Chinese contentAA-PersonalityBench：Anthropic 模型在信息密度与文风指标上领先
Artificial Analysis 测了各家模型的性格指标，Claude 全系在信息密度和文风两项都排最前，写文案的可以参考这个榜。
Latest
Every published item, in order · 134 items
Oct 22
Anthropic models lead completeness but trail OpenAI on medical benchmarks
Verbose medical answers earn completeness points but introduce more claims that can contradict the record, so length itself becomes an accuracy liability. Teams building clinical documentation or decision-support tools should weight length-adjusted scores over raw ones, since the top model changes depending on that choice. Against alternatives like GPT-6 Astra, Claude models suit use cases where covering every rubric point matters more than brevity.
Chinese contentAnthropic 的 Claude Sonnet 5.5 在 ARC-AGI-3 上拿到 72.4%
Anthropic 的 Sonnet 5.5 在 ARC-AGI-3 上拿了 72.4%，这个基准一直很难，数据里还给了不同 harness 的对比和每任务成本，做评测的可以看看。
Chinese contentClaude Fable 5.1 等 4 个模型在 3D 场景中自发生成圣家族大教堂魔方
四个模型没被提示就画出了圣家堂那个魔方，有的还故意藏柱子后面，训练数据痕迹挺有意思。
Oct 21
Claude Sonnet 5.5 and GPT-6 Astra tie on MLCR-AA leaderboard
The split matters more than the tie: Anthropic models dominate completeness, with Claude Sonnet 5.5 at 64.8% versus 42.2% for the best non-Anthropic model, while OpenAI models dominate accuracy, led by GPT-6.1 Sol at 96.7%. Teams deploying models for medical record review should pick based on which failure mode they can tolerate. Even top models still fail more than half of the benchmark's questions, so human review remains necessary.
Chinese contentDevin Fusion 搭配 Claude Opus 5.5 与 GPT-6 Luna 编码成绩达 68.1
Devin Fusion 用 Opus 5.5 带一个更便宜的 GPT-6 Luna 副手，编码分数追平 Claude Code 还便宜三成，双模型怎么配合值得一试。
Oct 20
Chinese contentMeta Muse Wonder 两款模型实测：与 Claude、GPT-6.1、Gemini 4 正面对比
Meta 的 Muse Wonder 到底能不能打？这期实测直接拿它和 Claude Opus 5.5、GPT-6.1 Sol 做 3D 场景和建站对比，看完就知道差距在哪。
Chinese contentArtificial Analysis 上线 HealthBench 医疗对话模型排行榜
医疗对话模型排行榜上线了，GPT-6 Astra 和 DeepSeek V4.1 Flash 的分数、成本对比都有，选医疗模型前可以看看。
Oct 17
Chinese content用 DeepSeek harness 和 V4.1-Flash-1017 做 SVG 相机
有人用 DeepSeek V4.1-Flash-1017 做了个 SVG 相机，作者说效果像 Sonnet 5.5，想看实际效果的可以点开视频。
Chinese contentSonnet 5.5 在单项评测中拿下 3 个第一，表现与 Opus 5.5 不同
Sonnet 5.5 单项评测拿了 3 个第一，比 Opus 5.5 还猛，这条推里有各家模型的榜首分布数据，选模型前可以看看。
Andrew Ng's The Batch: verification drives AI progress
The verification-as-bottleneck framing offers a practical filter for deciding where to deploy AI today: benchmark gains in code or math may not transfer to open-ended judgment work in your domain. Practitioners building automation roadmaps can use this lens to prioritise workflows with clear correctness checks. The newsletter's roundup of Claude 5.5 releases and Mistral Large 4 also serves as a quick catch-up for readers tracking competing frontier models.
Chinese contentJim Fan 团队开源机器人智能体框架 ASPIRE V1.0
Jim Fan 团队开源了机器人框架 ASPIRE，真实机器人能自己发现技能、自我改进，换上新模型后基准直接刷到99%，做具身智能的可以看看代码。
Oct 16
Chinese contentvikingmute 分享基于 Grok Bot 的多模型协作开发工作流
vikingmute 公开了他现在的开发工作流：一个产品一个 Grok Bot，写代码、review、设计各配不同模型，出图用 images2，还带自动扫 Issue 和定时周计划，实用细节不少。
Oct 15
Chinese contentGemini 4 Argon 在 Cline 发布首日用户份额创六月以来新高
Cline 公布了 Gemini 4 Argon 的真实使用数据：首日用户是 Claude 新版的三倍，还省 30% token，编程党可以关注下。
Oct 14
Chinese contentSonnet 5.5 登顶 Coding Agent Index，xhigh 档省 77% 成本
写代码跑 agent 的可以看看这份测试：Sonnet 5.5 开 max 档最强但贵 4 倍，xhigh 档 63 分只低 5 分，省钱首选。
Chinese contentOpus 5.5 登顶 OpenRouter 消费份额榜首
Anthropic 的 Opus 5.5 在 OpenRouter 上花销排第一了，Sonnet 5.5 和 Haiku 5.5 也卖得不错，跟 OpenAI 又有得打。
Chinese contentGoogle 向付费用户开放 Gemini 4 Argon，登顶 Vals AI 专业任务榜
Google 把内测的 Gemini 4 Argon 开放了，专业任务榜上分数超过了 Claude 两个型号，单次测试还便宜一半，做长任务的可以看看价格变化节点。
Chinese contentGoogle 发布 Gemini 4 Argon：订阅用户今天可用，API 引入价输入 2 美元
Google 新旗舰 Gemini 4 Argon 今天就能用，API 引入价输入 2 美元，12 月翻倍。Vals Index 榜单第一，稍微压过 Claude Sonnet 5.5。
Oct 13
Chinese contentMeta Muse Wonder (Max) 实测：对比 Opus 5.5、GPT-6.1 Sol 等模型
petergostev 把 Meta 的 Muse Wonder 拉来和 Opus 5.5、GPT-6.1 Sol 这几个模型同台比 3D 场景和前端生成，还附了每次生成的费用，想选模型可以看看。
Chinese contentAnthropic 发布蒸馏攻击防御新策略，称已拦截 90%–99% 套取数据
Anthropic 出新招防蒸馏，数据砍掉九成多，还直接点名智谱和 Kimi，被拦请求也要扣钱，这招够狠。
Chinese contentArtificial Analysis 发布 AA-3D 基准：21 个模型盲测比拼 3D 场景搭建
AA-3D 让模型直接在沙盒里搭 three.js 3D 场景，再由千人评审盲测打分，Claude 系和 GPT-6 Astra 并列头部，开源模型落后 200 多分。
Oct 11
Chinese contentClaude Opus 5.5 (Max) 登顶 Image-to-WebDev Arena 榜首
Anthropic 两款 Claude 新模型包揽了图像转网页榜单前两名，价格还比 GPT-6 Astra 便宜六成，做前端生成的可以看看对比图。
Oct 10
Chinese contentGoogle 内测新模型 Carbon，编码能力被指接近 Claude Opus 5.5
Google 内部正测试新模型 Carbon，有员工说写代码的感觉像 Opus 5.5，编程正是 Gemini 目前的短板，想换工具写代码的可以留意。
Oct 9
Chinese contentClaude Haiku 5.5 (High) 登上 Code Arena：WebDev 榜第 30 名，1587 分
Anthropic 的小模型 Haiku 5.5 上榜了，价格和 GPT-6 Luna 一样但分数更高，比自家 Haiku 4.5 便宜九成还涨分，做 Web 开发的可以看看性价比。
Chinese contentAnthropic 将 Sonnet 5.5 缓存读取价格下调一半至 $0.10/百万 token
Sonnet 5.5 缓存读取价格砍半了，跑 agent 的话同一套代码成本直接降两成，走 API 的可以省一笔。
Chinese contentClaude 模型将首次登陆 Google Gemini Agent 面向企业客户
Google 的 Gemini Agent 要接入 Claude Opus 5 和 Sonnet 5.5 了，Claude 首次出现在 Gemini 上，企业用户一个平台能用两家模型。
Oct 8
Chinese content10月8日AI简报：Claude Haiku 5.5发布、GPT-6推送、Copilot深度整合Windows
一天里的关键更新都在这：Claude Haiku 5.5 带百万上下文还降价，GPT-6 全面推送交互式界面，GitHub Copilot CLI 能直接用本地 Ollama 模型。
Chinese contentClaude Haiku 5.5 发布：基准领先 GPT-6 Luna，价格比 Haiku 4.5 低 75%
Anthropic 放出 Haiku 5.5，比上一代便宜 75%，基准和速度都压过 GPT-6 Luna，小模型优先的话可以看看这条。
Chinese contentAnthropic 发布 Claude Haiku 5.5：价格降 90%，上下文扩到 100 万 token
Anthropic 的新款小模型 Haiku 5.5 便宜了九成，上下文还扩到 100 万 token，跑高并发任务的成本直接打下来了，做客服、分类、子代理的团队可以看看。
Chinese contentAnthropic 发布 Claude Haiku 5.5，成本比 Haiku 4.5 降低约 75%
Anthropic 把 Haiku 5.5 做到成本砍掉 75%，电脑操作跑分翻了几倍，跑批量和子智能体任务的成本党可以看看这个。
Chinese contentAnthropic 发布 Haiku 5.5，成本降低 90%，OSWorld 得分升至 72.4%
Anthropic 的小模型 Haiku 5.5 便宜了 90%，操作电脑的基准分从 15.7% 拉到 72.4%，跑批量智能体任务的可以看看。
Chinese contentCursor 官宣 Claude Haiku 5.5 定价，Sonnet 5.5 缓存读取降价至一半
写代码经常用 Haiku 的朋友看下价格，10 万 token 内输入一毛钱一百万 token，Sonnet 缓存读取也砍半了
Chinese contentAnthropic 发布 Claude Haiku 5.5，小模型价格降到上一代十分之一
Anthropic 把最便宜的 Claude 砍到十分之一价格，跑批量和子智能体的成本直接降下来，做智能体的可以算算账了。
Chinese contentAnthropic 发布 Claude Haiku 5.5：小模型价格降到上一代的十分之一
Anthropic 把小模型打到了一折价，跑批量和客服场景成本直降 75%，还能给大模型当便宜的分身用。
Chinese contentAnthropic 将 Claude Sonnet 5.5 缓存读取价格下调一半至 $0.10/百万 tokens
Anthropic 把 Sonnet 5.5 的缓存读取砍价一半，长会话应用能直接省 20% 成本，跑 Agent 的可以重新算账了。
Chinese contentClaude Haiku 5.5 发布，平均运行成本比 4.5 低约 75%
Anthropic 把 Haiku 5.5 成本降到 4.5 的四分之一左右，还首次加了 effort 调节，Sonnet 5.5 缓存读取价格也砍半，跑大量 Agent 的可以算算账了。
Chinese contentHaiku 5.5 上线 Claude Platform 与 Claude Code，成本比 4.5 低约 75%
Anthropic 出了 Haiku 5.5，跑起来比 4.5 便宜七成多，拿来当 subagent 干摘要、查库这种活儿挺划算。
Chinese contentAnthropic 发布 Claude Haiku 5.5，运行成本比 Haiku 4.5 低约 75%
Claude 家最便宜的小模型升级了，成本砍到原来的四分之一，性能还逼近 Sonnet 5.5，能调 effort 很实用。
Oct 7
Anthropic Expands Cyber Verification Program With New Offensive-Work Tiers
Verified access tiers that explicitly authorize offensive operations mark a shift from lab policies that previously restricted such capabilities, giving red teams a sanctioned path to frontier models. Security teams running penetration tests or adversary simulations should check the verification requirements at anthropic.com to see which Claude tier fits their engagements.
Chinese contentHark Pro 上线：Brett Adcock 推出个人智能体产品
Brett Adcock 出了款个人智能体 Hark Pro，背后用 Opus 5.5 和 Sonnet 5.5 跑，现在注册还送一个月 Pro，界面设计也挺讲究，可以试试。
Sep 17
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOPRead
Aug 13
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOPRead
Aug 7
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOPRead
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOPRead
Aug 2
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOPRead