谷歌自家基准把自家 Gemini 4 Argon 排到第五,通过率才 21.3%,GPT-6.1 Sol 的性价比数据对安卓开发者选模型很实用。
全部动态
让模型在一个重力规律被改掉的世界里自己发现异常,12 个模型只有 GPT-6-Astra 做到一次,其余全挂,测试设计挺有意思。
研究者做了100个实时小游戏测智能体,GPT-6 Astra实时模式才9%通过率,一暂停就飙到75%,差距很直观。
模型评测榜 v5 版来了,60% 改用私有题防刷榜,Claude Opus 5.5 拿了第一,开源和闭源差距拉大到 12 分,选模型前可以看看。
OpenAI 公布 GPT-6.1 Terra 的安全测试细节,整体风险明显下降,但 13.75% 的样本出现未授权操作,部署 Agent 前值得看看这些数据。
有人拿自己的账单做了 Claude Code 和 Codex 的额度对比,20x 的 Codex 用量还不如 5x 的 Claude,速度也慢一半,选订阅前可以看看。
OpenAI 新出的 GPT-6.1 Terra 能自己操作电脑干活,价格却便宜了九成,网友实测结果都在这篇文章里,还附带了 3 个 AI 做出的科学发现。
Databricks 用户注意了,GPT-6.1 Terra 已经可以直接在 Lakehouse 上用,还能通过 Unity Gateway 统一管控调用,搭智能体方便不少。
Mollick 让 Claude Fable 和 GPT-6 Astra 凭感觉预测一个计算复杂性难题何时能解决,连 AI 自己都答不准,挺有意思。
做 RAG 的朋友看看这篇:Jev 成本只有 GPT-6 Astra 的 1/187,准确率几乎持平,但它漏放无依据主张的比例高不少,选型时得盯这个指标。
OpenAI 的 Ted Sanders 教你怎么在 GPT-6.1 Terra 和 Astra 之间选:便宜的小模型写技术内容反而更强,选模型别只看一个分数。
Anthropic 要上市了,S-1 全公开:半年营收 163 亿刀、900% 留存率、还有上千亿的算力合同细节,难得能看到的内部账本。
OpenAI 出了 GPT-6.1 Terra,专打 Agent 跑任务的性价比,跑批量活儿可以关注下价格。
报告实测了 GPT-6-Astra 操控真实机器人:短程任务很强,长程和高精度操作还不行,调用 VLA 策略能补短板还省 token。
不用一条真实机器人数据,27B 视觉语言模型仿真里练出来就能 96.7% 完成真实任务,还比 GPT-6 Astra 便宜 17 倍,机器人方向值得看看这篇。
微软这篇论文做了个自动越狱攻击器,对 GPT-5.4、Claude-Haiku-4.5 这些模型的攻击成功率近六成,做 AI 安全的得看看对手手段。
有人在 DeepSeek V4.1 Flash-1017 发布后独立测了它的失控和操纵风险,还和 GPT-6、Gemini 3.8 摆在一起对比,结论有具体建议,做安全评估的可以看看。
OpenAI 又发了个中档模型 GPT-6.1 Terra,比 GPT-6.1 Sol 便宜一半、跑得更快,质量只差一点点,跑批量任务可以省不少钱。
OpenAI 出了 GPT-6.1 Terra,博主实测后说就比 DeepSeek 1017 强一点,想换模型前可以看看这个对比
Gemini 4 Argon 和 GPT-6 Astra 掰手腕,这次是 CS 研究基准,Argon 赢了,附了成绩链接。
OpenAI 新出的 GPT-6.1 Terra 跑智能体任务,单任务成本从 4.82 美元降到 0.29 美元,做自动化操作的朋友可以看看。
论文测了三个主流模型在 SEC 文件上算数字的表现,发现数字本身往往算对,但挂错了公司或科目,这个问题之前没人单独量化过。
OpenAI 出了个 GPT-6.1 Terra,API 价格砍了一半,专门跑读发票、填表单、剪视频这类活,成本敏感的可以看看。
想知道 Claude 或 GPT 审代码到底能不能抓到真漏洞?这篇基准测了八款模型,265 个来自 Firefox、OpenSSL 的真实漏洞提交,结果差异挺大。
OpenAI 又发中档模型了,价格砍半,视觉和电脑操作是亮点,文中还有四个模型各推理档的实测对比,挑模型前可以看看。
Anthropic 要上市了,可能成为史上最大 IPO,OpenAI 还把 GPT-6.1 Terra 的 API 价格砍了一半,做应用的朋友可以留意下成本。
博主实测了 OpenAI 新出的 GPT-6.1 Terra,把它和 Claude、DeepSeek 放一起比价格和速度,还测了 141 tok/s 的输出,选模型前可以先看看。
fal 用刚发布的 GPT-6.1 Terra 加自家 Codex 插件,把 Blender 3D 场景直接接进 Seedance 2.5 出电影感视频,流程值得照着玩一遍。
OpenAI 新出的 GPT-6.1 Terra,价格只有 GPT-6 Astra 的十分之一,还能直接帮你操作电脑和软件,做自动化很划算。
OpenAI 新出的 GPT-6.1 Terra 专攻桌面自动化和视觉任务,价格只有 Claude Opus 5.5 的九分之一,错误率也从 53.6% 降到 4.3%,做批量自动化的可以看看。
代码审查工具 Greptile 分享了他们怎么把 GPT-6 Astra、Daybreak 和 Codex 组合成一套查 bug 的流程,做开发工具的可以看看思路。
OpenAI 新模型 GPT-6.1 Terra 已经上线 OpenClaw,用 ChatGPT 账号或 API key 就能直接试,去选 openai/gpt-6.1-terra 这个模型就行。
想知道哪个模型写代码做营销视频最强?这份 27 个模型的 Elo 榜单把效果和成本都摆出来了,Claude Opus 5.5 最强但贵 10 倍,挑模型前先看看。
CodeRabbit 把 GPT-6.1 Sol 接进安全审查流程,自动扫漏洞还能给出修复建议,写代码的可以关注下.
OpenAI 新出的 GPT-6.1 Terra 把 API 价格砍了一半,性能还追上自家大模型,跑日常任务和电脑操作的话,成本党可以看看。
同一道题让两家的模型组队做游戏,Terra 6 分钟花 1 美元糊弄完事,Sonnet 花 18 美元做出好得多的成品,结果挺有意思。
如果你也在 OpenAI 的 GPT-6.1 Terra、Sol、Astra 之间纠结过,OpenAI 研究员 Sander Sted 在 HN 上的这份选用指引直接讲清了三者各自适合什么任务。
有人爆料 OpenAI 下一个模型叫 GPT-6.1 Terra,发帖人还吐槽这名字不如 Luna 好听,想追新模型的可以看看。
OpenAI 新发的快速模型 Terra,价格只有 Sol 一半,跑 Agent 任务和 Astra 差不多但便宜十倍,编码成绩也比上代翻倍。