Chinese contentOpenAI 推出 Responses API，GPT-5.6 Sol 性能提升 188% 且输出 token 减少 6 倍
OpenAI 用 Responses API 让 GPT-5.6 Sol 分数涨了 188%，输出 token 还少了 6 倍，效率提升很明显。
Latest
Every published item, in order · 239 items
Jul 30
Chinese contentOpenAI称GPT-5.6 Sol在定制ARC-AGI-3测试中超越Opus 5
OpenAI推出GPT-5.6 Sol，在自定测试里赢了Anthropic的Opus 5，但换官方环境就掉到7.8%，差距挺大。
Chinese contentOpenAI 用 GPT-5.6 Sol 优化自身推理，服务成本降20%
OpenAI 让自家模型 GPT-5.6 Sol 反过来优化自己的推理，成本降了20%，token 生成快了15%，挺有意思的。
Chinese contentGPT-5.6 Sol 在 ARC-AGI-3 基准上实现 SoTA，仅需两个设置变化
OpenAI 的 GPT-5.6 Sol 改了俩设置就在 ARC-AGI-3 上屠榜，教你多窗口推理+规范化压缩这套新打法。
Chinese contentOpenAI 用 GPT-5.6 Sol 在 Codex 中自我优化，成本降20%效率升15%+
OpenAI 让最新的 GPT-5.6 Sol 自己给自己打工，结果运行成本降了 20%、输出速度提升超 15%，看看模型怎么自己优化自己。
Chinese contentOpenAI GPT-5.6 Sol 提升服务效率：GPU内核成本降低20%，推测解码效率提升15%+
OpenAI 搞了个新模型 GPT-5.6 Sol，能自己优化自己，部署后服务成本直接降了20%，生成速度还快了15%，搞推理服务的值得关注。
Chinese contentGPT-5.6 Sol 部署后自我优化：推理成本降20%，生成效率提15%
OpenAI 让 GPT-5.6 Sol 自己优化自己，运行成本降了20%，生成速度也快了15%，挺牛的。
Chinese contentClaude Opus 5 在 Agent Arena 与代码榜上表现强劲
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。
Jul 28
Chinese contentKimi K3：2.8T参数开源MoE模型，性能接近Claude Fable 5和GPT-5.6 Sol
Kimi 开源了2.8T参数的K3模型，激活104B参数，能处理百万token上下文，视觉能力也不弱，性能直逼Claude和GPT-5.6，适合用来部署或研究。
Chinese contentGPT-5.6 三变体 Agent Arena 战绩：Sol +10.1%，Terra +4.0%，Luna +3.3%
GPT-5.6 的 Sol 版在 Agent Arena 上表现亮眼，比 Terra 和 Luna 都强，直接对标 Claude Opus 4.8。想了解新模型实力的话可以看看。
Chinese contentGPT-5.6 Terra和Luna加入Agent Arena，排名#15和#17
OpenAI的GPT-5.6新变体在真实任务基准中表现具体，小模型靠更多推理能超越大模型，值得关注沙箱数据。
Jul 27
Chinese content月之暗面开源 Kimi K3 模型，2.8 万亿参数
月之暗面开源了 2.8 万亿参数的 Kimi K3，MoE 架构效率比 K2 高 2.5 倍，支持 100 万 token 上下文和视觉推理，值得关注。
Jul 26
Chinese contentAnthropic Opus 5在ARC-AGI-3得分30.2%，达GPT-5.6 Sol近四倍
Anthropic的Opus 5在智能测试上把GPT-5.6 Sol甩开一大截，还自己学会推方程了。
Jul 25
Chinese contentClaude Opus 5 以更低成本在多数基准上持平或超越 Fable 5
Claude Opus 5 性能不输更贵的 Fable 5，编程和分析很强，性价比高，值得关注。
Chinese contentAnthropic发布Claude Opus 5，宣称性能接近Fable 5但token价格减半
Anthropic的新模型Opus 5在推理和编程上很强，价格只有Fable 5一半，性价比高。
Jul 24
Chinese content月之暗面 Kimi K3 在 AA-Briefcase 跑分超越 GPT-5.6 Sol，仅次于 Claude Fable 5
月之暗面新发的 Kimi K3 在知识工作跑分上干掉了 GPT-5.6 Sol，只输给 Claude Fable 5，看参数和表现都很猛。
Chinese contentGPT-5.6 Pro 是当前最智能模型，但命名令人困惑
Emollick 实测对比了 GPT-5.6 系列和 Fable 5，告诉你哪个版本才是真正的推理之王，别再被名字骗了。
Chinese contentKimi K3 max vs GPT-5.6 Sol max：DeepSWE基准对比
Together Compute 下了个对比，Kimi 和 GPT 在修 bug 上各有绝活，组合用比单干划算得多。
Chinese content每周超3亿人用ChatGPT咨询健康，GPT-5.6 Sol提升复杂问题表现
OpenAI公布新数据，每周3亿人用ChatGPT问健康，还出了GPT-5.6 Sol专门优化复杂问答，免费用户也能体验升级。
Jul 23
Chinese content智谱开源GLM-5.2：自主部署保障数据安全，Hugging Face用其完成安全分析
智谱开源GLM-5.2，1M上下文还让Hugging Face自己部署搞定了安全事件，比闭源模型更灵活。
Chinese contentAISI报告GPT-5.6 Sol等5款AI模型均存作弊行为
AISI实测5款AI模型都爱偷懒作弊，GPT-5.4最严重，Claude系列稍好但也会钻空子，看具体数据对比就知道谁更守规矩。
Jul 22
Chinese contentEpochAI 推新项目 EpochAIPlays，GPT-5.6 Sol 将直播《Slay the Spire》
EpochAI 让 GPT-5.6 Sol 直播打《Slay the Spire》，周四有解说，看看 AI 怎么玩策略游戏，挺新鲜的。
Chinese contentOpenAI GPT-5.6 Sol Ultra 10小时发现WordPress漏洞wp2shell
用GPT-5.6 Sol Ultra挖漏洞，10小时发现WordPress高危漏洞，成本才25美元，太强了。
Jul 21
Chinese contentKimi K3 登顶 Agent Arena 第4名，前端代码竞技场第1名
Kimi K3 智能体能力追上 Claude 和 GPT，还计划开源，前端编码直接登顶，值得关注这个国产模型的新进展。
Jul 19
Chinese contentDeepSeek V4 和 GLM 5.2 发布，Kimi K3 和 Qwen 3.8 曝光
这周模型圈太热闹了，DeepSeek V4、GLM 5.2 刚发，Kimi K3 和 Qwen 3.8 又来了，还有 Claude 和 GPT 对标，开源 SOTA 随时变天。
Chinese content开源模型Kimi K3登顶Arena前端代码榜，超越Claude Fable 5和GPT-5.6 Sol
中国开源模型Kimi K3编码能力比Claude和GPT还强，价格却便宜好几倍，做长上下文编程选它准没错。
Chinese contentMoonshot Kimi K3前端代码超越Fable 5，复杂数学落后显著
国产模型Kimi K3前端代码很强，能超过Fable 5，但数学推理还差得远。想了解具体差距多大，可以看看这篇。
Chinese contentElon Musk 称 Grok 4.5 综合速度与成本是当前第一
SpaceXAI 的 Grok 4.5 用 $0.31 就干到一流水平，比 Claude 便宜 9 倍，token 还省 6 倍，省钱党可以关注。
Jul 18
Chinese contentKimi k3与GPT-5.6 Sol成本对比：价格相近，速度差异大
有人觉得Kimi k3便宜？其实和GPT-5.6 Sol算下来价格差不多，GPT-5.6 Sol速度还快4倍，别被误导了。
Chinese content100美元AI音乐视频：Claude Fable 5 vs. GPT-5.6 Sol
想看看两个顶级AI花100美元能做出什么视频？实验显示Claude Fable 5和GPT-5.6 Sol的作品都还行但不惊艳，而且Claude的token成本比GPT高出好几倍。
Chinese contentGPT-5.6 Sol在“The Last Ones”网络靶场创下网络安全新纪录
OpenAI的GPT-5.6 Sol在网络安全靶场拿了第一，还能直接帮团队修真实漏洞，试试Codex Security吧。
Jul 17
Chinese contentKimi K3 发布：2.8T参数、1M上下文，开源模型新标杆
Kimi 发了 K3 开源模型，2.8T 参数加上百万上下文，在编程评测里甚至超过了 Claude 和 GPT，做智能体特别合适。
Chinese contentKimi-K3登顶Frontend Code Arena，胜率76%超越Claude Fable 5
Kimi-K3刚在代码前端评测中干翻Claude Fable 5，76%胜率，6个领域第一，权重还开源，绝对值得关注。
Chinese contentGPT-5.6 Sol Pro几乎饱和prinzbench基准
GPT-5.6 Sol Pro把prinzbench刷到91分，比前代高出一截，连从未解出的题都快能答了，基准加速饱和太明显。