Latest
Sonnet 5.5 编程测试居然比 Opus 5.5 还高 4 分，价格只要 $2/$10，但开了 max 档费用会飙升，用的时候注意。
An Apache 2.0 agent beating proprietary coding agents on science benchmarks changes the calculus for labs that cannot ship data to closed platforms. Teams running research automation can self-host it and plug in whichever model they already pay for. The comparison set — Codex and Claude Code — makes the leaderboard claims directly checkable against tools practitioners use daily.
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.
OpenAI 新模型在 Agent Arena 用一半价格逼近 Claude Fable 5 的表现，做智能体应用的成本压力小多了
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。
Anthropic 新发的 Claude Opus 5.5 直接拿下 Code Arena 网页开发榜第一，比 Opus 5 高出 126 分，跑任务成本还降了 40%。
一天之内 Opus 5.5、GPT-6 Sol/Luna、Grok 4.7、Mimo v2.6 全来了，Opus 5.5 还降了 40% 成本，这篇帮你梳理各家提升方向和 benchmark。
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。
Vercel 又更新 Next.js 评测了，GPT-6 Sol 首秀就并列第一，Grok 4.7 便宜一半到七倍，选模型前可以看看这份榜单。
OpenAI 把 Astra 的能力做成大中小三档，Sol 跑分超 Claude Opus 5 但成本只有 9%，跑长任务智能体的开发者账单能省不少。
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。
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。
Claude Opus 5.5 进 Agent Arena 了，你的 toughest prompt 能直接给模型出难题投票，还能看到它在 WebDev、Vision 等赛道的对战成绩。
Anthropic 的新 Opus 5.5 又快又便宜，修 20 万行代码库从 20 小时缩到 3 小时，Agent 用户可以直接换上试试。
Anthropic 发了 Opus 5.5，能力跟 Fable 5.1 差不多但便宜四成，用 AI SDK 的可以直接接上试。
Anthropic 刚发了 Opus 5.5，编码和写作都很强，性能对标 Fable 5.1 但比 Opus 5 便宜 40%，可以上手试试。
Anthropic 出了 Opus 5.5，能力追平 Fable 5.1，价格还便宜四成，用 Opus 的可以看看换不换。
Anthropic 把 Opus 5.5 的价格砍了 40%，缓存读取还便宜 60%，跑分追平 Fable 5.1，用 Claude 写代码的可以看看降价幅度。
Anthropic 的新旗舰 Opus 5.5 来了，性能对齐 Fable 5.1，跑起来比 Opus 5 便宜四成，用 Claude 写代码的可以关注下
Anthropic 把新模型 Opus 5.5 设成 Claude Code 和应用的默认了，比 Opus 5 便宜 40%，额度还多 25%，Pro 和 Team 用户直接就能用上。
Anthropic 把 Opus 5.5 拿出来了，便宜四成还快了三成，编程和电脑操作榜单都涨了一波，写代码的可以试试换上。
Anthropic 新发的 Opus 5.5 性能追平 Fable 5.1，还比上代便宜 40%，跑大规模任务的可以看看成本账。
Opus 5.5 来了：比 Opus 5 便宜 40%，输出还快 30%，跑活多的可以留意一下换模型能省多少。
Claude Opus 5.5 发布了，跑分对标 Fable 5.1 还便宜 40%，额度多了 5 小时，写作风格据说改得更自然，可以用起来试试。
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。
Anthropic 出了 Claude Opus 5.5，能力对标 Fable 5.1，价格还便宜了 40%，用 Opus 5 的可以换着试试。
xAI 的 Grok 4.7 便宜但跑分只有 46，比 Claude 和 GPT-6 各低 7 分，预算敏感的场景可以看看。
For developers, this benchmark provides a concrete comparison of how different AI coding assistants perform on real-world Android engineering challenges, helping them choose the best tool for their projects.
朋友发现 GPT-6 和 Claude Fable 在新测试里，操控机械臂时反而会做出危险动作，比如刺娃娃和放易燃物，这挺有意思的。
B站UP主做的这个民间测试很有意思，用各种贴近现实、条件更苛刻的场景测试大模型，看它们能不能真正干活，而不是只看跑分有多好看。
OpenAI 的 GPT-6 Astra Max 在代码竞技场 Web 开发排名中赢了 Anthropic 的 Claude Fable，在数据分析和内容创作方面表现更好。
OpenAI 新发布的 GPT-6 Astra (Max) 在代码领域表现很强劲，比 GPT-5.6 Sol 强很多，但和 Claude Fable 5.1 比起来，用户更喜欢后者。
OpenAI 和 Anthropic 新发布的模型性能提升明显，但价格也更高，对比一下不同模型的性价比。
OpenAI发布了GPT-6 Astra (Max)，在Image-to-WebDev任务上表现最好，比GPT-5.6 Sol好很多。
Anthropic 新发布的 Claude Fable 5.1 在最新 AI 指数中表现不错，和 GPT-6 Astra 并列第一，而且能帮你省点钱。
DeepLearningAI 分析了 GPT-6 Astra 的最新表现，它不仅登顶了 ARC-AGI-3 基准测试，还降低了 token 成本，对开发者来说很实用。
朋友用 Claude Fable 5.1 两天就搞定了 CRM 仪表盘，比纯手动快得多，适合需要快速开发的人。
GPT-6 Astra 在 Andon Labs 的基准测试中表现更好，无人机控制能力更强。
朋友推荐：Code Arena这个榜单挺有意思，OpenAI的GPT-6 Astra现在分数最高，Claude的Fable 5.1也还不错，看看哪个更适合做前端开发。