全部动态
Impossible Research的[schema]让LLM像物理学家推理，ARC-AGI-3刷到99% RHAE，太强了
AI帮你揭开了统计学25年的难题：GPT-5.6 Sol Pro用90分钟证明BH方法在相关数据下会失效，比人类20小时还准。
Doximity Ask在独立测试中把GPT-5.6和Claude Fable 5都干翻了，说明医学领域专用模型才是王道。
Thinking Machines出了个真开源的多模态模型Inkling，41B参数能和GPT-5.6 Sol掰手腕，还准备出12B小版，赶紧试试。
以后看模型排名不只凭喜好，还能按事实准确性排序。GPT-5.5 狂飙 13 名，Claude 也被挤到第二，快去 Arena 开开关看看。
看谁家搜索模型最靠谱？GPT-5.5-search 刚拿了事实性第一，GPT-5.2-search 飙升到第三，Claude 和 Gemini 反而掉了。
Codex 刚刚大更新，有了 GPT-5.6 Ultra 模式、多智能体协作、操作电脑和浏览器，还能一键发布网站。不是简单补全代码，而是帮你管项目、做 PR 走到底。
OpenAI 的 Codex 两周内更新150多项，新增 GPT-5.6 和 Ultra Parallel，周用户破700万，编程效率又上一台阶。
Pliny 爆出了 GPT-5.6 Sol 在 Codex 里的系统提示，四万多字，教你它怎么跟你聊天、怎么写代码，值得看看背后的设计思路。
别被百万token的噱头骗了！这位工程师用GPT-5.5的数据告诉你，上下文越长准确率反而暴跌，真正的解法是持续学习和真实环境训练。
别被百万token的宣传忽悠了，GPT-5.5实际测试256k时准确率80%，拉到100万直接掉到36%。这不只是容量问题，是模型推理跟不上了。
OpenAI 在 Bedrock 上了 GPT-5.6 的三个档位：Sol 负责强推理，Luna 跑得快，中间 Terra 平衡。现在 AWS 用户直接用，不用折腾部署了。
Google 的新模型 Gemini 3.5 本周就要来了，内部测试居然超过了 GPT-5.6 和 Fable 5，比前代 Pro 版强不少。
OpenAI 的 GPT-5.6 Sol 在 Agent Arena 上冲到第2，离 Claude Fable 5 更近了。看看具体指标差异，特别是用户满意度的信号。
OpenAI的GPT-5.6 Sol在Agent Arena上冲到第二，比前代进步明显，和Claude Fable 5差距缩小了，想看看真实任务中模型表现的话值得关注。
看，有人用GPT-5.6和Cursor直接操作Blender MCP做3D渲染，自己没碰过Blender就搞出逼真MacBook，零基础也能玩。