Chinese content研究人员测试 6 款 AI 智能体追讨火车票退款，暴露激进执行风险
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。
IT之家Source
Latest
Every published item, in order · 85 items
10月18日
10月14日
Chinese content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。
Chinese contentllm-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。
Chinese contentGemini 4 Argon 全球上线，Google 称其为最强前沿模型
Google 把 Gemini 4 Argon 全球放开了，自家说最强，但跑分还输 Claude Opus 5.5，价格倒是压得很低，可以对比着用。
10月13日
Chinese contentMeta 发布 Muse Wonder 模型，Artificial Analysis 基准得分 56 排名第二
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。
Chinese contentMeta 发布闭源模型 Muse Wonder，扎克伯格称已追上 AI 前沿
Meta 这回是真掏出对标 Claude 和 GPT-6 的闭源模型了，还直接明码标价卖企业版，跟它之前开源 Llama 4 的路子完全反着来，看两家怎么打吧。
10月12日
Chinese contentArena 第 41 周榜单：Claude Opus 5.5 Max 首登智能体榜首
这期榜单看点是 Claude Opus 5.5 Max 直接拿下智能体榜第一，代码榜里 claude-opus-5.5-high 一口气升了 7 位。国产这边 kimi-k3-max 综合榜 16 名，想看各家模型盲测排名的可以翻翻完整表格。
IT之家Source
10月10日
Chinese content谷歌 Gemini 4“Argon”即将发布，内部已在测试“Carbon”新版本
谷歌 Gemini 4 快来了，内部代号为 Argon，员工还在测更强的 Carbon，代码据说能对标 Anthropic 的 Opus 5.5，喜欢追模型升级的可以看看细节。
10月7日
10月6日
Chinese contentSimon Willison 测试 Claude Opus 5.5 作曲能力，效果接近 Monkey Island 风格
Simon Willison 用 Claude Opus 5.5 写了个能播放游戏的文本音乐播放器，曲子还真有点 Monkey Island 味道，玩法挺有意思。
10月1日
Chinese contentGoogle发布Gemini 4 Argon模型
Google的Gemini 4 Argon在编程能力上有显著提升，代码基准测试超越主要竞争对手，还优化了内存使用和价格策略。
Chinese content谷歌发布Gemini 4 Argon模型
谷歌新发布的Gemini 4 Argon在代码工程测试中超越Claude Opus，单次输出达百万tokens，适合处理大型项目。
9月29日
Chinese contentClaude Opus 5.5 破折号使用量降约 95%，写作指标明显变化
Anthropic 的 Claude Opus 5.5 写作风格大变，破折号几乎不用了，分号也少了七成，句子更短更自然，写东西更不像 AI 腔。
9月26日
OpenAI GPT-6 Astra Tops Epoch AI Furniture Assembly Benchmark at 80%
FAB measures whether models can combine images with instruction manuals, a skill that transfers to appliance repair and equipment inspection rather than simple document recall. Engineers building visual inspection or step-by-step guidance tools can use the 80% vs 28% gap as a marker of how quickly multimodal spatial reasoning has matured. Chinese models Alibaba Qwen and Google Gemini were also noted for characteristic error patterns in the study.
9月25日
Chinese content网友用 Claude Opus 5.5 约 1 小时从零写出 RTX 路径追踪器
有人让 Claude Opus 5.5 一条提示词跑 1 小时，写出能跑 34 FPS 的双 5090 路径追踪器，代码全由模型生成。
9月24日
Chinese contentOpenAI 发布 MentalHealthBench：1215 段对话评估 AI 心理健康应对能力
OpenAI 拿出 1215 段心理对话让各家模型答题，GPT-6 Astra 拿 57.3% 第一，Gemini 2.5 Pro 只有 29.5%，数据集已开放下载。
Chinese contentOpenAI 推出 GPT-6 Sol 和 Luna，API 定价比 GPT-5.6 便宜 50%
OpenAI 新出的 GPT-6 Sol 和 Luna 便宜了一半，Sol 跑分还超过了 Claude Opus 5，做大批量任务可以认真看看这个定价。
Chinese contentOpenAI 发布 GPT-6 Sol 和 Luna，API 价格降半、缓存省 90% 输入成本
OpenAI 一次出了 GPT-6 Sol 和 Luna 两个模型，价格砍半还带新缓存，跑业务任务比 Claude Opus 5 便宜九成，做 API 应用的可以看看。
Chinese contentAnthropic 发布 Claude Opus 5.5：对标 Fable 5.1，成本降低约 40%
Anthropic 的新 Opus 5.5 比上一代便宜四成、快三成，写代码和文字水平赶上 Fable 5.1，挑模型时可以对比看看。
9月23日
Chinese contentAnthropic 发布 Claude Opus 5.5：性能对标 Fable 5.1，API 价格不到一半
Anthropic 的 Claude Opus 5.5 出来了，编程测试跑赢 Fable 5.1，API 价格还不到对方一半，付费用户限额也变宽了。
Chinese contentClaude Opus 5.5 成为 AINews 默认模型，各家模型降价 40-50%
Claude Opus 5.5 刚出就成了 AINews 的默认模型，OpenAI 的 GPT6 反而被抢了风头，各家还集体降价 40-50%，降价后入手正合适。
Chinese contentClaude Opus 5.5 发布：一天迁移 68 万行代码，API 打 8 折
Anthropic 把 Claude Opus 5.5 发出来了，一天跑完 68 万行代码迁移，API 还降价到 8 折，缓存读取便宜了 60%，写代码的可以看看。
Chinese contentAnthropic 发布 Claude Opus 5.5，成本比 Opus 5 低 40%
Anthropic 出了 Claude Opus 5.5，能力对标 Fable 5.1，价格还降了 40%，写代码的用户可以直接换上试试。
Chinese contentClaude Opus 5.5 与 GPT-6 Sol/Luna 同日发布，掀起价格战
Anthropic 和 OpenAI 前后脚发新模型还互相砍价，GPT-6 Luna 只要 $0.10/M，做应用的成本又降一半，附完整价格对比表。
Chinese contentOpenAI 发布 GPT-6 Sol 和 Luna，API 价格较 GPT-5.6 降低 50%
OpenAI 又发了两个便宜的模型，价格砍半，跑分还压过 Claude，写代码和跑智能体的成本能省不少。
Chinese contentAnthropic 发布 Claude Opus 5.5：成本比 Opus 5 低 40%，速度提升 30%
Anthropic 新旗舰 Opus 5.5 来了，价格降了 20%，跑得还快 30%，编码能力直接对标 Fable 5.1，写代码的可以试试。
Chinese contentAnthropic 最新模型 Claude Opus 5.5 上线 Amazon Bedrock
用 AWS 的开发者注意了，Anthropic 最强的 Opus 5.5 已经能在 Bedrock 上直接调用，博客里还有上手指南，写智能体应用可以试试。
Chinese contentAnthropic 发布 Claude Opus 5.5：性能对标 Fable 5.1，成本降低 40%
Anthropic 的新 Opus 5.5 性能追平 Fable 5.1，还便宜 40%，写文风也终于不再一股 Claude 味了，做应用的可以看看价格。
Chinese contentAnthropic 发布 Claude Opus 5.5，收紧网络安全防护
Anthropic 的新版 Claude Opus 5.5 把沙盒逃逸这类危险行为管得更严了，做安全测试或跑 agent 的可以看看具体改了什么。
9月22日
Chinese contentXiaomi 发布 MiMo-V2.6，将开源 RL 训练全程
Xiaomi 把 RL 训练全开源，Pro 版跑赢 Qwen3.8 Max，价格比涨价后的 DeepSeek 更低。
9月20日
Step 5 Preview model released by Step
The model's cost is just 1/8 that of Anthropic Claude Opus 5, making it a more affordable option for developers and companies in the region.
9月18日
Chinese content研究人员用 Claude 洞悉 OpenAI 算法秘密
朋友发现个好玩的事，三个安全研究员用 Claude 模型，花不到三天就搞定了 OpenAI 的员工账户，还拿到了他们的代码库，挺有意思的。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOPRead
9月15日
Chinese contentAnthropic Claude Opus 5.2 灰度测试曝光：响应更快，告别“偷懒”
Claude 新版 Opus 5.2 上线了，测试下来比旧版快很多，而且不“偷懒”，代码生成能力更强，值得试试。
9月5日
Chinese contentOpenAI GPT-6 Astra 幻觉减少但易受隐藏提示注入攻击
OpenAI 发布了 GPT-6 Astra，虽然减少了幻觉，但在隐藏提示注入攻击面前仍有 8.5% 的失败率，比 Claude Opus 5 的 4.8% 差。
9月3日
8月26日
Alibaba releases Qwen3.8-Flash-Next
Cost-efficient alternative to Claude Opus 4.6, potentially more accessible for ASEAN developers and businesses.
8月23日
Chinese contentInherent发布Faraday智能体，复现能力超GPT-5.5与Claude Opus 4.8
Inherent新推Faraday智能体，小模型大能力，强化学习助其超越GPT-5.5与Claude Opus 4.8，值得关注。
IT之家Source
8月20日
Alibaba launches Qwen-UI-Agent model
Qwen-UI-Agent outperforms major models in GUI tasks across mobile, desktop and web environments, with real device testing showing near-perfect performance.
IT之家Source
Models13:41
Chinese contentOrnith-1.5系列开源AI模型发布，量化版适配iPhone 17等手机DeepReinforce刚发布了Ornith-1.5系列开源模型，里面有量化版居然能在iPhone 17手机上用，而且大模型性能和Claude Opus 4.8差不多甚至更强，和其他模型比也有优势，值得看看。
IT之家Source
8月13日
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOPRead
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOPRead
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOPRead
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOPRead