Chinese contentMeta 模型 Muse Wonder Full 登上 AA Intelligence Index 世界第二
Meta 的 Muse Wonder Full 在 AA Intelligence Index 拿了 56 分世界第二，只差 Claude Opus 5.5 两分，就看什么时候能放出来用了。
Latest
Every published item, in order · 398 items
10月13日
Chinese contentMeta 发布 Muse Wonder 模型家族，Wonder Full 逼近 Claude Opus 5.5
Meta 新模型 Wonder Full 离 Opus 5.5 只差 2 分，长代码项目还反超了，做开发的可以去 Muse Code 里试试。
FrontierCode 1.1 Leaderboard Launches on Artificial Analysis
The benchmark penalises behaviours conventional evals ignore, such as oversized diffs, out-of-scope file edits and unhelpful tests, so its ranking offers a different picture of coding ability than SWE-style test suites. Even the best model fails over 40% of tasks, meaning maintainer cleanup is still unavoidable. Teams choosing models by cost-performance should note GPT-6.1 Sol matching Claude Fable 5.1 at under a tenth of the per-task price.
Artificial Analysis launches leaderboard for Cognition's FrontierCode 1.1
The benchmark's merge-focused grading penalises the messy diffs and unhelpful tests that cheaper evaluations ignore, so leaderboard gaps here reflect real maintainer acceptance rather than raw test-passing. Leading models still fail over 40% of tasks, and nine tasks went unsolved by every model evaluated. Teams choosing coding agents can weigh GPT-6.1 Sol's 49% score at US$0.81 per task against Claude Opus 5.5's 52% at far higher cost, with open-weights options like MiMo-V2.6-Pro at 45% close behind.
Chinese contentAgent Arena 数据：开源模型 12 周追平 Claude Fable 5
LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。
Chinese contentMeta 发布 Muse Wonder 与 Wonder Full 两个模型，对标 Claude Opus 5.5 和 GPT-6 Astra
Meta 放出 Muse Wonder 两个版本，作者实测说能打 Claude Opus 5.5 和 GPT-6 Astra，做编程和智能体的可以关注一下。
Chinese contentMeta 发布 Muse Wonder Full，长时程智能体基准成绩超过 Claude Opus 5.5
Meta 的 Wonder Full 在 SWE-Marathon 拿了 57.5%，比 Claude Opus 5.5 高 11 个点，还带跨对话记忆，做长任务可以试试。
10月12日
Chinese content传 Claude Opus 5.5 实际路由至其他模型，Claude Fable 5.5 或为幕后候选
有人发现 Claude Opus 5.5 背后可能偷偷换了模型，候选名字叫 Claude Fable 5.5，Anthropic 还没承认，吃瓜看看就好。
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11日
Chinese contentClaude Opus 5.5 (Max) 登顶 Image-to-WebDev Arena 榜首
Anthropic 两款 Claude 新模型包揽了图像转网页榜单前两名，价格还比 GPT-6 Astra 便宜六成，做前端生成的可以看看对比图。
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。
IT之家Source
10月9日
Chinese contentOpenAI 发布数学成果，称在 4 个千禧年大奖难题上取得进展
OpenAI 称 LLM 在 7 个千禧年难题中的 4 个上有实质进展，连 Claude Opus 都来背书，但结果还得通过验证，这条帮你理清边界。
10月8日
Chinese contentClaude Opus 5.5 自评：20 个可能被替代的人类岗位
有人让 Claude Opus 5.5 自己列出 20 个可能被它替代的岗位，清单挺有意思，不过只是模型自说自话，当个参考看看。
Chinese contentClaude Haiku 5.5 发布：基准领先 GPT-6 Luna，价格比 Haiku 4.5 低 75%
Anthropic 放出 Haiku 5.5，比上一代便宜 75%，基准和速度都压过 GPT-6 Luna，小模型优先的话可以看看这条。
Agent Arena tests show Jev Router trails DeepSeek V4.1 Flash on cost
The evaluation suggests routers are judged less on raw cost-performance and more on how quickly they adapt to user feedback, where Jev Router nearly matches Claude Opus 5.5 (High). Teams building multi-model agent pipelines can use these latency and cost figures to decide whether a routing layer beats picking DeepSeek V4.1 Flash directly. The full thread contains additional session-level insights.
Chinese contentMatt Shumer 提出用 Haiku 做子智能体搭配 Opus/Sonnet 的编排思路
Matt Shumer 抛了个省钱思路：Opus/Sonnet 当大脑，Haiku 当干活的子智能体，搞智能体的可以试试。
Chinese contentMistral Large 4 发布：1T 参数、49B 激活，开源权重月底放出
Mistral 的 Mistral Large 4 来了，1T 参数只激活 49B，权重月底开源，视频里直接和 GPT-6.1、Claude Opus 5.5 掰手腕，可以看看它到底排在哪一档。
Chinese contentMistral Large 4 预览版登 Code Arena: WebDev 第45名
Mistral Large 4 预览版冲进 WebDev 榜第45名，价格只有 Claude Opus 4.8 的六分之一，10月底还会开源。
10月7日
Chinese contentMistral Large 4 登陆 Code Arena：WebDev 排名升至第45位
Mistral 的新模型 Mistral Large 4 在 WebDev 榜单一口气从130名冲到45名，价格只有 Claude Opus 4.8 的六分之一，10月底还会开源权重，可以蹲一下。
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。
Chinese contentVals AI：90+ Claude Opus 5.5 智能体 3 天筛出两个磁性半导体候选材料
Vals AI 派了 90 多个 Claude Opus 5.5 智能体做材料模拟，3 天找到两个磁性半导体候选，其中一个还是 1999 年就合成过的老材料。
10月4日
Chinese contentClaude Sonnet 5.5 (Max) 登上 Agent Arena 第三名，Anthropic 包揽前三
Anthropic 新版 Sonnet 5.5 排名很猛，Chat 类第一，编码只差 GPT-6 两分还便宜 20%，就是单任务贵了七成。
10月2日
Chinese contentClaude Opus 5.5 创作音乐与3D动画
Claude Opus 5.5 能用 Python 写音乐、做3D动画，还支持 Blender 渲染，多模态创作能力真强。
10月1日
Chinese contentGemini 4 Argon 对标前沿模型
GoogleDeepMind 新发布的 Gemini 4 Argon，成本比 GPT-6.1 和 Claude Opus 低很多，性能如何？
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。
IT之家Source
Chinese contentGemini 4 Argon 在文本和代码基准测试中领先
Google 新发布的 Gemini 4 Argon 在文本和代码基准测试中全面领先，性价比高达 8 美元/百万token。
Chinese contentGoogle发布Gemini 4 Argon模型
Google新旗舰Gemini 4 Argon在法律领域大幅领先，输出限制达行业最高1M tokens，还优化了视频解码速度。
Chinese contentOpenAI GPT-6.1 Sol 在 Code Arena: WebDev 排名第三
OpenAI 新版 GPT-6.1 Sol 性价比飙升，性能接近 Astra 但只需五分之一价格，各领域排名全面上升。
9月30日
