Yuchen Jin称Claude Opus 5.5编程能力不如Astra
Yuchen Jin直接说Claude Opus 5.5不如Astra，还断言编程能力从Opus 4.8起就停滞了，看看这个反主流判断
全部动态
AI 相关资讯全量信息流 · 6277 条
9月27日
Claude Opus 5.5 恢复了熟悉的"Claude味"，Ethan Mollick 谈模型个性
Mollick 聊了个基准测不出来的事：Claude Opus 从 4.7 到 5 失去了原有"性格"，5.5 又找回来了，用 Claude 的人应该有同感。
Jev 占 OpenRouter 分类请求量 27%，超过 DeepSeek V4 Flash
OpenRouter 公布分类请求数据，Jev 拿下 27% 份额，把 DeepSeek V4 Flash 挤到第二，做分类任务可以关注下。
Claude Opus 5.5 (High) 登顶 Text Arena 榜首
Anthropic 的 Opus 5.5 (High) 拿下 Text Arena 第一，1509 分比上一代高 18 分，前六名全是他们家，价格数据也标出来了。
Claude Opus 5.5 (High) 以 1509 分重塑 Text Arena 帕累托前沿
Claude Opus 5.5 (High) 在 Text Arena 拿了 1509 分，价格每百万 token 16 美元，选模型时可以参考这个性价比坐标。
Claude Opus 5.5 全流程制作员工培训视频：对白、配乐、画面一手包办
这条视频全靠 Claude Opus 5.5 生成对白、音乐和 Blender 画面，没用视频生成模型，思路挺有意思，可以看看它能做到什么程度。
Odyssey 发布 Agora-2：20 人与 AI 同处实时生成的虚拟世界交互
Odyssey 新出的 Agora-2 能让 20 个人和 AI 在同一个实时生成的世界里玩，像 AI 版游戏引擎，多人视角还能互不冲突，做智能体研究的可以看看。
9月26日
Anthropic 的 Claude 算出 N=4 超杨-米尔斯理论九圈散射振幅，刷新人类纪录
一句提示词、100 美元算力，Claude 花几天算出物理学家们卡了两年的九圈振幅，老纪录保持者 Lance Dixon 亲自验算确认没问题，过程细节挺精彩。
Y Combinator 对谈 Waddle Labs 与 Robocurve：通用模型如何直接控制机器人
YC 拉了 Waddle Labs 和 Robocurve 的创始人聊怎么用通用模型直接操控机器人，还现场演示了 Astra 控制，搞机器人的可以看看。
Google 准备发布 Gemini 4，DeepMind 称已进入后训练阶段
Gemini 4 已经进入后训练阶段，Kavukcuoglu 说可能年底前就发布，目标是追上 Anthropic 和 OpenAI。
用户用 Qwen3.8-Flash-Next-Uncensored 破解 IDM 引发授权争议
有人花 5 欧元租 GPU，让无审查版 Qwen 三十分钟改一个字节就破解了 IDM，这帖子把 AI 逆向能力聊得很具体。
Kev 4B 开放权重模型上线 OpenRouter，输入价格 $0.042/M
Jared Palmer 的 Kev 4B 上 OpenRouter 了，输出免费、输入每百万 token 才 $0.042，传状态进去就能拿到结构化的回答，做小任务很便宜。
Epoch AI 发布家具组装基准 FAB，OpenAI GPT-6 Astra 准确率达 80%
Epoch AI 搞了个新基准，让 AI 看照片对照说明书找宜家家具装错的地方，GPT-6 Astra 拿了 80 分，还顺带测出了各家模型的不同毛病。
Simate 发布首版模型 Simate-beta，进军 Physical AI
一个 FSD 级团队出来做 Physical AI，首版模型 Simate-beta 连同 RoboDojo 一起放出来了，搞具身的可以看看。
OpenAI GPT-6 Astra 识别 IKEA 家具组装错误，准确率达 80%
OpenAI 的 GPT-6 Astra 看一眼照片就能指出你 IKEA 柜子哪步装错了，准确率 80%，比半年前的 28% 高出不少。
谷歌TPU跑Kimi比英伟达GPU快57%，底层用的是DeepSeek推理框架
vLLM那帮人创业后干的活：把Kimi K2塞进谷歌TPU，速度比英伟达GPU还快57%，框架还是DeepSeek开源的，搞推理的可以看看细节。
美团上线 LongCat-2.5-Preview：1.6T 参数，支持 100 万 token 上下文
美团放了个 1.6 万亿参数的 MoE 模型，能看图、写代码，还直接兼容 Claude Code，长文档党可以试试。
GPT-6 Astra 在 Minecraft 通关途中被苦力怕清空全部进度
GPT-6 Astra 打 Minecraft 打出了史无前例的进度，结果一只苦力怕把箱子连人一起炸了，看它气到自我复盘还挺有意思。
GPT-6 Astra 在 Minecraft 推进到烈焰棒与末影珍珠阶段
GPT-6 Astra 打 Minecraft 打到收集烈焰棒和末影珍珠这一步，比之前所有 AI 都远，结果被一只苦力怕清空存档，直播全程挺有意思。
Convai Innovations 在 Hugging Face 发布新模型卡
Convai Innovations 在 Hugging Face 挂出了模型卡，想追开源新模型的话可以直接去页面看参数和用法。
Jev 发布仅 7 天，开源 System 1 决策模型登上 Hugging Face 趋势榜第一
Jev 发布才 7 天，开源多语言 System 1 决策模型就冲上 Hugging Face 趋势榜第一，GitHub 星标破 1.5 万，追开源动态的可以看看。
Claude 完成平面 N=4 超杨-米尔斯理论九圈计算，打破八圈纪录
Claude 只用一条提示词就跑出了物理学家之前不敢碰的九圈计算，Dixon 本人验证通过，成本才几千美元，做物理的可以看看细节。
HuggingFace 开源 SmolDataEnvs：5000+ 可验证数据科学 RL 训练任务
HuggingFace 开源了 5000 个数据科学 RL 任务，源自真实 Kaggle 笔记本，评分不用 LLM 判卷，还配了 SFT 轨迹和 Colab 脚本，想自己练小模型可以直接上手。
Recraft V4.1 Flash 展示油画、报纸拼贴与复古字排生成效果
Recraft 的 V4.1 Flash 速度真快，用户 Heather Green 放了四组油画和复古字排的完整提示词，想玩文生图的直接抄。
Claude Opus 5.5 写作风格大变：破折号减少 95%
Anthropic 的 Claude Opus 5.5 把破折号用量砍了 95%，回答还变长了 6%，全靠更短的句子撑起篇幅，数据挺有意思。
Hugging Face 发布 SmolDataEnvs：5,000 个可验证 RL 环境任务
Hugging Face 开源了 5000 个可验证 RL 任务，专练小模型的代码和数据科学能力，环境和训练脚本全给你，想自己跑 RL 的可以看看。
Text Arena 分析 Claude Opus 5.5 写作风格：句子更短、破折号减少 95%
Text Arena 拆了 Opus 5.5 和 5 的写作差异：句子短了 17%，破折号少 95%，但含糊词翻倍，写东西前可以看看。
Perceptron 发布 Mk1.5：面向具身智能的多模态模型
Perceptron 新出的 Mk1.5 专门给无人机、机器狗这类设备当大脑，能持续追踪视频里的物体、听懂声音，还会自己派子代理干活，价格也挺便宜。
Anthropic 整理 Claude Opus 5.5 发布数日来用户的探索发现
Anthropic 官方盘点了 Opus 5.5 的玩法，有人一句话花 25.66 美元做了个可交互的镜头对焦模拟器，成品能直接玩。
OpenRouter：Jev Router 在五个智能体基准上首 token 延迟最低
OpenRouter 跑了五个 agent 基准，Jev Router 首 token 延迟全场最快，做智能体的可以看看选路由了。
OpenRouter 图像模型票选：Qwen Image 3 Pro 以 35% 夺冠
Qwen Image 3 Pro 在 OpenRouter 社区票选里赢过了 Nano Banana Pro 和 GPT Image 2，想换图像模型可以看看这份排名。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档