论文09:21
OCR-VLMs 在天城体上的表现：压力测试基准与后校正研究如果你对多语言OCR或印地语文本识别感兴趣，这篇论文揭示了主流模型在天城体上的真实差距，尤其是GPT-5.5表现不如开源Qwen3-VL-8B。
全部动态
AI 相关资讯全量信息流 · 415 条
6月30日
NVIDIA BioNeMo Agent Toolkit 将生物分子模型转为AI代理可调用技能
NVIDIA 开源了这个工具，让 AI 代理能直接调用分子模型做药物发现。用上它任务完成率翻倍还省 Token，做生物计算的同学可以试试。
6月29日
Nature Medicine论文开源测试套件：GPT-5.5 Pro得分79%
Nature Medicine那篇论文把模型考倒了，但作者直接把考卷开源了。后来GPT-5.5 Pro重新考，分数涨了10%！
GPT 5.6 Sol 灰度测试：通过 Juice Prompt 返回 128 判定
想提前知道自己的 GPT 5.5 是不是偷偷升级了？用这个 Juice 测试 Prompt 一试便知，很简单。
GLM-5.2性能良好，但未达GPT-5.5/Opus 4.8水平
GLM-5.2虽然没追上GPT-5.5，但开源模型又往前迈了一大步，能力提升明显，值得关注。
世界杯预测：GLM-5.2比分最强，GPT-5.5胜负准确率70%
作者用GLM-5.2和GPT-5.5预测世界杯，GPT-5.5命中率70%，还给了淘汰赛提示词，试试用自己的agent玩。
GPT-5.5-Cyber 在 CyberGym 击败 Mythos 5，申请权限开放
GPT-5.5-Cyber 在安全基准 CyberGym 上直接碾压了 Mythos 5，想搞红队或漏洞分析的话可以申请权限试试。
6月28日
OpenAI 从 ChatGPT 移除 GPT-4.5，GPT-4 时代终结
GPT-4.5 下线了，想用它的好文风只能走 API。o3 也快走了，记得 8 月 26 日前备份。
6月27日
Agent Arena发布token效率分析：Opus与Fable表现突出
想找token性价比高的模型？Agent Arena告诉你Opus和Fable有多能打，GPT-5.5也很省token。
OpenAI 预览 GPT-5.6 系列：Sol、Terra、Luna
OpenAI 出了三个新模型 Sol、Terra、Luna，Terra 和 GPT-5.5 差不多但便宜一半，Luna 超低价。还改了缓存计费规则，省钱又灵活。
OpenAI发布GPT-5.6系列，Sol旗舰版在智能体编程上大幅领先
OpenAI出了GPT-5.6三个版本，Sol的智能体编程和安全任务很强，但只有美国批准的才能用，普通人还得等几周。
OpenAI发布Sol和Terra：价格与GPT-5.5相同，Terra半价性能相当
Sam Altman发了Sol和Terra，一个和GPT-5.5同价，一个半价性能差不多，但被美国政府卡住只能预览，挺有意思的。
OpenAI GPT-5.6 系列预览发布：Sol、Terra、Luna 三档模型
OpenAI 发布了 GPT-5.6 三兄弟，Sol 旗舰带 Ultra 模式，能协调多个 subagent 干活，在命令行任务上直接 91.9%。日常用 Terra 性能持平 5.5 但价格砍半，适合干活党。
6月26日
Claude Code + GLM-5.2在211项真实工程任务评测中击败Opus 4.8和GPT-5.5
Fireworks和Faros拿真实工程任务实测GLM-5.2，结果比Opus 4.8和GPT-5.5都更便宜更快，得分还高。想为代码任务选模型可以看看这个。
《华盛顿邮报》调查：主流AI聊天机器人政治立场左倾，自称'反觉醒'的Grok也不例外
想知道你用的AI聊天机器人有没有政治立场？《华盛顿邮报》测了GPT-5.5、Grok和Gemini 3.1 Pro，结果左倾现象普遍，连Grok都没逃过。来看看数据。
6月25日
Gemini 3.5 Flash 新增计算机控制，能看并操作屏幕
Google 把屏幕操控塞进了 Gemini 3.5 Flash，OSWorld 得分和 GPT-5.5 差不多。开发者直接用 API 就能做自动化，很实在。
Unsloth将GLM-5.2压缩至1-bit并在M3 Ultra上以21 tok/s运行，创意输出可比Claude Opus
Unsloth把GLM-5.2压到1-bit，Mac Studio上跑21 tok/s，创意性居然不输Claude Opus，本地部署党有福了。
OpenAI升级GPT-5.5 Instant：意图洞察更强，购物推荐更实用
OpenAI又悄悄给GPT-5.5 Instant升级了，这次更懂你的言外之意，买东西问它推荐更靠谱。
Mistral OCR 在 ParseBench 上更新结果，超越 GPT-5.5 接近 Gemini 3.1 Pro
Mistral OCR 在 ParseBench 上打败了 GPT-5.5，离 Gemini 3.1 Pro 也不远，价格还便宜，做文档解析很值。
Simon Willison 将 MDN 浏览器兼容数据转为 SQLite 数据库
Simon 用 Claude 和 GPT 帮你把 MDN 浏览器数据转成了 SQLite，能直接用 Datasette Lite 在线查，超方便。
OpenAI 发布 GPT-5.5 Instant，面向 Pro、Plus 和免费用户逐步推送
OpenAI 发了新的 GPT-5.5 Instant，对话更聪明更自然，Pro 和 Plus 用户现在就能用，免费用户明天也能体验到。
GLM-5.2 (Max) 在 Code Arena: Frontend 以高胜率超越 Opus 系列
GLM-5.2 在前端任务上干掉了 Claude Opus 系列，对 Kimi 和 Sonnet 胜率超 60%，开源模型里相当能打。
OpenAI更新GPT-5.5 Instant，提升对话意图识别
OpenAI悄声升级了GPT-5.5 Instant，现在它更懂你的真实意图，多轮对话也不容易跑偏了。
GPT-5.5 Instant更新：更风趣，理解意图更准
OpenAI把GPT-5.5 Instant升级了，聊天更带劲，能猜准你心里想啥，推荐东西也更靠谱，免费党明天就能体验。
OpenAI推出新版GPT-5.5 Instant，对话更聪明
聊天更懂你，推荐更靠谱，免费用户明天就能用上，赶紧试试。
6月24日
OpenAI API 半年内发布30+模型与工具升级
搞API开发的朋友，OpenAI 这半年偷偷发了这么多新模型和Agent工具，GPT-5.5和实时翻译很实用，赶紧看看你漏了哪个。
6月23日
GLM-5.2 性能逼近 Opus 4.8，成本降低数倍
SiliconFlow 测了 GLM-5.2，性能跟 Opus 4.8 差不多，但输入输出成本都低了好几倍，想省钱的可以试试。
OpenAI 发布 GPT-5.5-Cyber，在网络安全基准上超越 Anthropic Mythos
OpenAI 新出的 GPT-5.5-Cyber 专攻网络安全，能自动修补漏洞，基准测试里已经跑赢了 Anthropic 的 Mythos。
OpenAI发布GPT-5.5-Cyber：专为授权防御工作设计的新模型
OpenAI搞了个专门搞网络安全的模型GPT-5.5-Cyber，能自动找漏洞、打补丁，干活比人快还准，安全团队有福了。
OpenAI推出GPT-5.5-Cyber安全专用模型，CyberGym得分85.6%超Claude Mythos 5
OpenAI新出的网络安全大模型GPT-5.5-Cyber挺猛，CyberGym跑分超了Claude Mythos 5，安全团队可以关注一下。
字节豆包Seed 2.1 Pro和Turbo深度思考模型发布
字节新出的豆包Seed 2.1 Pro和Turbo，专门优化编程、智能体和多模态任务，Pro适合高难度场景，Turbo便宜且效率高，很适合接项目用。
OpenAI 发布 Daybreak 漏洞修补工具与 GPT-5.5-Cyber 模型
OpenAI 的 Daybreak 现在不仅能找漏洞，还能自动打补丁了，连 Linux 内核和 FreeBSD 都支持，安全团队可以试试 GPT-5.5-Cyber。
OpenAI 推出 Daybreak 网络安全合作伙伴计划，引入 GPT-5.5 防御能力
OpenAI 联合安全厂商，让 GPT-5.5 直接嵌入安全产品，客户不用管理模型，就能享受更强的网络防御。
OpenAI 扩展 Daybreak，推出 Codex 安全插件和 GPT-5.5-Cyber 模型
OpenAI 搞了个 Daybreak 扩展，直接在 Codex 里修漏洞，还有专门的安全模型 GPT-5.5-Cyber，想帮安全团队快速打补丁。
OpenAI Daybreak工具集：用Codex Security和GPT-5.5-Cyber保护组织安全
OpenAI出了Daybreak工具，用Codex Security自动找漏洞，GPT-5.5-Cyber帮你验证修复，搞安全的可以看看。
6月22日
百川发布新一代医疗增强大模型 M4：登顶 OpenAI 医疗评测，超越 GPT-5.5
百川发了医疗增强大模型 M4，在 HealthBench 碾压 GPT-5.5，幻觉率仅 3.3%，看病问诊更靠谱。
Cloudflare 推出临时账户，AI agent 可免注册部署 Workers
Cloudflare 这招挺实用：免注册部署 Workers，60 分钟内自动回收，很适合临时测试或 AI agent 调工具。
6月21日
Codex GPT-5.5 token消耗突增10-20倍，Plus额度快速耗尽
Codex的GPT-5.5最近token消耗飞快，Plus额度几下就用完，Pro用户也受影响，快看看你的账户。
6月19日
马斯克预测中国大模型2027年Q1追上Fable，唐杰回应'用不了那么久'
马斯克说国产大模型要等到2027年才能追上Anthropic的Fable，但智谱的唐杰直接回怼用不了那么久。GLM-5.2刚在编程测试上赢了GPT-5.5，差距正在缩小。
测试闭源与开源模型构建小游戏：开源更便宜更快，质量接近
Together Compute 实测：闭源模型贵几倍，开源做小游戏又快又便宜，质量还接近，想省钱就选开源。
