挑模型，简单活走便宜模型，省不少 API 费用。

TestingCatalog@testingcatalog原文

Google 新版 Gemini 4 Carbon 文本榜登顶了，Agent 榜排第二，仅次于 Opus 5.5，想看榜单情况的可以看看。

TestingCatalog@testingcatalog11 个信源在谈原文

Google 两周内连发两代旗舰，Carbon 的漏洞发现和修补成绩直接压过 OpenAI 和 Anthropic，长上下文 96.2% 也很猛，定价还先打折，搞安全的建议盯一下。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Google 的 Gemini 4 Carbon 把 Opus 5.5 和 GPT-6 Astra 都比下去了，还拿下 Artificial Analysis 指数第一，看看这次是不是真翻身。

Yuchen Jin@Yuchenj_UW11 个信源在谈原文

GitHub 新出的 Copilot Fusion 会自动在 Claude 和 GPT 模型里挑着用，跑分只比 Opus 5.5 低 2 分，成本却便宜一半。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Simon Willison只用聊天界面就vibe出了四款真的好玩的游戏，他说Opus 5.5的游戏设计感超过了GPT-6 Astra，想自己做游戏的话这篇是很好的参照。

评估榜单 Artificial Analysis 更新到 v5，Claude Opus 5.5 超过 GPT-6 系列，选模型前可以看看这版新排名。

@koltregaskes@koltregaskes11 个信源在谈原文

Claude Opus 5.5 拿下 58 分登顶，GPT-6 Astra 只差 1 分，还新增了两个编程基准，选模型前可以看看这份榜单。

TestingCatalog@testingcatalog11 个信源在谈原文

Artificial Analysis 把 60% 评测改成私有题库防作弊，现在 Claude Opus 5.5 排第一，选模型前可以看看这份新榜。

kimmonismus@kimmonismus11 个信源在谈原文