全部 AI 动态 · AITOP

模型78°01:52

Artificial Analysis发布搜索API基准，对比7家提供商表现

Artificial Analysis刚发了搜索API基准，用GPT-5.6 Luna测了7家提供商，帮你选搜索工具时看质量、成本、速度。

#Artificial Analysis #GPT-5.6 Luna #Stirrup #搜索API

elvis@omarsar0原文

模型中美对照多源确认精选16:36

Qwen3.8-27B 匹配 GPT-5.6 Luna 并可本地运行

阿里 Qwen3.8-27B 性能追平 GPT-5.6 Luna，还能在浏览器跑。

#Qwen3.8-27B #GPT-5.6 Luna #开源模型 #本地部署

事件专题

官方账号阿里通义 Qwen@Alibaba_Qwen3 个信源在谈原文

模型中美对照精选72°08:26

Qwen 3.8 27B拿下52分，追平GPT-5.6 Luna

27B的小模型追平了GPT-5.6和GLM-5.2，参数还小几十倍，值得看看。

#Qwen #GPT-5.6 #GLM-5.2 #DeepSeek

官方账号Simon Willison’s Weblog原文

模型中美对照官方一手精选00:20

Hypha AI用GPT-5.6 Luna做文档提取，成本为GPT-5.5的1/18

OpenAI官方晒了组省钱实测：Hypha AI用GPT-5.6 Luna把文档提取成本降到1/18，准确率还保住98%；RogoAI靠工具调用省了21%输入token。

#GPT-5.6 Luna #GPT-5.5 #Hypha AI #RogoAI

事件专题

官方一手@OpenAIDevs@OpenAIDevs10 个信源在谈原文

模型中美对照官方一手73°00:20

GPT-5.6 Sol 在 ARC-AGI-3 上从 13.3% 跃升至 38.3%，输出 token 减少约 6 倍

OpenAI 的 GPT-5.6 Sol 在 ARC-AGI-3 上分数翻倍还多，token 还省了六倍，看看他们怎么做到的。

#GPT-5.6 #ARC-AGI-3 #OpenAI #推理模型

事件专题

官方一手@OpenAIDevs@OpenAIDevs11 个信源在谈原文

模型中美对照14:05

Moonshot AI新基准PerceptionBench：多模态模型视觉感知准确率不足60%

Moonshot AI 出了个新测试 PerceptionBench，专门查 AI 的“眼神”。结果最强模型 GPT-5.6 Sol 准确率也不到 60%，而且很多错是从看图时就错了。

#PerceptionBench #Moonshot AI #GPT-5.6 Sol #多模态

官方账号Decoder@Jonathan Kemper原文

模型中美对照79°02:05

27B参数智能体Faraday复现论文击败Claude Opus 4.8和GPT-5.5

一个叫Faraday的27B智能体，把论文复现变成强化学习任务，在测试集上赢了Claude Opus 4.8和GPT-5.5，还把编码agent当工具用，有点意思。

#Faraday #Claude Opus 4.8 #GPT-5.5 #论文复现

事件专题

elvis@omarsar02 个信源在谈原文

模型中美对照00:42

北京医生用GPT-5.6-Sol证明Crouzeix猜想

GPT-5.6-Sol断网跑16小时独立拿出22年数学猜想的证明，这波是AI科研能力的实弹演示。

#GPT-5.6-Sol #Crouzeix猜想 #推理模型 #数学证明

The Rundown AI@therundownai原文

模型中美对照多源确认85°23:13

中国医生用 GPT-5.6 破解 22 年数学难题，Crouzeix 本人确认正确

一个神经外科医生借 GPT-5.6 证明了 Crouzeix 猜想，数学家集体震惊。完整提示词和代码都开源了，可以看看。

#GPT-5.6-Sol #Crouzeix 猜想 #Lean 4 #推理模型

事件专题

IT之家11 个信源在谈原文

模型中美对照多源确认20:14

GPT-5.6 Sol 低推理强度超越 GPT-5.5 高推理强度

OpenAI 的 GPT-5.6 Sol 在低推理强度下就超过了 GPT-5.5 的高推理强度表现，还更省 Token，你可以直接上手试试。

#GPT-5.6 #OpenAI #推理模型

事件专题

小互@imxiaohu11 个信源在谈原文

模型 Agent 与开发者多源确认85°14:53

智谱AI发布GLM-5.3：编程开源最强，网络安全能力涌现

智谱发了GLM-5.3，编程和找漏洞都超强，开源模型里第一，比GPT-5.6还猛，但权重两周后才公开。

#GLM-5.3 #智谱AI #Z.ai #AI安全

事件专题

宝玉@dotey11 个信源在谈原文

模型 Agent 与开发者多源确认79°14:16

OpenAI预览Ultrafast模式：GPT-5.6 Sol速度提升14倍

OpenAI给GPT-5.6 Sol开了14倍速模式，先在API小范围试水，做开发的朋友可以紧盯后续扩容。

#GPT-5.6 #OpenAI #Ultrafast模式 #API

事件专题

官方账号Sam Altman@sama11 个信源在谈原文

模型 Agent 与开发者多源确认73°12:30

OpenAI 预览 GPT-5.6 Sol 超快模式，速度提升 14 倍

OpenAI 刚展示了 GPT-5.6 Sol 的 Ultrafast 模式，速度拉到 14 倍，API 客户能先尝鲜。

#GPT-5.6 Sol #OpenAI #API #速度优化

事件专题

官方账号Greg Brockman@gdb11 个信源在谈原文

模型中美对照多源确认78°07:05

OpenAI 推 Ultrafast 模式：GPT-5.6 Sol 提速 14 倍

OpenAI 给最强模型 GPT-5.6 Sol 上了个超快模式，每秒能出 750 个词元，比原来快 14 倍，适合客服、金融这些要抢时间的活儿。

#OpenAI #GPT-5.6 Sol #Cerebras #模型加速

事件专题

IT之家11 个信源在谈原文

模型中美对照83°03:39

谷歌推出Gemini 3.7 Flash，效率优于Sonnet 5

谷歌新发的Gemini 3.7 Flash，效率比Sonnet 5高，价格只有3.6 Flash一半，现在AI Studio就能玩。

#Gemini 3.7 Flash #Google #Sonnet 5 #GPT-5.6

Paul Couvert@itsPaulAi原文

模型 Agent 与开发者71°02:49

谷歌发布 Gemini 3.7 Flash：编码更强，价格比 3.6 Flash 降 50%

谷歌新出的 Gemini 3.7 Flash，编码和智能体能力更强，价格比 3.6 又砍半，还比 Claude 和 GPT 便宜一半，拿来写代码试试。

#Gemini 3.7 Flash #Google #Claude Sonnet 5 #GPT-5.6 Terra

官方账号Decoder@Matthias Bastian原文

模型中美对照72°02:24

Gemini 3.7 Flash (High)在Agent Arena排名第20，较前代跃升15位

谷歌新出的Gemini 3.7 Flash在智能体评测里冲到第20，比上代强一截，编码和网页开发更好用了，感兴趣的可以试试。

#Gemini 3.7 Flash #Google DeepMind #Agent Arena #智能体

lmarena.ai@lmarena_ai原文

模型中美对照83°01:43

Grok-4.6 升至 Code Arena WebDev 第五，超越 Claude Fable 5 与 GPT-5.6 Sol

Grok-4.6 刚发布就把网页开发能力冲进第一梯队，分数压过 Claude 和 GPT 的最新版，差距只有个位数，写代码的可以关注下。

#Grok-4.6 #SpaceXAI #Code Arena #Claude Fable 5

事件专题

lmarena.ai@lmarena_ai2 个信源在谈原文

模型 Agent 与开发者多源确认83°01:19

GPT-5.6 Sol 预览：Ultrafast 模式速度提升14倍

OpenAI 出了个 GPT-5.6 Sol 极速版，快 14 倍，先在 API 给一小部分客户用，后面会铺开。

#GPT-5.6 Sol #OpenAI #API #Ultrafast模式

事件专题

官方账号OpenAI@OpenAI11 个信源在谈原文

模型 Agent 与开发者精选18:09

Grok 4.6 上线 Devin Desktop 和 Devin CLI

Grok 4.6 已经能在 Devin 里用了，Desktop 和 CLI 都支持，比 GPT-5.6 Sol 强，仅次于 Opus 5 和 Fable 5，想尝鲜的赶紧试试。

#Grok 4.6 #Devin #GPT-5.6 Sol #编程助手

Windsurf@windsurf_ai原文

模型 Agent 与开发者18:05

Grok 4.6 登陆 Devin，超越 GPT-5.6 Sol

Grok 4.6 上 Devin 了，跑分超过 GPT-5.6 Sol，只差 Opus 5 和 Fable 5，想试试的可以关注。

#Grok #Devin #GPT-5.6 #编程助手

Cognition@cognition_labs原文

模型 Agent 与开发者多源确认81°18:00

Grok 4.6 发布：长程 Agent 与视觉交互增强

Grok 4.6 上线，长程 Agent 强化，指数追平 GPT-5.6 Sol Max，试试？

#Grok 4.6 #Grok #Cursor #智能体

事件专题

shao__meng@shao__meng11 个信源在谈原文

模型 Agent 与开发者75°17:54

Grok 4.6发布：Agent更强、编程更好，价格与4.5持平

Grok 4.6发布，价格不变，Agent和编程更强，AA Intelligence Index追平GPT-5.6 Sol，API输入2美元/百万Token。

#Grok #GPT-5.6 Sol #智能体 #编程

AI Will@FinanceYF5原文

模型中美对照多源确认17:53

xAI Grok 4.6 追平 GPT-5.6 Sol，价格低超 60%

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。

#Grok 4.6 #GPT-5.6 #Claude Opus 5 #xAI

事件专题

官方账号Decoder@Matthias Bastian11 个信源在谈原文

模型中美对照多源确认精选17:52

DeepSeek-V4-Pro Max发布，Code Arena开源第2

DeepSeek新模型V4-Pro专攻代码生成，在Code Arena排第8，开源第2，仅次于Kimi K3，还超过了GPT-5.6 Sol。

#DeepSeek-V4-Pro #Code Arena #Kimi K3 #GPT-5.6

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者17:52

xAI 发布 Grok 4.6：性能追平 GPT-5.6 Sol

xAI 出了 Grok 4.6，据说追平 GPT-5.6 Sol，还附提示词和使用指南，想试试新模型的可以看。

#Grok #xAI #GPT-5.6 Sol #提示词工程

小互@imxiaohu原文

模型中美对照多源确认17:50

DeepSeek-V4-Pro (Max)在Text Arena开源模型排名第5

DeepSeek新模型在Text Arena拿1465分，和GLM-5.1、GPT-5.6 Terra一个水平，开源阵营排第五。

#DeepSeek #DeepSeek-V4-Pro #Text Arena #GLM-5.1

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者官方一手17:47

SpaceXAI发布Grok 4.6：500K上下文，针对长时智能体与编码优化

Grok 4.6来了，500K上下文还加了xhigh推理，跑长任务更稳。编码还是短板，但智能体场景可以试试。

#Grok 4.6 #SpaceXAI #GPT-5.6 Sol Max #智能体

官方一手marktechpost@Michal Sutter原文

模型中美对照多源确认精选17:42

DeepSeek-V4-Pro (Max) 位列 Code Arena: WebDev 开源第二

DeepSeek 又发新模型了，V4-Pro (Max) 在编码榜上排开源第二，比贵得多的 Opus-4.8 还强，价格只要零头。

#DeepSeek #V4-Pro #Code Arena #编码模型

事件专题

lmarena.ai@lmarena_ai11 个信源在谈原文

模型 Agent 与开发者多源确认76°01:57

SpaceXAI 发布 Grok 4.6，多项基准与 GPT-5.6 Sol 持平

SpaceXAI 的 Grok 4.6 发布，跑分追平 GPT-5.6 Sol，长流程编程和搭应用更强，已上线 Cursor，首周额度翻倍。

#Grok 4.6 #GPT-5.6 Sol #SpaceXAI #智能体

事件专题

IT之家11 个信源在谈原文

模型中美对照79°00:27

Grok 4.6 发布，LMArena WebDev 排名第7

xAI 把 Grok 4.6 放出来了，网页开发能力直接冲到 LMArena 第7，跟 GPT-5.6 和 Claude 最新版就几分之差，这代提升挺猛。

#Grok 4.6 #xAI #LMArena #WebDev

lmarena.ai@lmarena_ai原文

模型中美对照07:36

Claude Haiku 幻觉问题遭吐槽，性能被 GPT-5.6-Luna 超越

Simon Willison 说 Claude Haiku 幻觉多，不如 GPT-5.6-Luna，还会污染 Claude Code 抓网页，用起来要小心。

#Claude Haiku #GPT-5.6-Luna #Claude Code #幻觉

官方账号Simon Willison@simonw原文

模型中美对照多源确认76°04:07

OpenAI发布GPT-5.6-Cyber，专攻漏洞利用与安全防御

OpenAI出了个专攻安全的GPT-5.6-Cyber，能帮你找漏洞修漏洞，实测抓了不少开源0-day，搞防御的可以试试。

#GPT-5.6-Cyber #OpenAI #AI安全 #红队

事件专题

官方账号Sam Altman@sama11 个信源在谈原文

模型中美对照官方一手02:30

OpenAI发布网络安全专用模型GPT-5.6-Cyber

OpenAI发布GPT-5.6-Cyber，能用Daybreak Red做漏洞研究。

#GPT-5.6-Cyber #Daybreak Red #OpenAI #AI安全

事件专题

官方一手OpenAI Blog11 个信源在谈原文

模型中美对照多源确认精选73°02:21

OpenAI发布GPT-5.6-Cyber并扩展Daybreak计划

OpenAI出了个网络安全专用模型GPT-5.6-Cyber，Daybreak计划也扩容了，搞防御的可以看看。

#OpenAI #GPT-5.6-Cyber #Daybreak #AI安全

事件专题

官方账号Greg Brockman@gdb11 个信源在谈原文

模型中美对照多源确认02:20

OpenAI发布GPT-5.6-Cyber，助防御者先于攻击者发现漏洞

OpenAI出了专攻安全的GPT-5.6-Cyber，能挖Chrome漏洞，安全查询成功率98.5%。

#GPT-5.6-Cyber #OpenAI #Chrome #AI安全

事件专题

官方账号Decoder@Matthias Bastian11 个信源在谈原文

模型中美对照多源确认精选01:58

OpenAI推出GPT-5.6-Cyber，扩展网络安全计划Daybreak

OpenAI出了个网络安全专用模型GPT-5.6-Cyber，专门给防御者用的，赶在攻击者用AI搞破坏之前。

#OpenAI #GPT-5.6-Cyber #Daybreak #AI安全

事件专题

官方账号OpenAI@OpenAI11 个信源在谈原文

模型中美对照多源确认精选01:57

OpenAI用GPT-5.6-Cyber发现Chrome v8未知漏洞

OpenAI用GPT-5.6-Cyber在Chrome v8里挖出未知漏洞，这模型是搞实战安全的，漏洞研究者可以留意。

#GPT-5.6-Cyber #OpenAI #Chrome #AI安全

事件专题

官方账号OpenAI@OpenAI11 个信源在谈原文

模型中美对照官方一手21:40

Model ML借助GPT-5.6 Sol高效完成金融工作

OpenAI展示了Model ML用GPT-5.6 Sol做金融分析，能直接出PPT和Excel，省掉手工整理的时间。

#GPT-5.6 Sol #Model ML #OpenAI #金融分析

事件专题

官方一手OpenAI Blog10 个信源在谈原文

模型中美对照19:00

GPT-5.6和Fable联手，解决一道悬了25年的数学难题

GPT-5.6和Fable联手，把25年没人解出来的数学题搞定了，研究它的人从读博等到现在17年。

#GPT-5.6 #Fable #数学难题 #推理模型

量子位@克雷西原文