全部动态

有人用 Opus 5.5 把植物大战僵尸 2 全部 880 关做成 3D 版，Three.js 加 Blender，耗了 4000 万 token，评论里能直接玩。

@atomic_chat_hq@atomic_chat_hq5 个信源在谈原文

humynlabs 出了个语音识别新基准，专测真实对话和混语言场景，23 个模型已上榜，做语音方向的可以拿来自测。

elvis@omarsar0原文

DeepSeek 和智谱都出了 Flash 版本，看来各家都在学 Google 那套分级打法，DeepSeek 可能还要出 Pro 和 Ultra。

Teortaxes@teortaxesTex原文

xAI 的 Grok 4.7 上 Agent Arena 榜了，任务成功率明显变好，但单任务价格从 $0.74 涨到 $1.14，省钱党可以先观望。

lmarena.ai@lmarena_ai2 个信源在谈原文

OpenAI 要发 GPT-6 Cyber 了，专攻网络安全方向，还会配套一个自动化部署工具，搞安全的可以盯着看。

联合早报@zaobaosg11 个信源在谈原文

Odyssey 的 Agora-2 能让最多20个人和 AI 进同一个 AI 实时生成的世界，靠看《暗黑破坏神 II》录像学会规则，思路挺特别。

AIGCLINK@aigclink原文

有人拿 Claude Opus 5.5 设计乐高 Microduck，1113 个零件全验证零碰撞，连搭建手册和 BrickLink 订单都备好了。

shao__meng@shao__meng11 个信源在谈原文

GPT-6 Astra 第三次就通关 NetHack，这游戏普通玩家几十年都打不通，长程规划能力可见一斑。

Ethan Mollick@emollick11 个信源在谈原文

Claude Opus 5.5 自己编了个卡通乐队，写歌还做了 MV，主题是 LLM 可解释性研究，成品挺有意思。

Riley Goodside@goodside原文

Stanford 联合 Terminal-Bench 团队搞了个科研智能体榜单，70 个真实科研任务里 GPT-6 Astra 拿 63% 排第一，开源模型才 10%，差距很直观。

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

Justin Johnson 讲了 World Labs 怎么生成能反复进入的 3D 世界，跟一般视频生成不一样，还能用来训机器人。

fal@fal原文

Xiaomi 出了个 9B 小模型，基于 Qwen-9B，MIT 开源还能跑图片理解，8GB 内存笔记本就能本地用，想离线玩模型的可以试试。

Paul Couvert@itsPaulAi原文

OpenAI 把 GPT-6 Astra 的能力下放到 Sol 和 Luna 两个便宜模型，Luna 编码榜涨了 74 分，API 价格还砍了一半，跑批量任务可以看看。

lmarena.ai@lmarena_ai11 个信源在谈原文

写老代码的人该看看：Factory 的 Legacy-Bench 进了 Fireworks 的指数，专门测模型会不会修祖传代码。

Factory@FactoryAI原文

AMD 拿 1000 多张 MI355X 跑 MXFP8 预训练，还会讲 TorchAO 和 TorchTitan 的具体调优细节，搞训练的可以听听。

官方账号PyTorch@PyTorch原文

OpenCode 里能免费用一周的神秘模型 Space Bunny，看图就能写代码，做 3D 原型还自己开浏览器检查效果，搞前端和创意编程的可以试试。

elvis@omarsar06 个信源在谈原文

用底特律：化身为人式的剧情考模型，23 个模型里 6 个见死不救，看各家模型的道德选择差异

向阳乔木@vista8原文

Odyssey 的 Agora-2 能在一个共享实时世界里同时模拟 20 个人和 AI 智能体，还显式追踪彼此影响，比单智能体模拟更贴近真实多人博弈场景。

rohanpaul_ai@rohanpaul_ai原文

Cline 里免费用 Gemini 3.8 Flash，1M 上下文加 291 tok/s，跑分还压过 GPT-5.6 Luna 和 DeepSeek v4.1 Flash，写代码可以直接试。

Cline@cline5 个信源在谈原文

Odyssey 出的 Agora-2 能让 20 个人和智能体进同一个实时模拟环境，可以拿来训练机器人或研究智能体合谋，预览版已经能玩。

elvis@omarsar0原文

Xiaomi 新发的 MiMo-V2.6-Pro 在 AA 指数上拿到 46 分，只差 GPT-5.6 一分，成本却只要零头，权重还是 MIT 开源的。

kimmonismus@kimmonismus3 个信源在谈原文

Latent.Space 访了 Jev 的创造者，聊这个专门在软件里做可靠决策的模型为什么故意不走聊天路线，还吐槽公开基准，观点挺反主流的。

Latent.Space@latentspacepod2 个信源在谈原文

有人拿 DeepSeek V4.1 Flash 和 Space Bunny Alpha 现场比拼，让两个模型各自写一个网页版 Minecraft，前者能跑能挖，后者地面还有破洞，结果一目了然。

@atomic_chat_hq@atomic_chat_hq原文

有人专门做了个家具组装基准，测模型空间推理，10个月分数从28%飙到80%，连以前模型搞不定的活也开始拿下了。

rohanpaul_ai@rohanpaul_ai原文

Anthropic 的 Opus 5.5 在编程智能体评测拿第一，三项基准都涨了，价格还降了 20%，不过每任务要烧 13 美元 tokens，用前算算账。

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

蚂蚁 inclusionAI 开源了个专做 UI 和海报的文生图模型，6B 参数还支持透明背景，设计出图可以试试。

官方账号Artificial Analysis@ArtificialAnlys2 个信源在谈原文

Anthropic 让 950 个 Claude 智能体跑了 21 小时，在 20 万个 DNA 样本里找到一个类似 CRISPR 的新酶系统 ART，张锋也点了头。

Gorden Sun@Gorden_Sun11 个信源在谈原文