推理模型相关 AI 资讯 · AITOP

8月2日

13:08

Geek@geekbb

在包含940道题的Extended NYT Connections基准上，DeepSeek V4 Flash取得89.6分，位列第一。Gemini 3.6 Flash以89.0分紧随其后。Qwen 3.7 Plus的成绩为74.8分，Gemini 3.5 Flash-Lite为60.4分。Qwen 3.7 Flash和Qwen3.6-35B-A3B分别只拿到43.8和41.6分。

事件专题

推荐理由：DeepSeek V4 Flash在谜题基准拿到89.6，赢了Gemini 3.6的89.0，推理表现很亮眼。

原文

01:16

elvis@omarsar0

82°

OpenAI研究员Sebastien Bubeck表示，Astra是OpenAI下一个主要模型，已独立证明多个数学难题。OpenAI将发布10个Astra证明，每个都附带完整Lean证书和思维链（CoT）推演。结果包括对von Neumann代数中Connes刚性猜想的反驳，以及高维球堆积、电路复杂度、多色图中单色三角形的更好界限。这一进展让独立研究者对AI驱动的科学发现感到兴奋。

AI模型 Astra OpenAI 数学证明

事件专题

推荐理由：OpenAI的Astra模型一口气放出10个数学证明，还带Lean验证和推理过程，数学爱好者可以围观了。

原文

01:06

Kevin Weil@kevinweil

78°

OpenAI 官网发布 Ten Advances in AI Reasoning 页面，公开十项推理评估结果。首席产品官 Kevin Weil 在 X 上转发，称每项结果都是领域内的重要进展。他祝贺 Sebastien Bubeck、Mark Chen 等团队，并展望全球用户都能用上该模型。页面可用来对比当前推理模型的评测表现。

AI模型 OpenAI 推理模型基准测试

事件专题

推荐理由：OpenAI把十个推理基准成绩一次性亮出来，Kevin Weil说是领域级结果。想了解新模型强在哪，直接翻这份榜单。

原文

00:21

官方一手歸藏(guizang.ai)@op7418

82°

OpenAI在X平台预热下一代模型Astra，称其解决了10个存在至少十年的数学问题。OpenAI研究负责人Sebastien Bubeck确认，Astra完成了多项成果，包括推翻Connes刚性猜想、改进高维球堆积和电路复杂性的界。这些证明将附带Lean证书和思维链（CoT）逐步讲解，并以论文形式发布。据称整个求解过程的算力成本仅约2000美元，OpenAI CEO Sam Altman已赴华盛顿与美政府沟通发布事宜。

AI模型 OpenAI Astra 数学推理

事件专题

推荐理由：OpenAI说新模型Astra用2000美元算力解了10个老数学难题，连数学家都难搞定，还附Lean证明，感觉是真翻身了。

原文

00:20

官方账号Decoder@Matthias Bastian

76°

OpenAI用AI反驳了单位距离猜想，引发数学界关注。菲尔兹奖得主Timothy Gowers表示，GPT-5.6 Pro首次尝试就解决了他长期研究过的两个问题。他警告这可能造成数学文化消亡，因为数学家不再构建理解结果所需的知识。另一些研究者则把AI视为提升效率的工具。

AI模型 OpenAI GPT-5.6 Pro 单位距离猜想

事件专题

推荐理由：菲尔兹奖得主自己说GPT-5.6 Pro一次就解出他头疼的问题，还警告数学文化危险，这篇值得看。

原文

8月1日

15:59

官方账号Greg Brockman@gdb

76°

OpenAI下一代模型Astra的内部版本解决了10个数学与理论计算机科学问题，总成本约2000美元。官方发布了10个Astra证明，每个都附带Lean证书和思维链走查。成果包括反驳Connes刚性猜想、改进高维球堆积界限、给出电路复杂度新界限，并确认nonsofic群存在。另外还改进了多色图中单色三角形的界限。

AI模型 Astra OpenAI Lean

事件专题

推荐理由：OpenAI的Astra模型花约2000美元解出10个数学难题，证明还带Lean验证，硬核得让人服气。

原文

10:13

Fireworks AI@FireworksAI_HQ

72°

DeepSeek-V4-Flash-0731已在Fireworks平台上线，支持日零部署。DeepSeek报告该模型在全部9项智能体评测中超越V4 Pro，其中Terminal Bench得分82.7%。其性价比优于V4 Pro，定价为每百万tokens 0.28美元，上下文窗口达100万tokens。

AI模型 DeepSeek V4-Flash-0731 Fireworks

推荐理由：Fireworks当天上线了DeepSeek最新模型，智能体评测全面超过V4 Pro，价格还更便宜，适合跑高并发任务。

原文

08:29

08:29官方账号Simon Willison’s Weblog（博客/媒体）

DeepSeek-V4-Flash-0731正式发布，参数量304B，在Hugging Face上体积167GB。Artificial Analysis评估其综合智能排名超过428B参数的MiniMax M3。输入价格每百万token 0.14美元，输出0.27美元，是目前性价比最高的模型之一。在默认推理等级下生成质量一般，但将reasoning_effort调至high后效果显著提升。

AI模型 DeepSeek-V4-Flash-0731 DeepSeek 智能体

推荐理由：DeepSeek新模型便宜又能打，304B参数干翻428B的MiniMax M3，记得把推理等级调高。

原文

02:05

官方账号Decoder@Matthias Bastian

72°

Thinking Machines 发布了开放权重的推理模型 Inkling Small，这是其第二款模型。它的体积不到前作 Inkling 的三分之一，但在多项编程和推理基准上表现优于 Inkling。该实验室由前 OpenAI CTO Mira Murati 创立，这次选择用更小的参数规模换取更高效率。

AI模型 Inkling Small Thinking Machines Mira Murati

事件专题

推荐理由：Mira Murati 的实验室发了新模型，比前作小三分之二，编程推理分数反而更高，开源可下载。

原文

01:55

Google Gemini App@GeminiApp

72°

谷歌发布 Gemini 3.6 Flash 和 3.5 Flash-Lite 升级版。新版本在推理能力和响应速度上均有提升。用户可在 gemini.google 或 App 的模型下拉菜单中切换使用。两个模型目前均已开放体验。

AI模型 Gemini Gemini 3.6 Flash Gemini 3.5 Flash-Lite

事件专题

推荐理由：谷歌把 Flash 和 Flash-Lite 都升级了，推理更强速度更快，打开 Gemini 选模型就能试。

原文

7月31日

15:47

15:47IT之家（博客/媒体）

79°

OpenAI通过两项框架改进，让GPT-5.6 Sol在ARC-AGI-3基准得分从7.8%升至38.3%。改进前的官方框架会丢弃私有推理，且滚动截断窗口导致早期动作丢失。OpenAI提出推理保留和上下文压缩两个方案，分别解决上述问题。启用改进后，GPT-5.6 Sol输出token降至六分之一，成绩增长188.42%。

AI模型 GPT-5.6 Sol OpenAI ARC-AGI-3

事件专题

推荐理由：OpenAI给GPT-5.6 Sol换了套测试框架，ARC-AGI-3得分从7.8%涨到38.3%，输出还省了六分之五，这招挺妙。

原文

13:53

官方账号Greg Brockman@gdb

76°

GPT-5.6 Sol 找到了 Maxwell 猜想的反例，证实该猜想错误。这一猜想已存在超过 100 年，反例由 AI 发现后经人类数学家确认，论文已上传至 arXiv（编号 2607.27197）。成果展示了 GPT-5.6 Sol 在数学推理上的具体能力。

AI模型 GPT-5.6 Sol Maxwell conjecture 推理模型

推荐理由：GPT-5.6 Sol 直接给 Maxwell 猜想找出了反例，人类数学家还验证了，这推理能力真有点吓人。

原文

12:31

官方账号arXiv cs.LG@Jiawei Xu, Minghui Liu, Juzheng Zhang, Tom Goldstein, Furong Huang

论文提出β-OPSD，将普通在线自蒸馏（OPSD）推广为β=1特例的策略优化家族。β作为正则化参数，控制学生模型相对参考策略与特权教师之间的权衡。最优策略被推导为参考策略与教师的几何插值，实现时混合二者的token级logits。在数学推理基准上，β-OPSD比vanilla OPSD更稳定、推理性能更好。

论文 β-OPSD 自蒸馏策略优化

推荐理由：这篇论文把OPSD的隐式β变成可控参数，用蒸馏近似强化学习，数学推理上比原版更稳更强。

原文

12:21

官方账号arXiv cs.LG@Alexander Boesgaard Lorup

该论文在 Qwen2.5 衍生系统上用 200 项配对实验对比保留 live cache 与一次性 prefill。BF16 下两种构造在 166 个后缀和 20 个正确性标签上出现分歧，准确率差 1 个百分点（95% CI [-3.5, +5.5]）。FP32 固定前缀 2x2 对比没有解码分歧（Wilson 95% 上限 1.88%）。跨 48 层 key/value 的双向缓存移植让每个测试分歧跟随缓存供体（24/24 和 43/43）。

论文 Qwen2.5 KV Cache 推理模型

推荐理由：用Qwen2.5做200组实验：BF16有166处分歧，FP32无分歧；移植48层KV缓存后分歧跟随供体。

原文

08:09

Scott Wu@ScottWu46

Cognition 更新了 FrontierCode 1.1 基准，为 GPT-5.6 Terra 和 GPT-5.6 Luna 提供新折扣。更新后 GPT-5.6 系列在价格/性能效率上位于帕累托曲线前沿。所有 Devin 用户将自动享受到成本下降，无需手动调整。

AI模型 GPT-5.6 FrontierCode Devin

推荐理由：GPT-5.6 系列降价了，在 FrontierCode 上性价比拉满，用 Devin 的自动省钱。

原文

06:44

官方账号OpenAI@OpenAI (@OpenAI)

ARC-AGI-3基准测试要求模型无需指令学习不熟悉的2D游戏。标准测试丢弃了GPT-5.6 Sol每步后的推理，并在上下文填满时丢弃早期动作。这导致模型无法积累有效经验，只能不断重启。测试结果凸显了长上下文维持对推理模型的关键性。

AI模型 ARC-AGI-3 GPT-5.6 Sol OpenAI

事件专题

推荐理由：ARC-AGI这个测试挺刁钻，GPT-5.6 Sol在没法记住之前推理的情况下学不会新游戏，说明长上下文对推理很重要。

原文

04:48

Cognition@cognition_labs

Cognition更新了编码基准FrontierCode 1.1，以反映GPT-5.6 Terra和GPT-5.6 Luna的新成本折扣。基于更新后的价格，GPT-5.6系列在价格/性能效率上处于帕累托曲线前沿。这意味着该系列模型在同等性能下更具成本优势。

AI模型 GPT-5.6 Terra GPT-5.6 Luna FrontierCode

推荐理由：GPT-5.6系列降价了，在FrontierCode基准上性价比更突出了，做编码任务可以关注下。

原文

03:33

官方账号Sam Altman@sama

OpenAI 在部署后应用 GPT-5.6 Sol 进行效率自优化，让模型自身改进运行效率。结果显示，通过生产 GPU 内核优化，服务成本降低 20%。此外，改进的投机解码使 token 生成效率提升 15% 以上。这一成果展示了模型自我优化的实际收益。

AI模型 GPT-5.6 Sol OpenAI 效率优化

事件专题

推荐理由：OpenAI 的 GPT-5.6 Sol 通过自学习优化运行，服务成本降了 20%，生成速度提了 15%，比手动调优更省心省钱。

原文

03:16

OpenRouter@OpenRouterAI

77°

OpenAI 宣布 GPT-5.6 Luna 降价 80%，GPT-5.6 Terra 降价 20%。GPT-5.6 Sol 在 API 中提供更快的推理选项。降价后，在 Codex 和 ChatGPT Work 中的用量计算方式同步调整，用户使用额度更耐用。

AI产品 GPT-5.6 OpenAI API定价

事件专题

推荐理由：OpenAI 给 GPT-5.6 系列降价了，Luna 降八成、Terra 降两成，Sol 还更快。正在用这些模型做产品或开发的，赶紧看下新价格和用量规则。

原文

02:12

官方账号NVIDIA AI@NVIDIAAI

精选

Thinking Machines 发布 Inkling-Small，总参数量 276B，活跃参数 12B，性能与 Inkling 相当但体积仅为四分之一。该模型原生支持音频和图像推理，并具备可变思考努力能力。完整权重已开放，可使用 NVIDIA NeMo 在 DGX Station 上微调。用户可在 Tinker 上通过文本、图像或音频方式与之交互。

AI模型 Inkling-Small Thinking Machines 多模态

事件专题

推荐理由：Thinking Machines 出了个 Inkling-Small，276B 参数量但只激活 12B，能处理音频和图像，性能不打折，适合拿来微调玩。

原文

01:40

官方账号OpenAI@OpenAI (@OpenAI)

81°

OpenAI 通过 GPT-5.6 Sol 实现自身运行效率提升，使服务成本降低 20%。改进推测解码后，令牌生成效率提升 15% 以上。这些优化已转化为 Luna 和 Terra 模型的 API 价格下调。OpenAI 旨在让先进智能更普及。

AI模型 GPT-5.6 Sol Luna Terra

事件专题

推荐理由：OpenAI 又升级了，GPT-5.6 Sol 让运行成本降了20%，速度快了15%，Luna 和 Terra 也降价了，开发者快看。

原文

7月30日

23:32

Google AI Developers@googleaidevs

75°

谷歌发布Gemini Robotics ER 2，这是其最强的具身推理模型。该模型连接Gemini Live API，可处理连续视频流、调用工具、搜索网页并实时命令动作模型。升级包括增强进度跟踪、实时执行失败检测、多机器人协作和高级安全指令遵循。面向开发者，提升机器人控制能力。

AI模型 Gemini Robotics ER 2 Gemini Live API Google

推荐理由：谷歌出了Gemini Robotics ER 2，能边看视频边指挥机器人，还支持多机器人协作和实时纠错，搞机器人的必须关注。

原文

22:14

Latent.Space@latentspacepod

本体论作为经典知识表示工具，正被AI工程师用于约束LLM和Agent行为。Frank Coyle和Emile Ifrem在aiDotEngineer World's Fair上展示了如何用本体论保持模型输出诚实、确保Agent遵循确定性路径。这种方法利用旧网络技术为概率模型设置规则边界，减少幻觉和偏离。

技巧 ontologies LLM Agent

推荐理由：想治LLM乱编和Agent跑偏？看看本体论这个老办法怎么新用。两个实际案例，讲得明白。

原文

17:57

官方账号OpenAI@OpenAI

72°

OpenAI 通过 Responses API 实现了一项测试，启用了 Retained reasoning 和 Context compaction 功能。在公开数据集上，GPT-5.6 Sol 的得分提升了 188%，同时输出 token 数量减少了 6 倍。这一改进显著提高了模型的推理效率和输出质量。

AI模型 GPT-5.6 Sol OpenAI 推理模型

事件专题

推荐理由：OpenAI 用 Responses API 让 GPT-5.6 Sol 分数涨了 188%，输出 token 还少了 6 倍，效率提升很明显。

原文

15:47

官方账号Decoder@Matthias Bastian

82°

OpenAI声称其GPT-5.6 Sol模型在ARC-AGI-3基准测试中通过自定义测试环境获得38.3%的分数，高于Anthropic Opus 5的30.2%。但在官方标准环境下，GPT-5.6 Sol仅得7.8%，远低于Opus 5的30.2%。OpenAI的定制测试保留了推理链和上下文压缩作为辅助手段，而Opus 5在无辅助下完成。这一差异引发了关于基准测试公平性的讨论。

AI模型 GPT-5.6 Sol Opus 5 ARC-AGI-3

事件专题

推荐理由：OpenAI推出GPT-5.6 Sol，在自定测试里赢了Anthropic的Opus 5，但换官方环境就掉到7.8%，差距挺大。

原文

13:59

13:59IT之家（博客/媒体）

72°

SpaceXAI发布Grok Voice Think Fast 2.0语音模型，每分钟音频费用0.08美元。该模型在AA Speech-to-Speech Quality Index达82.9%，较1.0版提升7.2个百分点。xAI内部评估显示，转录表现较Deepgram Nova 3和ElevenLabs Scribe v2提升1.5-2.0倍，较1.0版提升1.4倍。在背景噪声场景下，与专用语音转文字模型的差距可扩大至约10倍。模型支持24种语言，可在说话时同步完成推理。

AI模型 Grok Voice Think Fast 2.0 SpaceXAI Deepgram Nova 3

事件专题

推荐理由：SpaceXAI刚发的Grok Voice Think Fast 2.0，语音转语音又快又准，一分钟才8分钱，比上一代强了一大截，还支持24种语言，适合做语音助手。

原文

13:31

小互@imxiaohu

81°

OpenAI 发现 GPT-5.6 Sol 在 ARC-AGI-3 公开题库中仅得 13.3%，原因是推理过程中的私有思考被丢弃，上下文到达阈值后直接删除早期消息。通过开启 Responses API 将上一次响应 ID 传回以保留推理链，并启用 compaction 将超限上下文压缩为浓缩摘要，得分升至 38.3%。最高档每局输出 token 从 290 万降至 49 万，新程序在“高”档即达到旧程序“最高”档的分数，token 消耗相差约 12 倍。

技巧 GPT-5.6 OpenAI ARC-AGI-3

事件专题

推荐理由：OpenAI 分享了两个超实用的 API 开关，GPT-5.6 Sol 在 ARC-AGI-3 上分数直接翻了三倍，token 还省了十二倍，搞推理优化的一定要看看。

原文

11:09

小互@imxiaohu

Magnific 发布了 38 页的全新提示词手册，核心观点是传统关键词式提示已失效。手册提出 AI 已进入推理（Reasoning）与导演对话时代，需要用明确的专业视觉语言指挥前沿模型。该手册针对当前主流图像和视频生成模型提供实用指南。

技巧 Magnific 提示词工程推理模型

推荐理由：Magnific 出了本 38 页的提示词手册，教你用导演思维跟 AI 对话，不再堆关键词，适合想用好前沿图像视频模型的人。

原文

10:33

10:33SuperTechFans（博客/媒体）

精选

TurboFieldfare 是一个采用 Swift 和 Metal 编写的开源推理运行时，专为 Apple Silicon Mac 设计。它通过 SSD 流式加载专家权重，使 Gemma 4 26B-A4B 模型仅需约 2GB 内存即可运行，无需加载完整的 14.3GB 模型。实测在 8GB M2 MacBook Air 上达到 5.1-6.3 tok/s，在 24GB M5 Pro 上达到 31-35 tok/s。项目提供本地 Mac 应用、CLI 和 OpenAI 兼容服务器，要求 macOS 26、Metal 4 和 Xcode 26。

AI模型 TurboFieldfare Gemma 4 Apple Silicon

事件专题

推荐理由：想在老 Mac 上跑大模型？这个开源引擎让 Gemma 4 26B 只需 2GB 内存就能跑起来，M2 上还有 5-6 tok/s，挺实用的。

原文

10:32

官方账号arXiv cs.AI@Mehrad Yaghoubi, Azam Bastanfard, Abbas Jalilvand, Ashkan Rezaei

该论文提出Belief-Guided架构，将策略头与信念头分离，后者作为内部模拟器和独立批评者，建模认知不确定性和战略稳定性。通过Transformer/GRU处理长期依赖和劫争规则，并利用门控机制过滤过度自信的策略错误。实验表明，该架构显著提升无需搜索的胜率并减少幻觉，在消费者级硬件上实现专业水平对弈，而传统方法需要大规模MCTS。

AI模型 Belief-Guided 围棋AI MCTS

推荐理由：这篇论文提出一个新架构，让围棋AI不用大量搜索也能在普通电脑上达到专业水平，比AlphaZero更省资源。

原文

10:30

官方账号Simon Willison@simonw

精选

GPT-5.6 通过 Codex 分析生产流量、改进负载均衡、重写 GPU kernel 和运行数百次推测解码实验，将端到端服务成本降低 20%。推测解码使 token 生成效率提升超 15%。这些优化为 OpenAI 每月节省数十亿美元成本。

AI模型 GPT-5.6 Codex 推理模型

事件专题

推荐理由：GPT-5.6 自己优化自己，服务成本降了20%，生成效率提了15%，省下来的钱都能买好几个数据中心了。

原文

10:09

官方一手Pandaily@contact@pandaily.com (Pandaily)

蚂蚁集团旗下Ant Bailing推出Ling-3.0-flash执行模型，总参数量124B，激活参数仅5.1B。该模型在12个基准测试中，以12%的参数量在11项上超越万亿参数模型Ring-2.6。在34个评估维度中，Ling-3.0-flash获得15个第一、19个第二，与DeepSeek V4 Flash并列平均最高分。

AI模型 Ling-3.0-flash Ant Bailing Ring-2.6

事件专题

推荐理由：蚂蚁百灵的新模型Ling-3.0-flash参数量只有124B，却在大多数基准测试里干翻了万亿参数的Ring-2.6，还和DeepSeek V4 Flash并列第一，小模型也能这么猛。

原文

09:37

官方账号Sam Altman@sama

Sam Altman 转发消息称，OpenAI 的 GPT-5.6 Sol 在 ARC-AGI-3 基准测试中达到 SoTA（最高性能）。该模型仅通过两个设置变化实现：允许其在多个上下文窗口中进行推理，并配合规范化的压缩实现。这一结果暗示通过调整推理机制，模型在挑战性视觉推理任务上表现显著提升。目前官方博客已发布详细方法说明。

AI模型 GPT-5.6 Sol OpenAI ARC-AGI-3

事件专题

推荐理由：OpenAI 的 GPT-5.6 Sol 改了俩设置就在 ARC-AGI-3 上屠榜，教你多窗口推理+规范化压缩这套新打法。

原文

07:18

官方一手@OpenAIDevs@OpenAIDevs

78°

OpenAI 使用 GPT-5.6 Sol 模型在 Codex 环境中对自身基础设施进行优化，改进在推理和智能体循环中产生更多有用工作。生产 GPU 内核优化使服务成本降低 20%，改进的推测解码使 token 生成效率提升 15% 以上。这些改进通过复用在相同硬件上获得更大的性能提升。

AI模型 GPT-5.6 Sol Codex OpenAI

事件专题

推荐理由：OpenAI 让最新的 GPT-5.6 Sol 自己给自己打工，结果运行成本降了 20%、输出速度提升超 15%，看看模型怎么自己优化自己。

原文

07:12

07:12官方一手OpenAI Blog（博客/媒体）

OpenAI 通过启用两个 API 设置（保留推理轨迹和启用结果压缩）让模型在 ARC-AGI-3 基准上的得分提升至原来的三倍。这些设置分别作用于推理过程和输出压缩，不增加额外计算成本。具体配置方法在官方博客中公开。

技巧 ARC-AGI-3 OpenAI 推理模型

事件专题

推荐理由：OpenAI 官方分享的实用技巧，只改两个参数就让 ARC-AGI-3 分数翻三倍，玩模型的可以试试。

原文

05:33

官方账号OpenAI@OpenAI

85°

OpenAI 推文宣布推出 GPT-5，通过全栈优化（涵盖架构、训练与推理）在成本-智能曲线上每个点都达到最佳性能。该模型系列包含多种版本，针对不同计算成本进行调优。具体基准成绩尚未公开，但声称在各成本区间均保持领先。

AI模型 OpenAI GPT-5 推理模型

事件专题

推荐理由：OpenAI 发了 GPT-5 系列，从低到高每个价位都做了性能最优的版本，想省钱或追求极致都能选到合适的。

原文

04:04

04:04官方一手OpenAI Blog（博客/媒体）

OpenAI发布GPT-5.6，该模型在模型架构、推理过程和智能体工作流上进行了效率优化，旨在提升每美元实现的智能水平。

AI模型 GPT-5.6 OpenAI 推理模型

事件专题

推荐理由：OpenAI新模型GPT-5.6，在模型、推理和智能体效率上都有提升，每美元能换更多智能，值得关注。

原文

03:44

官方账号xAI@xai

xAI 发布 Grok Voice Think Fast 2.0，专为语音代理设计。该模型在嘈杂环境下能保持清晰听取。它能推理复杂工作流，并生成更自然的对话。相比前代，在实时交互中延迟更低、鲁棒性更强。

AI模型 Grok Voice xAI 语音模型

事件专题

推荐理由：xAI 出了个新语音模型，专门解决噪声环境下听不清的问题，还能处理复杂任务，适合做语音助手的开发者试试。

原文

01:48

OpenRouter@OpenRouterAI

阿里巴巴的Qwen3.7-Flash模型在OpenRouter平台正式上线。该模型具备视觉能力，支持多模态代理、视觉编码、搜索和计算机交互，上下文窗口达100万tokens。同时支持工具调用，适合快速推理场景。

AI模型 Qwen3.7-Flash OpenRouter 阿里巴巴

推荐理由：阿里新模型上线OpenRouter，百万上下文还能看图和操作电脑，多模态推理速度很快。

原文

00:15

lmarena.ai@lmarena_ai

82°

Anthropic 的 Claude Opus 5 (Max) 在 Agent Arena 中排名第二，基于超过 7000 次真实代理会话，净提升 11.88%。Opus 5 (High) 紧随其后排名第三，净提升 11.73%，两者均低于第一名 Fable 5，但高于 GPT-5.6 Sol (xHigh)。在 Frontend Code Arena 中，Opus 5 Max 排名第一，Opus 5 High 排名第三（落后于 Kimi K3）。在 Text Arena（事实性开启）中，Opus 5 Max 位列第一，Opus 5 High 第二。这些成绩基于全球社区的百万级真实长周期任务评测。

AI模型 Claude Opus 5 Agent Arena Anthropic

事件专题

推荐理由：Claude Opus 5 在 Agent Arena 和代码榜都冲进前三，Max 版更是双榜第一，比 GPT-5.6 还靠前，很强悍。

原文