全部动态

OpenAI 给搞安全的朋友出活儿了：GPT-6 找 bug，GPT-5.6 Cyber 模拟攻击，红队还能申请 GPT-6 Cyber，得报名。

Vaibhav Srivastav@reach_vb原文

同样 100 美元，不同模型差出 60 倍任务量，选模型前看这组性价比数据能省不少钱。

官方账号Artificial Analysis@ArtificialAnlys原文

Nace AI 出了个金融专用模型 Drex，专门做欺诈判断这种毫秒级任务，48 个金融基准测试准确率 85.7%，比 GPT-6 Luna 的 70.9% 高不少。

TestingCatalog@testingcatalog原文

作者拿一张做了很多陷阱的网页图让 7 个模型复刻，有源代码做像素级打分，谁快谁准谁省钱一目了然，选模型前先看这份成绩单。

掘金本周最热@甲维斯原文

想挑个说话不绕弯子的模型？这份榜单直接量化了各家的“直球”程度，GPT-6 Sol 和 Grok 系列得分最高。

官方账号Artificial Analysis@ArtificialAnlys原文

AI/ML API 出了个 Jev Router，能按任务难度自动挑模型，简单活走便宜模型，省不少 API 费用。

TestingCatalog@testingcatalog原文

Claude Duet 候补名单开了，是 Opus 5.5 上的主动智能体应用；OpenAI 那边 Decisions API 正式可用还加了 12 小时缓存，搞 API 的看看。

Tibor Blaho@btibor9111 个信源在谈原文

OpenAI 的 GPT-6 系列模型居然上 Google Cloud 了，跟微软独家合作的时代真结束了，做云上选型的人可以看看价格和接入方式。

Blognone@mk11 个信源在谈原文

Google Cloud 把 Gemini、Claude 和 OpenAI 的模型放进同一个平台了，企业选模型不用再换云了，企业用户可以关注下私有预览申请。

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

OpenAI 把 GPT-6 全家桶搬上了 Google Cloud，多云部署的同学现在能在一个平台同时用三家旗舰模型了。

TestingCatalog@testingcatalog11 个信源在谈原文

Inception 用扩散架构做语言模型，速度号称快 4-8 倍还赢了 12 项基准里的 8 项，不过全是自测数据，看看就好。

官方账号Decoder@Manuel Uth原文

Devin Fusion 用 Opus 5.5 带一个更便宜的 GPT-6 Luna 副手，编码分数追平 Claude Code 还便宜三成，双模型怎么配合值得一试。

官方账号Artificial Analysis@ArtificialAnlys原文

OpenAI 把 GPT-6 系列专门训练到能搞定 COBOL 这种老古董语言了，迁移银行系统代码准确率 97.9%，维护老系统的团队可以看看。

Inception 出了扩散架构的 Mercury 3，每秒能吐 1068 个 token，比 GPT-6 Luna 和 Claude Haiku 5.5 还快，还带 1M 上下文。

官方一手marktechpost@Jean-marc Mommessin原文

实测了 Inception 的 Mercury 3，扩散架构跑出 1000+ tokens/秒，比 GPT-6 Luna 快 4-8 倍，速度党可以看看。

岚叔@lufzzliz原文

Cognition 新的 Devin Fusion 用 Opus 5.5 加 GPT-6 Luna 组合，跑分 68 拿下编程智能体第一，每任务成本还比 Claude Code 低 31%。

Windsurf@windsurf_ai原文

Cognition 家的 Devin Fusion 用 Opus 5.5 加 GPT-6 Luna 拿了编程智能体榜单第一，比 Claude Code 便宜 31%，写代码的可以看看。

Cognition@cognition_labs原文

Inception 的扩散模型 Mercury 3 登陆 OpenRouter 了，每秒能吐 1000 多 token，上下文 100 万，官方说跑分压过 GPT-6 Luna 和 Haiku 5.5，现在还是半价。

OpenRouter@OpenRouterAI原文

Stefano Ermon 团队的扩散语言模型 Mercury 3 上线了，号称质量超 GPT-6 Luna，速度还能跑到每秒 1000+ token，在 OpenRouter 就能试。

OpenRouter@OpenRouterAI原文

browser_use 跑了 NVIDIA 的 Nemotron 3.5 Super VL，浏览器任务得 48.5 分，被 GPT-6 Luna 的 67.7 分压过，成本还高 61%，想选浏览器自动化模型的可以看看。

Browser Use@browser_use原文

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。

@atomic_chat_hq@atomic_chat_hq8 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

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

微软把 Qwen3.5-9B 改成小决策模型，分类任务准确率干到 83.5%，跑分类便宜 200 倍，做内容审核的可以试试。

Blognone@mk11 个信源在谈原文

OpenAI 出了个 Decisions API，直接返回概率和选项，比 Responses API 快 10 倍，还不收输出费用，做分类打分的可以试试。

官方一手marktechpost@Sana Hassan11 个信源在谈原文

StepFun 的 Step 5 Preview 限时免费，600B 参数还能看图，得分和 GPT-6 Luna 打平，可以先去试试再决定要不要付费。

官方账号Nous Research@NousResearch5 个信源在谈原文

Nano Banana 2.1在图像生成领域表现亮眼，Mistral Large 4在欧洲实验室中排名领先，Claude Haiku 5.5性价比突出。

lmarena.ai@lmarena_ai6 个信源在谈原文