Mem0 发布 DolphinBench：用准确率、成本、延迟三维度评测智能体记忆
Mem0 团队做了个新基准 DolphinBench，专测智能体记忆：不看答题对错，看长对话后动作做没做对，还把成本和延迟一起排名，选记忆系统前可以先看看。
全部动态
AI 相关资讯全量信息流 · 17328 条
9月23日
DolphinBench 公布双测试框架三模型智能体跑分
Mem0 把 GPT-5.6-Luna、MiniMax M3、Claude Sonnet 5 扔进 Hermes 和 Claude Code 两套框架跑分了，排行榜在 dolphinbench.ai，可以直接看哪个模型换框架后掉分最少。
Anthropic 预告 Claude Sonnet 5.5 与 Haiku 5.5 将在数周内发布
Anthropic 预告 Claude Sonnet 5.5 和 Haiku 5.5 几周内就来，主打性能、效率和安全三方面升级，用 Claude 的可以蹲一下。
Anthropic 预告 Claude Sonnet 5.5 与 Haiku 5.5 将于数周内发布
Anthropic 亲自预告了，Sonnet 5.5 和 Haiku 5.5 几周内就来，性能效率安全都会升级，等发布再细看。
Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%
Anthropic 刚发了 Opus 5.5，编码和写作都很强，性能对标 Fable 5.1 但比 Opus 5 便宜 40%，可以上手试试。
Anthropic 发布 Claude Opus 5.5，性能持平 Fable 5.1 且成本低 40%
Anthropic 出了 Opus 5.5，能力追平 Fable 5.1，价格还便宜四成，用 Opus 的可以看看换不换。
Evals 进阶指南：Hamel Husain 与 Shreya Shankar 联手发布续篇
做了 50+ 家 AI 公司评测的两位作者出了续篇，Ramp、Shopify、Cursor 怎么靠 evals 降本增效都写了，还送个插件。
Rauchg 赞赏 Anthropic 用 Next.js 打造 Claude Opus 5.5 无头网页
Vercel 老板亲自点评 Anthropic 的新页面，讲的是 headless 加 AI 怎么把网页设计玩出花，做前端的可以看看。
Vercel Ship SF 将于 10 月 15 日举行，rauchg 将与 Tobi Lütke 对谈
rauchg 要在 Vercel Ship SF 现场采访 Tobi Lütke，聊智能体商务和架构话题，10 月 15 日，感兴趣可以去官网报名。
Anthropic 发布 Claude Opus 5.5，成本比 Opus 5 低 40%
Anthropic 把 Opus 5.5 的价格砍了 40%，缓存读取还便宜 60%，跑分追平 Fable 5.1，用 Claude 写代码的可以看看降价幅度。
Claude Opus 5.5 上线 Devin，登顶 FrontierCode 1.1 榜首
Devin 现在能用 Claude Opus 5.5 了，在 FrontierCode 1.1 上反超 Fable 5 拿第一，价格还便宜不少，写码的朋友可以试试。
Claude Opus 5.5 登顶 FrontierCode 1.1 Extended 榜首
Cognition 自家的 FrontierCode 榜更新了，Claude Opus 5.5 拿 65.3% 超过 Fable 5，成本还更低，写代码的可以看看。
Claude Design 使用经验：设计阶段不必喂参考代码
用 Claude Design 做设计的朋友看这个：设计时别喂代码，讲清楚功能就行，再学他导出 HTML+React 后用本地 Skill 迭代，省得来回搬文件。
Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%
Anthropic 的新旗舰 Opus 5.5 来了，性能对齐 Fable 5.1，跑起来比 Opus 5 便宜四成，用 Claude 写代码的可以关注下
Claude Opus 5.5 成为 Claude Code 与 Claude 应用默认模型
Anthropic 把新模型 Opus 5.5 设成 Claude Code 和应用的默认了，比 Opus 5 便宜 40%，额度还多 25%，Pro 和 Team 用户直接就能用上。
Firecrawl 发布 Alexandria，获 7500 万美元 B 轮融资
Firecrawl 拿了 Smash Capital 领投的 7500 万美元 B 轮，做了个叫 Alexandria 的知识库，让智能体直接调各种数据集，做 agent 的可以关注。
AssemblyAI 语音转文字模型 Universal-3.5 Pro 上线 OpenRouter
AssemblyAI 的 Universal-3.5 Pro 在 OpenRouter 上线了，19 种语言转文字还能加词级时间戳，9 月 29 日前半价，搞语音的可以去试试。
LangChain 推出 Managed Deep Agents：几行代码构建从 Slack 发 GitHub PR 的智能体
LangChain 新出的 Managed Deep Agents，在 Slack 里 @一下 Patch，它就自己开好带 diff 的 GitHub PR，几行代码就能接进你的工作流。
NVIDIA Nemotron Labs 专家直播：如何评估智能体技能
NVIDIA 的 Nemotron Labs 搞了场专家直播，专门讲怎么评估 Agent 技能，做智能体开发的话可以看看他们的评估思路。
Anthropic 发布 Claude Opus 5.5，价格比 Opus 5 低 40%
Anthropic 新发的 Opus 5.5 性能追平 Fable 5.1，还比上代便宜 40%，跑大规模任务的可以看看成本账。
Claude Opus 5.5 上线 Perplexity Computer，成本降低 67.6%
Claude Opus 5.5 进了 Perplexity Computer，跑 WANDR 比 Fable 5.1 分数略高，价格还便宜六成多。
Firecrawl 为 Alexandria 融资，让数据提供者因 AI 使用内容获得报酬
Firecrawl 拿到新资金做 Alexandria，做爬虫给 AI 用的内容方可以直接登记等名单，看看能不能靠数据赚钱。
Claude Opus 5.5 上线 OpenRouter，价格比 Opus 5 低 20%
Claude Opus 5.5 上 OpenRouter 了，编程和电脑操作能力超过 Opus 5，1M 上下文还降价 20%，可以试试。
Anthropic 发布 Claude Opus 5.5：成本降低 40%，输出提速 30%
Opus 5.5 来了：比 Opus 5 便宜 40%，输出还快 30%，跑活多的可以留意一下换模型能省多少。
Claude Opus 5.5 发布：性能对标 Fable 5.1，成本降低 40%
Claude Opus 5.5 发布了，跑分对标 Fable 5.1 还便宜 40%，额度多了 5 小时，写作风格据说改得更自然，可以用起来试试。
开源 MiMo v2.6 成为性价比新标杆，代理成本仅为 Grok 4.7 的 1/57
小米的 MiMo v2.6 Flash 跑分接近 Grok 4.7，成本却只有 1/57，做 agent 的可以看看这份 60 任务实测。
宝玉分享省钱工作流：Fable 5 写方案，GPT-5.6 执行并自动验收
宝玉实测的省钱组合：贵的模型出方案，便宜的模型干活，再让贵模型自动验收，全程不用人工盯。Token 贵的都该看看这套闭环玩法。
Anthropic 发布 Claude Opus 5.5：追平 Fable 5.1，运行成本降 40%
Anthropic 新模型追平自家顶级模型，价格还砍了四成，缓存读取降到 0.2 美元，跑 Agent 的开发者直接受益，比 GPT-6 Astra 便宜一半以上。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档