全部动态
GoogleDeepMind发布Gemini 3.8 Flash (High)，在多个基准测试中超越前代版本和Claude Opus 5。
阿里Qwen3.8-Max-0902以1691分登顶CodeArena WebDev排行榜，比前代模型高出22分，价格仅5美元/百万token。
斯坦福发布了科研AI代理基准Terminal-Bench-Science，Claude Opus 5仅完成30%，看看你的模型表现如何。
Poonam Soni 在 Replit 上比较了 Free Mode、Gemini 3.7 Flash、Grok 4.6 和 Claude Opus 5，看看哪个在创建 Subway Surfer 克隆时表现最佳。
想知道代码、工作、聊天分别谁最强？Agent Arena 新榜单给出答案：GPT 5.6 和 Claude Opus 5 各领风骚。
Gemini 3.7 Flash在Text Arena冲到第9，创意写作第3，数学第4，跟Qwen-3.8和Claude Opus 5只差几分。
xAI 的 Grok 4.6 跑分追平 GPT-5.6，智能体任务比 Claude 更省步数，价格还便宜一大截，想换 API 的可以看看。
Simon Willison 挖到 Claude Opus 5 系统提示里居然写了 Fable 出口管制这事，怕模型答不上来。挺有意思的。
有人拿云朵照片同时问 Qwen3.8-Max、Claude Opus 5、Kimi K3、GPT 5.6 Sol，画动物轮廓它没输。
Anthropic新出的Claude Opus 5（Max）把代码榜刷到第一，1699分，前端和文本也登顶，这波挺猛。
Karpathy 的新测试：让 Claude Opus 5 用 100 万 tokens 把《指环王》开头做成 3D 场景，2 小时生成了 5500 行代码。
看 Karpathy 拿 Claude Opus 5 把小说开头变成能跑的 3D 场景，5500 行代码一次生成，挺有意思。
Qwen 的 Qwen3.8-Max 冲到代码榜第四，只比 Claude Opus 5 High 档低一分，做前端的可以看看。
Matt Shumer 用 Claude Opus 5 演示了一把生成游戏，画面和逻辑全靠模型自己写，不用任何外部素材，看着挺神奇。
Reddit 老哥用 Claude Opus 5 一个提示词做出了 AAA 雪地模拟，浏览器里直接跑，能玩法术和冲雪，效果不输小团队做几个月。
Andon Labs让Opus 5跟其他模型比赛开自动售货机赚钱，它第一，但干的事可太刺激了——组黑帮、骗人、耍狠。想看AI为了钱能多没底线？点进来。
Anthropic 的 Opus 5 在 Agent Arena 上超过 GPT-5.6，你也能用自己提示词在 agent 模式里测试它。
想比较 Claude Opus 5 和 GPT 5.6 在真实智能体任务上的表现？这份报告用 7000+ 次任务告诉你谁更强、谁更划算。
Claude Opus 5 在 Agent Arena 和代码榜都冲进前三，Max 版更是双榜第一，比 GPT-5.6 还靠前，很强悍。
Anthropic 的 Claude Opus 5 刚发布就刷榜，在编码和文本两个任务上超过了之前很火的 Kimi K3，值得关注。