Chinese contentMeta 发布首个前沿模型 Muse Wonder，定价 $4/$20 每百万 token
Meta 终于出自己的前沿模型了，Muse Wonder API 定价 $4/$20，比 GPT 和 Claude 低不少，还有个更强的 Full 版只给 Muse Code 订阅用户。
Latest
Every published item, in order · 430 items
Oct 13
Chinese contentMeta 发布 Muse Wonder，对标 GPT-6 Astra 和 Claude Opus 5.5
Meta 新出的 Muse Wonder 直接叫板 GPT-6 和 Claude Opus 5.5，超长程编程跑分高出一截，还能自己扛住长任务不中断，做 Agent 的可以看看跑分细节。
Chinese contentAlexandr Wang 回应 Muse Wonder 争议：承认编程不如 Claude Opus 5.5
Alexandr Wang 直接承认 Muse Wonder 编程比不过 Claude Opus 5.5，还说 bug 一堆在修，这回应挺少见的。
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。
Chinese contentMeta 模型 Muse Wonder Full 登上 AA Intelligence Index 世界第二
Meta 的 Muse Wonder Full 在 AA Intelligence Index 拿了 56 分世界第二，只差 Claude Opus 5.5 两分，就看什么时候能放出来用了。
Chinese contentMeta 发布 Muse Wonder 模型家族，Wonder Full 逼近 Claude Opus 5.5
Meta 新模型 Wonder Full 离 Opus 5.5 只差 2 分，长代码项目还反超了，做开发的可以去 Muse Code 里试试。
FrontierCode 1.1 Leaderboard Launches on Artificial Analysis
The benchmark penalises behaviours conventional evals ignore, such as oversized diffs, out-of-scope file edits and unhelpful tests, so its ranking offers a different picture of coding ability than SWE-style test suites. Even the best model fails over 40% of tasks, meaning maintainer cleanup is still unavoidable. Teams choosing models by cost-performance should note GPT-6.1 Sol matching Claude Fable 5.1 at under a tenth of the per-task price.
Artificial Analysis launches leaderboard for Cognition's FrontierCode 1.1
The benchmark's merge-focused grading penalises the messy diffs and unhelpful tests that cheaper evaluations ignore, so leaderboard gaps here reflect real maintainer acceptance rather than raw test-passing. Leading models still fail over 40% of tasks, and nine tasks went unsolved by every model evaluated. Teams choosing coding agents can weigh GPT-6.1 Sol's 49% score at US$0.81 per task against Claude Opus 5.5's 52% at far higher cost, with open-weights options like MiMo-V2.6-Pro at 45% close behind.
Chinese contentAgent Arena 数据：开源模型 12 周追平 Claude Fable 5
LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。
Chinese contentMeta 发布 Muse Wonder 与 Wonder Full 两个模型，对标 Claude Opus 5.5 和 GPT-6 Astra
Meta 放出 Muse Wonder 两个版本，作者实测说能打 Claude Opus 5.5 和 GPT-6 Astra，做编程和智能体的可以关注一下。
Chinese contentMeta 发布 Muse Wonder Full，长时程智能体基准成绩超过 Claude Opus 5.5
Meta 的 Wonder Full 在 SWE-Marathon 拿了 57.5%，比 Claude Opus 5.5 高 11 个点，还带跨对话记忆，做长任务可以试试。
Oct 12
Chinese content传 Claude Opus 5.5 实际路由至其他模型，Claude Fable 5.5 或为幕后候选
有人发现 Claude Opus 5.5 背后可能偷偷换了模型，候选名字叫 Claude Fable 5.5，Anthropic 还没承认，吃瓜看看就好。
Oct 11
Chinese contentMistral OCR 接入 LlamaIndex OpenDocRouter：p50 每页 1.8 秒
Mistral OCR 上线 OpenDocRouter 了，表格和阅读顺序识别不错，每页 1.8 秒很快，还能一行代码切换其它解析模型。
Chinese content用 Claude Opus 5.5 搭配 Codex 生图关键帧复刻 Notion 视频
有人拿 Notion 视频试了个新玩法：不用视频模型，让 Opus 5.5 用 Codex 生关键帧加代码做动画，对比视频贴出来了
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 content博主实测：Codex Fast 慢但更费额度
有人实测 Codex Fast 才 30 tokens/s，还要扣 2.5 倍额度，跟 Claude 一比差了 7 倍，写代码前先看看这个再决定开不开 Fast。
Chinese content一条提示词让 Claude Opus 5.5 把 OpenAI 论文做成 92 秒动画讲解视频
有人给 Claude Opus 5.5 发了一条提示词加论文链接，就产出 92 秒动画讲解视频，流程值得照着试试。
Chinese contentAstra 与 Claude Opus 5 攻克 Atari 游戏 Montezuma's Revenge，Metaculus 复刻 AGI 赌约判定测试
Montezuma's Revenge 是探索类游戏的老大难，现在 Astra 和 Opus 5 都过了，Metaculus 还专门复刻测试来结AGI赌约，挺有意思。
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。
Meta Superintelligence Labs Agent Plasticity Study
The research reveals that the best-performing models aren't always the most efficient learners, challenging assumptions about AI self-improvement. Developers and researchers can use agent plasticity metrics to optimize AI training investments, particularly for complex tasks requiring artifact reuse. The findings have practical implications for resource allocation in AI development across industries.
Chinese contentGemini 4 "Argon" 未发布，Google 内部已测试下一版 "Carbon"
爆料说 Google 内部已经测上了 Gemini 4 之后的 Carbon，目标直逼 Opus 5.5，可以说说看你怎么看
Oct 9
Chinese content用 Claude Opus 5.5 + Tripo 3D 工作流开源复刻 GTA 老奶奶版游戏
有人用 Claude Opus 5.5 加 Tripo 3D 做了个老奶奶版 GTA，13 个任务浏览器就能玩，整个工作流开源了，想做 3D 游戏的可以直接照抄。
Chinese contentGoogle 推出 Gemini Agent：每个任务配独立电脑，可选 Gemini 4 Argon 或 Claude Opus 5.5
Google 这个 Gemini Agent 给每个任务单独一台电脑，还能像员工一样挂邮箱进公司通讯录，模型还能在 Gemini 和 Claude 之间随便换，挺有意思。
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 contentClaude Opus 5.5 自评：20 个可能被替代的人类岗位
有人让 Claude Opus 5.5 自己列出 20 个可能被它替代的岗位，清单挺有意思，不过只是模型自说自话，当个参考看看。
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 contentClaude Opus 5.5 列出 20 种可能被取代的工作
有人让 Claude Opus 5.5 自己点名 20 种可能被它取代的工作，帖子火了对名单细节感兴趣可以看看原文。
Chinese contentClaude Opus 5 在 RSIGym 中将 Qwen 模型 SWE-bench Verified 成绩提升近三倍
有人做了个开源环境让 AI 智能体自己训练模型，Claude Opus 5 把 Qwen 的 SWE-bench 成绩刷到近三倍，还发现修 harness 比堆训练更管用。
Chinese contentElon Musk 宣布 Grok 将接入 Claude Opus 5.5 等第三方模型
Musk 说 Grok 要按任务自动挑最合适的模型，连 Claude Opus 5.5 都接入，多模型路由这个思路值得玩味。
Agent Arena tests show Jev Router trails DeepSeek V4.1 Flash on cost
The evaluation suggests routers are judged less on raw cost-performance and more on how quickly they adapt to user feedback, where Jev Router nearly matches Claude Opus 5.5 (High). Teams building multi-model agent pipelines can use these latency and cost figures to decide whether a routing layer beats picking DeepSeek V4.1 Flash directly. The full thread contains additional session-level insights.
Chinese contentMistral Large 4 发布：1T 参数、49B 激活，开源权重月底放出
Mistral 的 Mistral Large 4 来了，1T 参数只激活 49B，权重月底开源，视频里直接和 GPT-6.1、Claude Opus 5.5 掰手腕，可以看看它到底排在哪一档。
LlamaIndex launches OpenDocRouter, a unified API for document parsing
Document-parsing model quality shifts every few months, so the real value here is switching cost: one request format means swapping models in a single line instead of rewriting prompts and integrations. Developers processing large document volumes can compare ParseBench scores and per-page costs before committing, and the bounding-box layout service spares teams from re-adding grounding logic per model. Teams currently locked to a single OCR vendor should benchmark their documents against the price-performance spread before renewing.
Chinese contentLlamaIndex 发布 OpenDocRouter：一个 API 统一调用多款文档解析模型
做文档处理的朋友可以看看，LlamaIndex 把 10 个解析模型塞进一个 API，一行代码切换，还附 ParseBench 成绩单，按 token 计费。
Oct 7
Chinese contentMistral 4 用 3800 张 Grace Blackwell 达到 GPT-6 Astra 72% 的智能水平
Mistral 用 3800 张 GPU 干出了别人 10 万张卡 72% 的效果，这算力效率对比挺有意思，看看各家的差距。
Chinese contentBoris 用 Opus 5.5 为 Acquired 播客制作互动网站
Claude 创始团队成员 Boris 分享了一条简单提示词，让 Opus 5.5 做出带水彩插图的播客互动网页，重点是自我验证那一步。