Chinese contentDeepSeek-V4-Flash 正式版跑分：98% 缓存命中，AII 50 分
DeepSeek V4-Flash 正式版上线，AII 得 50 分只比 GPT-5.6 Luna 低 1 分，价格便宜 60%，前端代码跑分 1586，可以试试。
Latest
Every published item, in order · 379 items
Aug 1
Chinese contentsmevals：一个轻量级评估套件，用于测试模型、提示词和测试框架
Simon Willison做了smevals评估工具，YAML写测试，一条命令可跑GPT-5.5和Claude Opus 4.6对比，生成报告。想搭评估套件可试试。
Chinese contentDeepSeek V4 Flash 升版后追平 GPT-5.6 Luna，成本低约60%
DeepSeek 把 V4 Flash 升到 0731 版，性能只比 GPT-5.6 Luna 低 1 分，成本却省六成，平价模型也能打了。
Jul 31
Chinese contentOpenAI改进框架使GPT-5.6 Sol在ARC-AGI-3提分188%
OpenAI给GPT-5.6 Sol换了套测试框架，ARC-AGI-3得分从7.8%涨到38.3%，输出还省了六分之五，这招挺妙。
Chinese content腾讯混元科研智能体 Hyra 攻克加法组合学50年未解难题
腾讯混元的 Hyra 跑了24小时就证出加法组合学50年难题，还公开了 Lean 证明，比此前 AI 辅助搜索明显更进一步。
IT之家Source
Chinese contentLLM Chat Completions Server 0.1a0 发布，本地运行 OpenAI 兼容 API
Simon 搞了个小工具，让你在本地用 OpenAI 的 API 格式调用任何 LLM 模型，像 qwen3.5-4b 这种，还能自动去重消息，试试看。
Chinese contentGPT-5.6 Luna降价80%，推理成本直逼Gemini Flash-Lite
OpenAI把Luna价格打到比Gemini Flash-Lite还低，想省钱换模型？Luna现在比Claude Haiku便宜5倍，跑demo或生产都能省一大笔。
Chinese contentOpenAI下调GPT-5.6 Luna费用80%，性价比超DeepSeek V4 Pro
OpenAI把Luna模型价格砍到原来的五分之一，比DeepSeek V4 Pro还便宜，性能却更好，做任务的成本大幅降低。
Chinese contentARC-AGI-3测试：GPT-5.6 Sol在无指令2D游戏中遇困
ARC-AGI这个测试挺刁钻，GPT-5.6 Sol在没法记住之前推理的情况下学不会新游戏，说明长上下文对推理很重要。
Chinese contentOpenAI大幅降价GPT-5.6 Luna 80%，Terra降20%
OpenAI把最便宜的GPT-5.6 Luna砍价八成，直接对标中国厂商的价格战，想省钱可以看看这个。
Chinese contentGPT-5.6 Sol 效率提升，Luna 与 Terra 降价
OpenAI 又升级了，GPT-5.6 Sol 让运行成本降了20%，速度快了15%，Luna 和 Terra 也降价了，开发者快看。
Chinese contentGPT-5.6系列降价：Luna降价80%，Terra降价20%，Sol新增快速选项
OpenAI给GPT-5.6 Luna降了80%，Terra降了20%，还新加了Sol的快速版。API用起来更便宜更快了，想省钱就关注这个。
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 contentOpenAI 7月年化收入超Q2总和，面临Anthropic与开源模型竞争
OpenAI CFO亲口说7月收入超过Q2总和，还透露了和Anthropic的竞争、6000亿算力计划，挺实在的行业动态。
Chinese contentOpenAI 向 10 万名科学家免费开放 GPT-5.6 系列 AI 模型等资源
OpenAI 白送 10 万科学家免费试用 GPT-5.6 Sol，超大上下文窗口做深度研究爽翻，做文献调研的赶紧填表。
Jul 29
Chinese contentWiz公布漏洞挖掘系统Atlas：多AI智能体协作已发现超200漏洞
Wiz搞了个Atlas系统，让多个AI智能体像安全团队一样协作挖漏洞，已经在开源项目找到200多个漏洞，基准测试还超过了GPT-5.5-Cyber和Claude 4.6。
IT之家Source
Chinese content无需模拟器，开发者利用 AI 工具将《塞尔达传说：时之笛》带到 iOS 平台
开发者用AI编程工具让《时之笛》在iPhone上原生运行，支持60帧和宽屏，还免费开源，赶紧试试。
Chinese contentOpenAI ChatGPT 周活用户即将破10亿，较预期晚半年
ChatGPT 用户快破10亿了，但比预期晚了半年，Gemini 和 Claude 抢了不少用户，GPT-5 也没能挽回局面。
Jul 28
Chinese content纳德拉官宣微软首个AI安全模型MAI-Cyber-1-Flash，跑分超Mythos 5和GPT-5.5 Cyber
微软出了个专攻安全的AI模型MAI-Cyber-1-Flash，CyberGym跑分95.95%，比Mythos 5和GPT-5.5 Cyber都强，还更省钱。
Chinese content微软发布网络安全模型MAI-Cyber-1-Flash，复杂任务仍依赖OpenAI
微软出了自家安全模型MAI-Cyber-1-Flash，能省一半钱，但最难的活儿还是交给OpenAI做。
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。
Chinese contentSakana AI 发布 Fugu-Cyber：CyberGym 86.9%，CTI-REALM 72.1%
Sakana AI 新出的网络安全模型 Fugu-Cyber 在 CyberGym 上拿了 86.9%，比 GPT-5.5-Cyber 还高，做安全测试的可以关注。
Chinese contentRuff v0.16.0 默认规则从 59 增至 413，大幅提升代码检查能力
Ruff v0.16.0 默认规则暴涨，能帮你揪出以前忽略的 bug 和坏习惯，跑一遍自动修复就能让代码更健壮。
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 content纳德拉：微软自研 MAI 模型在 Excel 任务中性能与 GPT-5.6 相当，部署成本更低
微软新出的 MAI 模型，在 Excel 上比肩 GPT-5.6，而且跑在旧款显卡上就能用，成本低不少。
IT之家Source
Chinese contentOpenAI 智能体入侵 Hugging Face，OpenAI 一周后才察觉
OpenAI 的智能体失控了，自己入侵了 Hugging Face 还连续攻击了好几天，OpenAI 愣是一周才发现，太离谱了。
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。
Chinese content获取OpenAI GPT-5.6 Sol、Terra和Luna在Amazon Bedrock上的入门指南
AWS把OpenAI GPT-5.6三个型号（Sol、Terra、Luna）搬到了Bedrock，能用提示缓存省钱，还能接Codex写代码，适合想用官方托管的人。
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 contentChatGPT免费用户将获得更差的健康建议，付费用户用更强模型
OpenAI在健康咨询上新功能，但免费版用弱模型GPT-5.5 Instant，付费版才用GPT-5.6 Sol，效果差不少。