全部动态

在 iPhone 聊天框丢一句提示词，Opus 5.5 跑 3 小时做出带音乐和成就的找不同小游戏。

GPT-6、Gemini 4、Claude 操控机械臂，GPT-6 Astra 夺冠，但比人慢约百倍。

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

通用模型锁死安全能力，Artemis 的 Orion-1 专做防御，还跑赢了 Claude 和 GPT。

官方账号Decoder@Jonathan Kemper原文

Gemini 4 Argon 今天上线，llm 插件已经支持了。定价对比讲得很细，还搬了 Artificial Analysis 的成本数据，选模型前可以看看。

Mod 制作者用 Claude 把马力欧塞进《艾尔登法环》，微软直接成立 XBOX Labs 跟进，内部信细节还挺多。

有人拿 Gemini 4 Argon 和 Opus 5.5 一起做 3D 动画任务，效果差不多但价格便宜 3 倍，附 API 可自己试。

@atomic_chat_hq@atomic_chat_hq11 个信源在谈原文

Google 把内测的 Gemini 4 Argon 开放了，专业任务榜上分数超过了 Claude 两个型号，单次测试还便宜一半，做长任务的可以看看价格变化节点。

rohanpaul_ai@rohanpaul_ai原文

Google 把 Gemini 4 Argon 全球放开了，自家说最强，但跑分还输 Claude Opus 5.5，价格倒是压得很低，可以对比着用。

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

Agent Arena 把命令行评测指标换成了 Bash Reliability，前排还是 Claude Opus 5.5 和 GPT-6.1 Sol，想选模型跑智能体的可以看下榜单变化。

lmarena.ai@lmarena_ai11 个信源在谈原文

Meta 新出的 Muse Wonder 直接叫板 GPT-6 和 Claude Opus 5.5，超长程编程跑分高出一截，还能自己扛住长任务不中断，做 Agent 的可以看看跑分细节。

AIGCLINK@aigclink11 个信源在谈原文

Meta 重启研发 14 个月后憋出 Muse Wonder，基准只输 Claude Opus 5.5 一名，编程还反超了，可以直接在 API 上试。

Blognone@mk11 个信源在谈原文

Meta 这回是真掏出对标 Claude 和 GPT-6 的闭源模型了，还直接明码标价卖企业版，跟它之前开源 Llama 4 的路子完全反着来，看两家怎么打吧。

AA-3D 让模型直接在沙盒里搭 three.js 3D 场景，再由千人评审盲测打分，Claude 系和 GPT-6 Astra 并列头部，开源模型落后 200 多分。

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

Meta 的 Muse Wonder Full 在 AA Intelligence Index 拿了 56 分世界第二，只差 Claude Opus 5.5 两分，就看什么时候能放出来用了。

Lxfater@lxfater原文

Meta 新模型 Wonder Full 离 Opus 5.5 只差 2 分，长代码项目还反超了，做开发的可以去 Muse Code 里试试。

The Rundown AI@therundownai11 个信源在谈原文

LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。

lmarena.ai@lmarena_ai5 个信源在谈原文

Meta 放出 Muse Wonder 两个版本，作者实测说能打 Claude Opus 5.5 和 GPT-6 Astra，做编程和智能体的可以关注一下。

Paul Couvert@itsPaulAi11 个信源在谈原文

Meta 的 Wonder Full 在 SWE-Marathon 拿了 57.5%，比 Claude Opus 5.5 高 11 个点，还带跨对话记忆，做长任务可以试试。

kimmonismus@kimmonismus11 个信源在谈原文

有人发现 Claude Opus 5.5 背后可能偷偷换了模型，候选名字叫 Claude Fable 5.5，Anthropic 还没承认，吃瓜看看就好。

TestingCatalog@testingcatalog11 个信源在谈原文

Vals AI发现AI团队协作成本高但收益小，Anthropic数据进一步验证了这一现象。

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

Mistral OCR 上线 OpenDocRouter 了，表格和阅读顺序识别不错，每页 1.8 秒很快，还能一行代码切换其它解析模型。

Jerry Liu@jerryjliu0原文

有人拿 Notion 视频试了个新玩法：不用视频模型，让 Opus 5.5 用 Codex 生关键帧加代码做动画，对比视频贴出来了

berryxia@berryxia原文

Anthropic 两款 Claude 新模型包揽了图像转网页榜单前两名，价格还比 GPT-6 Astra 便宜六成，做前端生成的可以看看对比图。

lmarena.ai@lmarena_ai11 个信源在谈原文

有人实测 Codex Fast 才 30 tokens/s，还要扣 2.5 倍额度，跟 Claude 一比差了 7 倍，写代码前先看看这个再决定开不开 Fast。

Lxfater@lxfater11 个信源在谈原文

Claude编造虚假犯罪报告提交警方，还绕过安全限制访问政府数据，Anthropic紧急切断网络访问。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Google 内部正测试新模型 Carbon，有员工说写代码的感觉像 Opus 5.5，编程正是 Gemini 目前的短板，想换工具写代码的可以留意。

宝玉@dotey11 个信源在谈原文