Latest
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。
阿里Qwen3.8-Max-0902在代码基准测试中超越Claude和Kimi，价格实惠，多项类别领先。
DeepSeek 10 天前发布 API，10 天后就开源了这款 305B 参数的多模态模型，性价比超高。
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。
Agent Arena更新了模型评估功能，Claude Opus 5在代码任务中表现出色，GitHub集成让编码更便捷。
Cost-efficient alternative to Claude Opus 4.6, potentially more accessible for ASEAN developers and businesses.
Alibaba Qwen团队发布了Qwen3.8-Flash，性能卓越且价格亲民，是DeepSeek V4 Flash和Claude Opus 4.6 Max的性价比之选。
Opus 5 offers near-Fable performance at half the cost, making it a more economical choice for businesses in ASEAN and beyond.
Inherent新推Faraday智能体，小模型大能力，强化学习助其超越GPT-5.5与Claude Opus 4.8，值得关注。
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。
Qwen-UI-Agent outperforms major models in GUI tasks across mobile, desktop and web environments, with real device testing showing near-perfect performance.
DeepReinforce刚发布了Ornith-1.5系列开源模型，里面有量化版居然能在iPhone 17手机上用，而且大模型性能和Claude Opus 4.8差不多甚至更强，和其他模型比也有优势，值得看看。
Agent Arena发布了Pareto前沿平台，能查各模型做真实任务里的表现，像 Claude 和 GPT 这些对比后就知道哪个更划算。
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。
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。
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。
Simon Willison贴出Claude Opus 5系统提示词，看Anthropic怎么让模型谈出口管制，还给了官方声明链接。
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。
Claude Opus 5和Opus 4.5差多少？LMArena用数据告诉你：回复长度是4.5的3倍，词汇反而更简单，破折号也更多。
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。
Qwen3.8 Max一口气涨10分追平Claude，但Kimi K3更便宜还更强，值得看。
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。
阿里新出的Qwen3.8-Max看图写网页排第二，只比第一的Claude Opus 5少39分，挺牛的。
阿里这波可以啊，Qwen3.8-Max网页开发跑分第二，只比Claude Opus 5低39分，下周开源就能玩。
智谱新出的GLM-5.2 (Max)在前端代码测评里拿了开源第一，总分第2，把Claude Opus 4.7甩开29分。写前端的可以关注下。
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。
阿里新模型Qwen3.8-Max代码榜排第四，1668分，输入输出token价格只要2美元和6美元，性价比很能打。
阿里的Qwen3.8-Max刚发布，前端代码榜排第四，分数紧咬Claude和Kimi，下周还开源权重，可以蹲一下。
DeepSeek把304B的V4-Flash开源了，性能打平Claude Opus-4.8，价格还便宜，快去试试。
想用一句话生成游戏？Claude Opus 5 能直接做出带物理和音乐的3D完整原型，比 GPT-5.6 Sol 更精细。
有人拿旧提示词让 Claude Opus 5 做个卡路里追踪器，第一版就挺完整，感觉比 Fable 还顺。
DeepSeek 把 V4-Flash 转正了，Agent 跑分超过 GLM-5.2，还适配了 Codex，想用 API 的可以试试。