Chinese contentGLM-5.2 (Max) 在 Code Arena: Frontend 以高胜率超越 Opus 系列
GLM-5.2 在前端任务上干掉了 Claude Opus 系列，对 Kimi 和 Sonnet 胜率超 60%，开源模型里相当能打。
Latest
Every published item, in order · 546 items
Jun 25
Chinese contentGenspark Design 发布：由 Claude Opus 4.7 驱动的 AI 设计工具
不用学设计软件，上传 Figma 或画个草图就能出 UI、视频、动画，还能一键转代码，设计师和产品经理都该试试。
Jun 24
Chinese contentQwen发布AgentWorld：原生语言世界模型模拟7种智能体环境
阿里Qwen造了个能模拟7种环境的AgentWorld，在AgentWorldBench上干掉了Claude和GPT最新版，训练智能体不用真实环境也能更强，零微调迁移呢。
Jun 23
Chinese contentGLM-5.2 登顶 HTML Web Design 排行榜，超越 Claude Opus 4.6/4.7
HTML 设计排行榜上 GLM-5.2 干掉了 Claude，现在就能用 SiliconFlow 的 API 上手，写网页贼快。
Jun 21
Chinese contentZ.ai发布GLM-5.2开源模型，1M上下文逼近Claude Opus 4.8
Z.ai刚刚放出了GLM-5.2，MIT开源、100万上下文、跑分81.0，跟Claude Opus 4.8差距很小，做开源模型的得看看。
Jun 19
Chinese contentAA-Briefcase基准测试：Claude Fable 5领先但任务成本$31，DeepSeek V4 Flash仅$0.04
新基准AA-Briefcase测长期项目，Claude Fable 5最强但贵，DeepSeek V4 Flash极便宜，GLM-5.2性价比超赞。
Chinese contentClaude Opus 4.7 在 Project Fetch 中编程机器人狗，速度比人类团队快20倍
Anthropic 让 Claude 自己写代码控制机器狗，速度比人快20倍，虽然最后没抓到球，但过程特别有意思
Jun 18
Products08:30
Chinese content当前最爱模型推荐：Claude Opus 4.7等及一站式工具Anuma有人列出了7款主流模型推荐，还发现Anuma能跨模型保持对话、对比答案，省订阅费。
Jun 17
Chinese contentGLM-5.2 Max在Code Arena前端排名第二，超越Claude Opus 4.7
智谱新模型GLM-5.2 Max在代码前端评测中杀到第二，直接压过Claude Opus 4.7，开源模型里目前最强，做前端开发的可以关注。
Chinese contentGLM-5.2 (Max) 在 Code Arena 前端排名第二，超越 Claude Opus 4.7
GLM-5.2 在编程和智能体任务上超越 Claude Opus 4.7，是开源模型新标杆，编程能力仅次于 Fable 5。
Jun 16
Chinese contentClaude Opus 4.8 提升金融工作流引用准确性和 Token 效率
Hebbia 的 CTO 亲测说 Claude Opus 4.8 在金融任务上引用更准、省 token，做财报分析的团队可以试试。
Jun 14
Jun 13
Jun 12
Chinese contentAnthropic 发布 Claude Fable 5，首个公开 Mythos 级模型
做 AI 代理或知识工作自动化的团队值得关注——Claude Fable 5 在真实世界任务基准上登顶，且安全回退机制降低了误判风险，可以直接评估是否适合你的场景。
Chinese contentGPT-5.5 (xHigh) 在 Agent Arena 排名第二，仅次于 Claude Fable 5
做智能体开发和 AI 评测的团队值得关注——GPT-5.5 在用户满意度和故障恢复上反超 Claude，说明 OpenAI 在实用场景上有了实质提升，建议直接去 Agent Arena 跑跑自己的任务。
Jun 10
Chinese contentClaude Opus 4.8 在 Agent Arena 与 GPT 5.5 并列第一
Agent Arena 用真实任务和因果推断评估智能体，比传统基准更贴近实际使用场景。做智能体开发或选型的团队，值得关注这个排行榜来对比模型的实际表现。
Chinese contentAnthropic 员工：Claude Fable 5 是协作伙伴而非工具
Anthropic 内部视角揭示了 Fable 5 的质变——从工具到协作伙伴，做 AI 应用或深度使用大模型的团队值得关注这一交互范式的转变。
Chinese contentOpus 4.5 写 VM，Mythos 验证无严重漏洞
AI 写代码的安全性问题一直让人担心，这个案例证明只要加固流程到位，AI 生成的复杂系统也能通过专业审计。做 AI 安全或代码生成的团队值得看看他们的方法论。
Jun 9
Chinese contentFrontierCode 基准测试：Claude Opus 4.8 仅 13.4%，AI 代码离可合并还很远
FrontierCode 把 AI 编程评测从「能跑就行」升级到「能合并才算数」，做代码质量评估或 AI 编程工具的团队值得关注——它暴露了当前模型在真实代码审查中的致命短板。
Chinese contentCognition 推出 FrontierCode：将 Coding 评估标准从可用提升到可合并，Claude Opus 4.8 领先
FrontierCode 把 AI 编程评估从“能跑就行”升级到“能合并”，做代码质量评估或 AI 编程工具的团队可以直接参考这套标准，看看自己的模型在真实维护者眼中能拿几分。
Chinese contentMETR 编码基准饱和？Cognition 发布 FrontierCode 新评测，Claude Opus 4.8 仅 13.4%
做 AI 编程评估或关注模型实际能力的开发者，这个新基准直接戳中了当前模型的软肋——代码能跑但不可维护，值得看看你的模型能拿几分。
Chinese contentOpus 自主运行数小时/天的 5 个技巧
做长时间自主 AI 智能体的开发者终于有了实操指南——这 5 个技巧直接解决「怎么让模型持续干活不卡壳」的痛点，建议做自动化任务的团队点开抄作业。
Jun 8
Chinese contentClaude Opus 4.7 登顶 Android Arena 排行榜，Anthropic 占前十五席
移动端 AI 开发者可以快速了解当前安卓设备上最强的模型格局——Claude Opus 4.7 领先，Anthropic 整体优势明显，值得关注其技术路线。
Chinese contentAutoLab 基准测试：强 AI 智能体在长周期研究中仍因缺乏坚持而失败
做 AI 研究和智能体开发的团队会看到，坚持比聪明更重要——AutoLab 的发现直接点出了当前智能体在长任务中的致命弱点，值得反思自己的智能体设计。
Chinese content让 Claude Opus 长时自主运行的 5 条核心实战建议
Boris Cherny 的 5 条建议直击长时自主运行的痛点，做自动化任务编排的开发者可以直接套用到 Codex 或 GPT-5.5 上，尤其是端到端自我验证这条能帮你省下大量无效 token 消耗，值得收藏实践。
Chinese content长时间运行 Agent 自行验证是关键，否则浪费 Token
长时间运行 Agent 的开发者常被 Token 浪费困扰，Boris 的 5 条建议直击痛点，尤其是自验证机制能大幅提升效率，做自动化工作流的团队值得一试。
Chinese content不写 Prompt，写 Loops — Boris Cherny (Claude Code)
Boris Cherny 点出了 AI 编程范式的转变——从手写 Prompt 到写 Loops，做自动化任务的开发者值得思考这个方向。但 Token 消耗的现实提醒你：企业场景下仍需平衡自主性与成本，建议点开看具体怎么落地。
Chinese content宝玉分享Claude Design开发模式：本地集成与迭代优化
这套模式解决了AI辅助开发中设计稿与代码脱节的痛点，做App原型或MVP的开发者可以直接参考，尤其是用Claude Opus做UI实现的团队，值得一试。
Jun 7
Chinese contentAnthropic 未发布模型 Oceanus 在中文 API 代理提前泄露
模型泄露事件暴露了 AI 供应链的安全风险，关注模型定价和发布节奏的开发者、API 用户值得留意——泄露版本可能影响后续正式版的可用性和价格。
Products01:13
Chinese contentAgent Arena 上线 Agent Mode：用前沿 AI 智能体完成真实工作Agent Mode 让 AI 智能体从聊天走向真实工作，做自动化、开发或研究的团队可以直接上手测试前沿模型的实际表现，还能影响排行榜排名，值得一试。
Jun 6
Chinese contentAgent Arena 发布真实世界智能体排行榜，GPT-5.5 High 领先
做智能体开发和评测的团队终于有了一个贴近真实工作场景的排行榜——Agent Arena 用 30 万+ 任务和 200 万+ 工具调用数据，告诉你哪个模型在写代码、做研究、处理文档时真正靠谱，值得点开看看你的模型排第几。
Chinese contentAnthropic Claude Opus 4.7 在化学NMR分析上匹敌专业软件
化学研究者和药物开发团队终于有了一个能反向推断分子结构的通用 AI 工具，省去专业软件和人工分析的双重成本，建议做结构解析的团队直接关注报告细节。
Chinese contentAnthropic新博客：让Claude成为化学家，Opus 4.7在NMR任务上匹敌专业软件
化学研究者或药物开发团队可以关注：Claude Opus 4.7在NMR分析上达到专业软件水平，意味着AI可能简化分子结构解析流程，值得尝试用于辅助实验。
Products03:21
Chinese contentMistral 3.5 加入 Arena Agent Mode，可执行复杂真实任务Arena 的 Agent Mode 让开发者能直接对比主流模型在真实复杂任务上的表现，做智能体应用选型的团队值得亲自上手测试，结果会直接影响排行榜。
Jun 5
Chinese content自我进化智能体：更优求解器比更大更新模型更关键
这篇论文戳破了“越大越好”的直觉，做智能体自我进化的团队会发现，把预算花在求解器上比花在进化器上更划算，值得重新审视你的架构设计。
Chinese contentArena 推出 Agent Mode，支持 GPT-5.5/Claude Opus 4.7 等模型
Arena 的 Agent Mode 让开发者可以直接对比前沿模型在真实任务中的表现，做 AI 评测或选型的团队值得一试。
Chinese contentAnthropic 新模型 Mythos Preview 实现 52 倍加速，远超人类
AI 模型自我优化的能力正在指数级增长——从 3 倍到 52 倍只用了不到一年，做 AI 训练和推理优化的开发者值得关注这个趋势。