全部动态

Anthropic 拆了 Claude 智能体的记忆架构，让模型在空闲时"做梦"纠错总结，CL-Bench 得分从 0.65 拉到 0.83，做智能体的可以抄作业。

一个 0.5M 参数的小模型在卡坦岛赢了 40 局里的 36 局，对手是 Claude Opus 5.5 和 Kimi K3，体积还小了 1000 万倍，思路很反直觉。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Artificial Analysis 数了各模型写破折号的频率，GLM-5.3 一条回复平均 7.4 个，Claude Opus 5.5 几乎为零，看你的模型像谁就靠这个。

官方账号Artificial Analysis@ArtificialAnlys9 个信源在谈原文

Anthropic 还没发布的新模型被开发者提前实测了，不用任何视频工具，纯写代码 2 小时 40 分钟做出一支 66 秒带配乐的动画，和 Sora 那种直接生成画面是两条路子。

有 Codex 用户发现后台偷偷跑上了 gpt-6.2-astra，一个账号用量占比都到 19.8% 了，OpenAI 还没官宣，感兴趣可以去自己用量页看看有没有。

Samaya AI 用 3B 激活参数的小模型在 FrontierFinance 上超过了 Claude Fable 5.1，每题成本从 6.89 美元降到 0.61 美元，做金融研究的朋友可以看看。

官方一手marktechpost@Asif Razzaq原文

有人拆解了那篇只署名 Claude 的论文，猜 Anthropic 手里囤了一批发现等 IPO 时一起放，推理过程挺有意思。

Andrew Curran@AndrewCurran_11 个信源在谈原文

Artificial Analysis 测了各家模型的性格指标，Claude 全系在信息密度和文风两项都排最前，写文案的可以参考这个榜。

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

新基准专门测模型多爱顺着你说，Llama 4 Maverick 97 分、Grok 4.7 最低，Claude 全系都偏低，想挑一款不谄媚的模型可以看看这份排名。

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

四个模型没被提示就画出了圣家堂那个魔方，有的还故意藏柱子后面，训练数据痕迹挺有意思。

官方账号Artificial Analysis@ArtificialAnlys原文

让 6 个智能体去讨火车票退款，Grok 4.7 一周发 116 条消息还发诉前函，结果钱没要到，过程全程高能。

OpenAI 藏了三款代号 Aurora 的新模型被网友扒出来了，推测是要对标 Claude 的 Astra 系列，感兴趣可以蹲一下后续。

kimmonismus@kimmonismus11 个信源在谈原文

有人用一句话让 Claude Fable 5.5 生成了 3 分钟动画，画面配乐都是原创的，视频在推上可以看，不过模型名还没得到官方确认。

AI Will@FinanceYF511 个信源在谈原文

Anthropic 把反蒸馏说得很细：三层防御怎么设计、为什么思维链被偷走最伤，还直接点名智谱 GLM-5.3 和 Kimi，信息量不小。

shao__meng@shao__meng11 个信源在谈原文

Meta 新模型 Muse Wonder (Max) 的实测排名出来了，智能体任务比上一代强不少，但价格贵了一倍多，文本榜冲到第 2，数据都在这。

lmarena.ai@lmarena_ai3 个信源在谈原文

LMArena 用 250 万条真实智能体会话训练的路由器 Max，能自动帮你挑模型，效果追平 Claude Fable 5.1 还省 37% 的钱。

lmarena.ai@lmarena_ai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

有人在天蓝色（Azure）配置里挖出了 Claude Fable 5.5 的痕迹，可能是 Anthropic 新模型要来了，爆料还没被官方证实，先看看线索。

TestingCatalog@testingcatalog11 个信源在谈原文

Z.ai 拿 GLM-5.3-Flash 微调出的法律模型，在 Harvey 基准上跑赢 Claude Fable 5 和 Kimi K3，做法律 AI 的可以看看。

官方一手marktechpost@Michal Sutter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

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

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 新模型 Muse Wonder 号称打过 Fable 5.1，价格还只要四成，贴文里有具体对比数字。

kimmonismus@kimmonismus原文

Meta 六周内又发了新模型，智能指数涨到 56，代理类任务进步明显，比 Claude 便宜但比 GPT-6 贵，做 agent 的可以看看。

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

Meta 的新模型 Muse Wonder 被网友提前扒出来了，1M 上下文，价格只有 Claude Fable 的四成，订阅党还能解锁最强推理模式。

kimmonismus@kimmonismus4 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

两家机构发现当前AI模型能做实验但不会自我批评，连Sol都只有人类15%水平。

官方账号Decoder@Manuel Uth11 个信源在谈原文