NVIDIA 开源 ASPIRE 机器人学习框架
NVIDIA 把 ASPIRE 开源了，能驱动真实机器人操作还能持续学新技能，LIBERO-Pro 跑到 99%，搞具身智能的可以直接看代码复现。
全部动态
AI 相关资讯全量信息流 · 1236 条
10月17日
Elorian 发布首个模型 Glimpse，主打以图像为核心的推理
新公司 Elorian 出了个视觉推理模型 Glimpse，自称图表理解和视频描述能打赢 GPT-6 Astra，不过数据是自评的，看看就好。
10月16日
Liquid AI 发布 d1-ultra，登顶 Artificial Analysis Decision Index v1.0
Liquid AI 新出的 d1-ultra 拿了决策模型榜第一，幻觉率从 2% 干到 85%，价格只有 GPT-6 Luna 一半，做自动化决策的可以看看。
Nick Cammarata 新文：神经元可解释性研究曾被误读，Qwen3-32B 审计显示 90% 神经元有明确职能
Zoom In 论文作者自己出来纠正旧结论，Qwen3-32B 上 90% 神经元有明确职责，做可解释性的人应该看看这篇。
作者分享如何用满 2 个 Claude Max 账号加 1 个 ChatGPT Pro 账号
这位作者把 2 个 250 刀的 Claude Max 和一个 ChatGPT Pro 用到极限，连远程 Windows 和 Android 平板都接上让 AI 操作，多设备工作流讲得很具体。
科技爱好者周刊（第415期）：Claude Opus 5.5 把《看不见的城市》建成了3D版
用 Claude Opus 5.5 和 GPT-6 Astra 把小说里的55座城市做成3D，前者把粉红雾气都还原出来了，对比很有意思，还有赛博九龙可玩。
预测：中国模型或于2027年5-6月追平 GPT-6 Astra 和 Opus 5.5
一条关于中美模型差距收敛时间的预测帖，把窗口圈到2027年5月前后，可以拿去对照明年各家发布节奏。
Claude Opus 5.5、Gemini 4 Argon、GPT-6 Astra 同题重建游戏视觉引擎
同一款游戏视觉引擎让三款顶级模型分别重写，谁更会做游戏一眼能对比，结果都贴出来了。
Agent Arena 更新 Bash Reliability 指标，Claude Opus 5.5 居首
Agent Arena 榜单换了个新指标 Bash Reliability，Claude Opus 5.5 还是第一，开源最强的 GLM 5.2 排到第 15，想选编程模型可以看看。
10月15日
GPT-6-Astra 在 TheoPhysEval 基准解出 50 道理论物理题中的 49 道
OpenAI 的 GPT-6-Astra 在 TheoPhysEval 上做对了 50 道 unpublished 物理题里的 49 道，一题才 2.4 美元，连专家答案被它挑出错的桥段都值得看看。
Gemini 4 Argon 登上 Epoch 能力指数 165 分，逼近 Opus 5.5 与 GPT-6 Astra
Google 新模型 ECI 拿了 165 分，只差 Opus 5.5 两分，四大模型正面比数字，一看就懂谁强谁弱。
10月15日AI快报：Grok Voice 3.0发布，Anthropic新加坡设点
一天的重点都收好了：Grok Voice 3.0 延迟降四成，Claude Code 能管多会话了，还支持 OpenTelemetry 追踪。
Ling 3.1 Flash 开源权重发布，本地运行在 LEGO 埃菲尔铁塔生成上击败 GPT-6 Luna
Ant 旗下 Ling 3.1 Flash 放出开源权重了，本地跑就能用，同一提示词下生成效果赢过 GPT-6 Luna，还便宜 2.8 倍，想省钱本地部署的可以试试。
研究拆解 LLM 网络威胁情报实体抽取失败模式：主要问题不是幻觉
DeepSeek-V4-Flash 和 GPT-6.1-Sol 抽实体都不靠谱，但坏的原因不是幻觉，而是把背景信息当成攻击实体。用置信度分层排审核优先级，别当真值。
GPT-6 Astra 在 TheoPhysEval 物理评测中拿下 49/50
物理评测的标准答案自己都错了，GPT-6 Astra 反而是对的，最后拿 98%，这条挺有意思的。
BizBench 基准揭示前沿模型在企业级长程任务中的执行短板
支付公司真实流程做的 Agent 考卷，Claude Opus 5 也只拿 64 分，还有模型执行时多打七成工具调用，挺有意思。
Design Creativity Bench 发布：GPT-6 Astra 创造力第一，仍远低于人类设计师
Kombaico 做了个测 AI 设计创造力的榜单，GPT-6 Astra 才拿 65.5 分，人类是 92.3，模型们设计得都挺像，论文和代码都开源了。
用户吐槽 Codex GPT-6 Astra 发视频任务失败
有博主实测 Codex GPT-6 Astra 的 Computer use 发视频，权限问了二三十次还是没发出去，额度还烧光了，真实翻车体验可以看看。
Perplexity Computer 上线 GPT-6 Astra 与 SOL 6.1 Ultrafast 推理
Perplexity Computer 的 Max 用户现在能用 Ultrafast 版 GPT-6 Astra 和 SOL 6.1 了，长任务跑得更快，就是费额度。
OpenAI 将更多算力投入安全，导致算力短缺加剧
OpenAI 暂停了 200 美元套餐新订阅，还收紧用量限制，据说是算力被挪去安全研究，挺少见的现象。
GPT-6 Astra 与 Claude Opus 5.5 被称带来创意工作质变
有人说 GPT-6 Astra 和 Opus 5.5 在创意内容上的提升，就像当年 Opus 4.5 改变编程那样，做内容的朋友可以留意
AA-Robotics 基准首发：GPT-6 Astra 居机械臂操控榜首
GPT-6、Gemini 4、Claude 操控机械臂，GPT-6 Astra 夺冠，但比人慢约百倍。
Amp 用 GPT-6 Astra 等模型将智能体扩展到编码之外
编码产品 Amp 接入 GPT-6 Astra 等模型，让智能体干编码以外的活，还能用 ChatGPT 账号登录。
10月14日
Third Moment Research运行万级AI代理36小时
Third Moment Research让AI代理连续运行36小时，万级规模还能自我提升
TasteVal基准出炉：Claude Opus 5.5科研品味达专家2.3倍
新出了个测"科研品味"的基准，Claude Opus 5.5已到专家2.3倍，成本只要1/30。
通用模型封锁网络安全能力，Artemis 推出防御专用模型 Orion-1
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。
Codex 对比 Grok Bot：同一研究问题，Grok 回答更有参考价值
同一个问题分别丢给 Codex 和 Grok Bot，结果是 Grok 答得更具体，Codex 净说套话，挑工具前可以参考。
Gemini 4 发布，Google 称性价比超过 GPT-6 和 Opus 5.5
Google 把 Gemini 4 发出来了，直接拿性价比跟 GPT-6 和 Opus 5.5 比，关心哪家模型更划算的可以看看。
Context.dev 开源 Rust 编写的本地语义代码搜索 CLI「sgrep」
Context.dev 开源的 sgrep，一个 32MB 完全离线的语义代码搜索 CLI，给 agent 用能比 ripgrep 省 21.3% API 开销，代码不外传，写代码的可以装一个试试。
Ethan Mollick 用一个梗同时测了 GPT-6 Pro、Gemini 4 Argon High 和 Opus 5.5 Max
一条提示词同时丢给 GPT-6 Pro、Gemini 4 Argon High 和 Opus 5.5 Max，三个笑话三种性格，Opus 那句自嘲"起泡的自动补全"最绝，点开看看你喜欢哪个。
llm-gemini 0.35 支持 Gemini 4 Argon 模型
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。
OpenAI GPT-6 Astra 助力 Higgsfield，AI 视频生成时长从 1 分钟提升到 10 分钟
Higgsfield 接入 OpenAI 的 GPT-6 Astra 后，AI 视频能一口气生成 10 分钟了，还在自己 50 万订阅的 YouTube 频道上真跑起来了，连图像和语音到视频的路线也一起公布了。
Simon Willison 更新 llm-meta-ai 0.2，支持 Meta Muse Wonder 新模型
Simon Willison 的插件更新到 0.2，能直接调用 Meta 最新的 Muse Wonder，还附了六个推理档位的对比图，想试的话可以照着跑一遍。
用 Python 3.15 新性能分析器跑 web-edit：火焰图与源码热力图
Simon Willison 让 Codex 里的 GPT-6 用 Python 3.15 新分析器给 web-edit 生成火焰图和热力图，想看新 profiler 效果的可以看看
Higgsfield 支持生成超 10 分钟视频，引入 GPT-6 Astra 等模型
Higgsfield 接了 OpenAI 的 GPT-6 Astra 和 GPT-Image-2.5，视频能一次生成 10 分钟以上，还加了语音，做短视频的可以试试。
LMArena 实测 Google DeepMind 新模型 Argon：语气更友好但更绕
Google DeepMind 的 Argon 在 LMArena 上数据出来了，比 GPT-6.1 Sol 和 Opus 5.5 更友好但话更绕，多轮对话投票领先 62 分，喜欢长回答的可以试试。
Gemini 4 Argon 正式商用：智能指数与 GPT-6 Astra 持平，价格便宜约四成
Google 隔了 7 个多月终于又发了旗舰模型，成绩追平 GPT-6 Astra，价格还便宜四成，11 月底前是折扣价。
Agent Arena 更新 Bash Reliability 指标，Claude Opus 5.5 居首
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。
Agent Arena 排行榜更新：Claude Opus 5.5 居首，GLM 5.2 领跑开源模型
智能体跑分榜单更新了，Claude Opus 5.5 拿下第一，想给编程 Agent 选模型可以看下这份排名。
LangChain 在 Open SWE 中验证路由器置于 harness 内可省 64% 成本
LangChain 给 Open SWE 编程智能体装了个路由器，973 个线程测下来每个省 2/3 的钱，成功率还没掉，做法细节都公开了。
