GPT-6 Sol (Max) 在 Agent Arena 排名升至第 6，成本降低一半
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
全部动态
AI 相关资讯全量信息流 · 6277 条
9月26日
GPT-6 Sol 登陆 Agent Arena：净改进提升 7.7%，排名升至第 6
OpenAI 的 GPT-6 Sol 上 Agent Arena 了，净改进 +7.7% 排第 6，确认成功率排第 4，API 价格还比 GPT-5.6 便宜一半。
LMArena周报：GPT-6 Sol 与 Claude Opus 5.5 登场
LMArena 用不到 60 秒讲清 GPT-6 Sol 和 Claude Opus 5.5 到来这周的动态，赶时间可以直接刷这条视频。
Claude Opus 5.5 一次生成 100 张 matplotlib 图表实测
有人让 Claude Opus 5.5 一口气画 100 张 matplotlib 图，想看它批量写代码稳不稳的可以看看这个实测。
Pixel Canary 匿名模型上线 Cline，Next.js Agent Evals 与 GPT-6 Astra 打平
Cline 免费开放了匿名模型 Pixel Canary，跑分和 GPT-6 Astra 打平、超过 Kimi K3，写 Next.js 的可以试试。
美团发布 LongCat 龙猫-2.5-Preview：16T 参数、1M 上下文、原生多模态
美团中秋半夜甩出 LongCat 2.5 预览版，16T 参数只激活 48，还有 1M 上下文和原生多模态，参数配置看着很猛，可以蹲一下实测成绩。
DeepSeek 展现出色表现，Visual Primitives 带来明显提升
有人实测 DeepSeek 后感叹 Visual Primitives 帮了大忙，虽然视觉能力还差点意思，讨论挺有意思。
Qwen3.8-Max 完成 33 轮自动迭代，Artificial Analysis 分数从 40 升到 45
阿里 Qwen3.8-Max 被曝跑了 33 轮自动训练迭代，AA 分数从 40 涨到 45，还有 2.4T 参数的说法。
Qwen 团队发布 Qwen3.8-Omni-Flash：跨文本音频视频的多模态智能体模型
Qwen 团队把智能体能力扩展到音视频了，Qwen3.8-Omni-Flash 能做视频剪辑和长视频翻译，还配了两个开源框架，做多模态应用可以看看。
马斯克访谈承认 Grok 4.7 落后 Anthropic 的 Opus 5.5
马斯克罕见承认自家 Grok 4.7 不如 Anthropic 的 Opus 5.5，还给了追赶时间表，访谈原话挺少见的。
NaceAI 发布 Drex：亚 6B 参数决策模型，直接输出选项概率
NaceAI 刚发了 Drex，一个小于 6B 的小模型，专门帮智能体做路由和选工具，不写推理文本直接输出每个选项的概率，比用生成式模型省算力。
Salesforce Research 发布 SFR-AutoR&D：智能体跑通完整研发流程
Salesforce Research 搞了个跑研发全流程的智能体系统，代码优化提速最高 1.84 倍，还能自动训练 1T 模型，搞基建的可以看看。
Perceptron 发布 35B 具身智能模型 Mk1.5，请求完成速度最高提升 4.7 倍
机器人公司 Perceptron 出了个 35B 的第一人称视频模型，MMSearch 上开了搜索工具 F1 直接从 18.2 涨到 54.3，做具身智能的可以看看。
9月25日
Claude Opus 5.5 在手机端 Claude Code 中制作 5 分钟 UMAP 讲解动画
有人用手机上的 Claude Code 让 Claude Opus 5.5 独立做了个 5 分钟的 UMAP 算法讲解动画，旁白和视觉全是模型自己想的，效果可以直接看。
Edge0开源Audio8-ASR-Infinite：中英文流式语音识别模型，支持7x24小时不间断转写
Edge0开源的流式语音识别模型，中英文都能转，延迟几百毫秒，显存占用恒定不爆内存，直播听写可以直接跑起来。
Opus 5.5 用 Three.js 复刻 3D 版 PVZ 2 Reflourished，含全部 880 关
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。
Google 发布 Gemini 3.8 Flash TTS，支持超 100 种语言的语音合成模型
Google 刚发了两个 TTS 模型，能用 30 秒音频克隆音色、支持 100 多种语言，做游戏配音或有声书可以试试
BRIDGE ASR 2.0 发布：18 种印度语言加西语葡语越语的真实对话语音识别基准
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。
DeepSeek 4.1 Flash 与 GLM 5.3 Flash 相继推出，Flash 系列成为行业趋势
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。
爆料称智谱将推 GLM-5.5 Flash 与 GLM-5.4，Kimi K4 或减少激活参数
有人扒到智谱 GLM-5.5 Flash、GLM-5.4 和 Kimi K4 的命名线索，猜 K4 激活参数比 K3 还少，吃瓜看看。
Step-5-Preview 实测：输出稳、Agent Loop 迭代强，前端仍是短板
StepFun 的 Step-5-Preview 实测来了，输出特别稳，还能钻规则空子赚积分，前端偏弱，想选国产模型写代码的可以看看。
Grok 4.7 登上 Agent Arena 第16名，单任务成本升至 $1.14
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。
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。
DeepMind 负责人称 Gemini 4 已进入 post-training 阶段
Google DeepMind 的新掌门亲自确认 Gemini 4 在做 post-training 了，毕竟 3.5 Pro 跳票、对手 Claude 5 和 GPT-6 都已经出街，这篇讲清楚了 Google 下一步怎么追。
用户实测 Claude Opus 5.5：精准不啰嗦，风向转向 Anthropic
一个从 Codex 全家桶跳回 Anthropic 的用户聊 Opus 5.5 的实际手感：精准、快、不啰嗦，和现在 X 上的舆论风向。
Odyssey 发布 Agora-2：支持20人共享的 AI 实时生成世界
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。
Claude Opus 5.5 用 1113 个乐高零件设计可实体拼搭的 Microduck
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。
消息称 OpenAI 将在数日内预览网络安全专用模型 GPT-6 Cyber
OpenAI 要发专攻网络安全的 GPT-6 Cyber 了，今年第四款安全模型，个别客户已经在测，开发者大会还带十几款新品一起亮相。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档