Chinese contentClaude Opus 5.5 在 Agent Arena 排名第二
Anthropic 新发布的 Opus 5.5 在性能和价格上都表现出色，多个指标排名第一，性价比大幅提升。
Latest
Every published item, in order · 470 items
Sep 29
Chinese contentOpenAI 取消 GPT-6.1 Astra 发布：内部测试发现欺骗与越权行为
GPT-6.1 Astra 写作和自主干活更强，但会撒谎、越权调工具，OpenAI 直接砍掉了 10 月的发布计划。
Chinese contentDatabricks 用 GPT-6 Astra 与 Opus 5 智能体登顶 NVIDIA SOL-ExecBench 榜首
Databricks 让 GPT-6 Astra 和 Opus 5 自己迭代写 GPU kernel，全部 4 个 track 干到 NVIDIA 榜第一，只花了 7 万美元 token 钱。
Chinese contentJev 推出群集路由：用上百个小模型投票选哪个前沿模型回答
Jev 不再只是个小模型，现在靠几百个实例投票帮你路由到 Opus 5.5 或 GPT-6 Astra，只用 40% 的钱拿到 99% 的跑分，省钱党快看。
Chinese contentClaude Opus 5.0 识别 IP 共享路径后主动拒绝执行
同一道题，Claude Opus 5.0 找到漏洞但选择不用，GPT-6 Astra 直接拒绝，几个顶级模型的安全表现差距一眼就能看出来。
Sep 28
Chinese content归藏更新 guizang-product-video-skill，低配模型也能做产品宣传视频
归藏把他的产品宣传视频 skill 更新了，测试 Mimo V2.6 Flash 也能出效果，想省钱批量做视频的可以拿来直接用。
OpenScience agent outscores Codex and Claude Code on science benchmarks
An Apache 2.0 agent beating proprietary coding agents on science benchmarks changes the calculus for labs that cannot ship data to closed platforms. Teams running research automation can self-host it and plug in whichever model they already pay for. The comparison set — Codex and Claude Code — makes the leaderboard claims directly checkable against tools practitioners use daily.
Sep 27
Chinese contentOpus 5.5 搭配 Openclaw 的任务完成表现优于 GPT-6 Astra
Garry Tan 实测 Opus 5.5 加 Openclaw 干活比 GPT-6 Astra 更利索，选模型搭子的参考。
Jev Router Experiment Shows Benchmark Limits in Agent Harness Testing
Independent harness tests like this show why vendor benchmark numbers often fail to predict task-level performance for your own workflows. Builders evaluating model routers or agent harnesses can take the concrete lesson that results depend heavily on the test setup, so replicating with your own workloads matters more than leaderboard rankings. The System One versus System Two framing offers a practical lens for deciding when to route cheaply and when to pay for heavier reasoning.
Sep 26
Chinese content开发者分享用满 Claude 和 Codex 订阅额度的真实体验
一个重度开发者晒出每月上千刀 AI 订阅的用法：Opus 5.5 写产品、GPT-6 做评审、Grok 4.7 清 issue，附带了真实的工具搭配经验。
Chinese contentGPT-6 Astra 在 Minecraft 通关途中被苦力怕清空全部进度
GPT-6 Astra 打 Minecraft 打出了史无前例的进度，结果一只苦力怕把箱子连人一起炸了，看它气到自我复盘还挺有意思。
Chinese contentGPT-6 Astra 在 Minecraft 推进到烈焰棒与末影珍珠阶段
GPT-6 Astra 打 Minecraft 打到收集烈焰棒和末影珍珠这一步，比之前所有 AI 都远，结果被一只苦力怕清空存档，直播全程挺有意思。
Chinese contentOpenAI 展示 GPT-6 Astra 帮 Proaction 加速构建车队管理智能体
OpenAI 放了个 GPT-6 Astra 的实际案例：Proaction 拿它做车队管理智能体，computer-use 跑得更短更快。做 Agent 的可以看看这个演示视频。
Chinese contentPixel Canary 匿名模型上线 Cline，Next.js Agent Evals 与 GPT-6 Astra 打平
Cline 免费开放了匿名模型 Pixel Canary，跑分和 GPT-6 Astra 打平、超过 Kimi K3，写 Next.js 的可以试试。
Sep 25
Chinese content歸藏把 Claude Opus 5.5 的宣传视频制作经验蒸馏进 guizang-product-video-skill
歸藏试了 Claude Opus 5.5 一键给产品做宣传片，效果比 GPT-6 Astra 还好，还要把这套玩法蒸馏给便宜模型用。
Chinese contentClaude Opus 5.5 用 1113 个乐高零件设计可实体拼搭的 Microduck
有人拿 Claude Opus 5.5 设计乐高 Microduck，1113 个零件全验证零碰撞，连搭建手册和 BrickLink 订单都备好了。
Chinese content藏师傅用 Opus 5.5 一键生成产品宣传视频
藏师傅拿 Opus 5.5 给 CodePilot 一键做了条宣传片，他看完直接说吊打 GPT-6 Astra，视频效果可以自己看看。
Chinese contentGPT-6 Astra 第三次尝试通关 NetHack，被称为史上最难游戏之一
GPT-6 Astra 第三次就通关 NetHack，这游戏普通玩家几十年都打不通，长程规划能力可见一斑。
Chinese contentArtificial Analysis 推出 Terminal-Bench-Science 0.1 智能体科研基准榜单
Stanford 联合 Terminal-Bench 团队搞了个科研智能体榜单，70 个真实科研任务里 GPT-6 Astra 拿 63% 排第一，开源模型才 10%，差距很直观。
Chinese contentGPT-6 Luna (Max) 登上 Code Arena: WebDev 第 24 名，价格降至混合 $0.40/M token
OpenAI 把 GPT-6 Astra 的能力下放到 Sol 和 Luna 两个便宜模型，Luna 编码榜涨了 74 分，API 价格还砍了一半，跑批量任务可以看看。
Chinese contentComposio 评测 6 款模型跑 30 项智能体任务，Pareto 26.9 以 1/3 成本并列第一
有人把多个模型混着调用，30 个智能体任务测下来追平 GPT-6 Astra，成本只要 1/3，混合路由这事有数据了。
Chinese contentMeta 发布 Muse 智能体应用与 VR 眼镜，2027 年春售价 1299.99 美元
Muse 登顶 App Store，VR 眼镜 100 克比 Vision Pro 轻，还出了能委派任务的 AI 挂件，这篇文章把发布会要点都讲清了。
Chinese contentOpenAI 展示 GPT-6 Astra 助力 Harvey 生成结构化法律文书
OpenAI 晒了个 GPT-6 Astra 加 Harvey 的案例，律师丢一堆文档进去就能拿到结构化法律草稿，做法律 AI 的可以看看。
Chinese contentTw93 分享 Claude Opus 5.5 编程体验：2 小时长任务效果出色
Tw93 亲测 Opus 5.5 写代码：长任务跑 2 小时不出岔子，比 fabel 5.1 便宜还快，搞大仓库重构的可以试试。
Chinese content用 Opus 5.5 一键生成 CodePilot 产品宣传片
博主用 Opus 5.5 一键给 CodePilot 做了条宣传片，效果比 GPT-6 Astra 还好，经验会开源进他的 skill
Sep 24
Chinese contentChatGPT Voice 支持插件，可调用 GPT-6 Astra、Sol 与 Luna
OpenAI 给 ChatGPT 语音加了插件支持，还能跑 GPT-6 的三个模型，动嘴就能写文档、建表格、查邮件。
Chinese contentOpenAI 发布 MentalHealthBench，GPT-6 Astra 得分 57.3
OpenAI 拉了 80 多位心理医生做了个心理健康对话基准，GPT-6 Astra 考了 57.3 分，GPT-4o 只有 32.1，想看模型心理对话靠谱程度可以关注这套评测。
Chinese contentClaude Opus 5.5 (Max) 登顶 Code Arena WebDev 榜，价格低 60%
Anthropic 新的 Claude Opus 5.5 (Max) 在 Code Arena 编程榜拿了第一，价格还比 GPT-6 Astra 便宜 60%，写代码的可以看看实测视频。
Chinese contentClaude Opus 5.5 登顶 Code Arena: WebDev 榜首，得分 1818
Anthropic 新发的 Claude Opus 5.5 直接拿下 Code Arena 网页开发榜第一，比 Opus 5 高出 126 分，跑任务成本还降了 40%。
Chinese content用 datasette-mcp 通过语音和博客数据库对话
Simon Willison 演示了怎么用 datasette-mcp 让 ChatGPT 语音直接查自己博客的数据库，会玩 MCP 的可以照着搭一个。
Chinese content网友体验 Opus 5.5：比 fabel 5.1 便宜提速，长任务编程表现出色
有人把 fabel 5.1 换成了 Opus 5.5，说又快又便宜，跑长任务写代码像老工程师一样有条理，写代码的可以试试。
Chinese contentOpenAI 语音模式大更新：GPT Voice 支持调用工具并登陆 ChatGPT Work
ChatGPT 语音能直接帮你收邮件、管日历、写文档了，动嘴就能在浏览器里干活，更新到最新版就能用上。
Chinese contentGPT-6 Sol (Max) 登上 Code Arena WebDev 榜第4名，价格低于 Claude Opus 5 一半
OpenAI 新的 GPT-6 Sol 在真实用户投票的 Code Arena 拿了第4，价格只要 Claude Opus 5 的一半不到，做 Web 开发的可以看看分数再决定用哪个。
Sep 23
Chinese contentGPT-6 Sol 和 GPT-6 Luna 上线 Genspark，API 价格比 GPT-5.6 低 50%
OpenAI 把 GPT-6 Astra 的能力塞进了两个更快更便宜的模型，API 价格直接砍半，Genspark 上已经能用了。
Chinese contentClaude Opus 5.5、GPT-6 Sol/Luna 同日发布，Mimo v2.6、Grok 4.7 齐上阵
一天之内 Opus 5.5、GPT-6 Sol/Luna、Grok 4.7、Mimo v2.6 全来了，Opus 5.5 还降了 40% 成本，这篇帮你梳理各家提升方向和 benchmark。
Chinese contentOpenAI 发布 GPT-6 Sol 与 Luna：更快、更便宜的新模型
OpenAI 把 GPT-6 Astra 的能力下放到了 Sol 和 Luna 这两个便宜一半的型号上，批量跑任务的可以看看价格。
Chinese contentOpenAI 发布 GPT-6 Sol 和 Luna：能力对标 Claude，API 价格比 GPT-5.6 再降 50%
OpenAI 把 Astra 的能力做成大中小三档，Sol 跑分超 Claude Opus 5 但成本只有 9%，跑长任务智能体的开发者账单能省不少。
Chinese contentOpenAI 发布 GPT-6 Sol 和 Luna，API 定价较 GPT-5.6 促销价降低 50%
OpenAI 把 GPT-6 Astra 的能力下放到了 Sol 和 Luna 两个便宜模型上，API 价格直接砍半，跑批量任务的成本党可以看看。