Chinese contentClaude Fable 5.2 登顶 Code Arena WebDev 榜，价格降至 $8/$40
Anthropic 把 Claude Fable 5.2 的 WebDev 分数干到 1832，压过自家 Opus 5.5 和 Gemini 4 Carbon，价格还降了两成。做前端页面、小游戏、可视化的开发者可以直接试试，速度也快了 30%。
Latest
Every published item, in order · 233 items
Nov 10
Chinese contentClaude Fable 5.2 (xHigh) 登顶 Code Arena: WebDev 榜首
Anthropic 又发新模型了，Claude Fable 5.2 在 Code Arena 的 WebDev 评测拿了 1832 分，比自家的 Opus 5.5 和 Google 的 Gemini 4 Carbon 都高。关键是价格还降了 20%，速度更快 30%。平时用 Claude 写代码、做网站的朋友可以直接换新版试试。
Chinese contentAnthropic 发布 Claude Fable 5.2 和 Mythos 5.2：能力超 Opus 5.5，API 降价 20%
Anthropic 这次一次发了 Fable 5.2 和 Mythos 5.2 两个高端模型，编程评测分数超过 GPT-6 Astra 和 Gemini 4 Carbon，API 还降价两成。Pro 用户这一周能免费用 Fable，写代码的可以趁机试试它到底比 Opus 5.5 强多少。
Chinese contentAnthropic 发布 Claude Fable 5.2，登顶 Artificial Analysis 智能指数
Anthropic 的新旗舰模型，科学推理和编程基准刷了一堆纪录，比如 HLE-Diamond 拿到 80%。有意思的是调低 effort 档反而更划算，输出 token 用得更少还能赢 Opus 5.5。做科学计算、代码开发的团队值得看下这笔成本账。
Chinese contentGemini 4 Carbon 对比 Claude Opus 5.5：任务成本低 23%
DeepLearning.AI 拆了 Gemini 4 Carbon 和 Claude Opus 5.5 的真实账单：单价一样，Carbon 每任务省 23%，还在 AA 独立榜单以 59 分排第一。按 token 付费的人选型前应该看看这笔账。
Chinese contentAnthropic 发布 Claude Fable 5.2：FrontierCode 得 49.1%，API 降至每百万 8/40 美元
编程评测分数超过了 GPT-6 Astra 和 Gemini 4 Carbon，价格还降了两成，写代码的同学可以直接在 Claude Code 里手动切换试试。Pro 用户 16 号前用 Fable 不额外扣钱，别忘了去设置里领那次额度重置。
Nov 8
Chinese content用三个模型组队替代单个 Claude Opus：分工实现能力强、说人话、速度快
一条多模型协作思路：Gemini 汇报、GPT 拆任务、便宜模型干活，适合被 Claude 封号折磨的人抄作业。
Chinese contentGoogle AI Studio 负责人用 Gemini 4 把塞尔达时之笛跑在 iPhone 上
谷歌 AI Studio 的 Ammaar Reshi 用 Gemini 4 加 nxnative 工具把 Switch 2 的塞尔达塞进了 iPhone，还附了 NX2Apple 这款免命令行工具，想折腾的可以看看。
Nov 7
VIALS-AA leaderboard ranks models on life science visual reasoning
The 29× cost gap between frontier models with a 3-point score spread changes the economics of choosing a model for scientific agent workloads. Teams building lab-automation or biotech analysis tools can use the per-task cost and turn counts to pick models that fit their budgets. The 19-point deficit of open weights models like Kimi K3.1 Pro also marks a concrete ceiling for on-premise deployments.
Chinese contentGemini Omni 1.2 Flash 正式上线 AI Studio 与 Gemini API
Google 把 Gemini Omni 1.2 Flash 正式开放了，支持 15 秒视频输入，价格还降了 30%，走 API 的可以直接上手。
Nov 5
Chinese content协作智力基准发布：18 个模型当队友，最高只拿 82.2 分
斯坦福他们测了 18 个模型当队友的水平，最强的 Gemini 4 Argon 也才 82.2 分，冲突一开会就妥协，挺扎心的。
Agent Arena data shows 66% cost gap in hour-long agent tasks
For hour-long agent workloads, the cheapest model is not automatically the right one: Claude Opus 5.5 scores higher but costs twice as much per hour as Gemini 4 Carbon. Teams running long-horizon agents can use these per-hour cost and time figures to match model choice to budget and quality needs. The 55-minute spread among frontier models also suggests task duration, not just accuracy, should enter model selection criteria.
Chinese contentAgent Arena 排行：复杂任务上 Gemini 4 Argon 与小米 MiMo 表现突出
Agent Arena 拆了成本维度看模型：贵任务上 OpenAI 和 Anthropic 不再通吃，Gemini 4 Argon 和小米 MiMo 顶上，选型前值得对号入座。
Gemini 4 Carbon leads cost scaling in Agent Arena data
Cost differences widen precisely on the longest sessions, so the cheapest model for simple tasks is not the cheapest for complex agentic work. Teams running long-horizon agent tasks such as app development can cut bills by re-benchmarking at high task complexity rather than averaging across workloads. The finding also opens the door for Gemini 4 Argon and Xiaomi's MiMo-V2.6 Flash and Pro to challenge OpenAI and Anthropic where budgets are tightest.
Chinese contentAgent Arena 数据：头部模型长任务耗时差距达 55 分钟
Agent Arena 拿 5 家实验室的旗舰模型跑了长任务对比，Claude Opus 5.5 能连续干近 2 小时，Kimi 最快但也最短，差距挺直观。
Nov 4
Nov 3
Agent Arena finds top agents consume 93 input tokens per output token
The economics of agents are decided on the input side, not the output side, so cache discounts now shape which models are viable for long-running workflows. Builders choosing between Anthropic and Google DeepMind for agent deployments can use the session data to estimate real token spend before committing. The caching walkthrough with live sessions doubles as a practical cost-optimisation reference.
Code Mode: Agents Collapse Tool Calls into Typed Code Sandboxes
The shift from listing dozens of MCP tools to writing code against them changes how agents scale with large toolsets, cutting token overhead and improving reliability. Developers building agent workflows can try the Gemini 4 Argon example or the pi framework directly. Schmid's bet that MCP remains the underlying protocol, just invoked through code, is a useful planning signal for anyone wiring up tool infrastructure.
Chinese contentSemiAnalysis 发布 GDPx 基准，Claude Opus 5.5 平均仅得 12%
SemiAnalysis 搞了个 GDPx 基准，让智能体真去翻几千个文件干活，结果最强的 Claude Opus 5.5 也才拿 12 分，金融法律题全军覆没。
Chinese contentDeepSeek 开源自主编程智能体研究原型 dsh-superagent
DeepSeek 把自主编程智能体的研究原型直接开源了，想做 coding agent 的可以拆开看看实现思路。
Chinese contentGDPx 基准测试：Claude Opus 5.5 智能体得分 12%，Gemini 4 性价比更高
GDPx 这个基准挺有意思，用 206 个真实经济任务测智能体。Opus 5.5 分最高，但 Gemini 4 便宜 4 倍只低 1.1%，选型可以参考。
Nov 2
Chinese contentGemini 4 Argon 在游戏任务上成本低于 Claude Opus 5.5
有人实测 Gemini 4 Argon 跑游戏任务，成本比 Claude Opus 5.5 便宜，但 token 和耗时上有差距，选模型前可以看看
Oct 31
Chinese contentLMArena 榜单更新：Gemini 4 Carbon 登顶，GPT-6.1 Terra 入榜
三大模型同周换榜：Gemini 4 Carbon 直接冲到文本第一，GPT-6.1 Terra 花 0.62 美元就能跑完一个任务，选模型前先看看这份数据。
Oct 30
Chinese contentGoogle 发布 Gemini 4 Carbon，登顶 Artificial Analysis V5
Google 两周连发两代，Gemini 4 Carbon 冲上 Artificial Analysis V5 第一，还主打长时程任务和编程能力，编程党可以看看。
Chinese contentGoogle 发布 Gemini 4 Carbon：主打网络安全与长时程任务
Google 发了 Gemini 4 Carbon，编程和网络防御能力是主打，目前先给 Fairwind 计划里的安全人员用，搞安全的朋友可以留意申请。
Oct 29
Chinese contentGoogle 发布 Gemini 4 Carbon：AA 综合榜第一，先开放给网络安全防御团队
Google 两周内连发 Argon 和 Carbon，Carbon 综合榜 59 分登顶，引入期价格只有 Opus 5.5 一半，不过编程测试还没打过 GPT-6 Astra。
Industry06:06
Chinese contentSundar Pichai 称未来 12 个月将因 RSI 持续加速Pichai 亲口说未来 12 个月会因 RSI 持续加速，还顺带提了 Gemini 4 Carbon，听听 Google 怎么看自我改进这条线。
Chinese contentGoogle 发布 Gemini 4 Carbon：登顶 Artificial Analysis v5.0 榜单
Google 两周内连发两个模型，Gemini 4 Carbon 拿下 AA 榜第一，网络安全三项评测都领先，先小范围开放给安全防御者。
Chinese contentGemini 4 Carbon (High) 登顶 Text Arena，得 1528 分
Google 新版 Gemini 4 Carbon 文本榜登顶了，Agent 榜排第二，仅次于 Opus 5.5，想看榜单情况的可以看看。
Chinese contentGemini 4 Carbon 首次超越 Claude 与 GPT，价格仅 Opus 5.5 一半
Google 新模型 Gemini 4 Carbon 首次全面压过 Claude 和 GPT，还只要 Opus 5.5 一半的价钱，写代码的可以试试换过去。
Chinese contentNathan Lambert 评 Gemini 4 Carbon 提前预告：或是赶在 Fable 5.5 前抢跑
Google 把还没公开的 Gemini 4 Carbon 先放出来预热，Nathan Lambert 觉得这是怕被 Fable 5.5 抢风头，看看他怎么分析这波节奏。
Chinese contentGoogle 两周内接连推出 Gemini 4 Argon 与 Gemini 4 Carbon
Google 半个月内连发两版 Gemini 4，Carbon 这次先给网络安全防御者用，做安全方向的可以留意。
Chinese contentGoogle 发布 Gemini 4 Carbon，安全基准超 GPT-6 Astra 与 Claude Opus 5.5
Google 两周内连发两代旗舰，Carbon 的漏洞发现和修补成绩直接压过 OpenAI 和 Anthropic，长上下文 96.2% 也很猛，定价还先打折，搞安全的建议盯一下。
Chinese contentGoogle Gemini 4 Carbon 登顶 Artificial Analysis 智能指数 v5
Google 新模型 Gemini 4 Carbon 拿下智能指数第一，编程追近 Claude Opus 5.5，还便宜 23%，可以先看看数据再决定用不用。
Chinese contentGoogle 发布 Gemini 4 Carbon，登顶 Artificial Analysis V5 榜单
Google 新模型 Gemini 4 Carbon 登顶 Artificial Analysis V5，主打网络安全场景，三个安全基准成绩都公开了，搞安全的可以试试。
Chinese contentGoogle 发布 Gemini 4 Carbon 预览版，主打网络安全长程编码
Gemini 4 Argon 出来才两周，Google 又放出了 Carbon 预览版，直接在 Artificial Analysis 榜单上拿第一，还专门做了网络安全防御的检测和修复能力。
Chinese contentGemini 4 Carbon 登顶 Artificial Analysis 指数，超越 Opus 5.5 与 GPT-6 Astra
Google 的 Gemini 4 Carbon 把 Opus 5.5 和 GPT-6 Astra 都比下去了，还拿下 Artificial Analysis 指数第一，看看这次是不是真翻身。
Oct 28
Chinese contentArtificial Analysis Intelligence Index v5 上线，Claude Opus 5.5 以 58 分居首
Claude Opus 5.5 拿下 58 分登顶，GPT-6 Astra 只差 1 分，还新增了两个编程基准，选模型前可以看看这份榜单。
Chinese contentGoogle DeepMind 发布 Genie 4：一句话生成带声音和对话的可交互 3D 世界
Google DeepMind 的 Genie 4 一句话就能生成能走进去的 3D 世界，声音和对话也一起生成，不用后期配音，做游戏原型和机器人训练的可以关注。
Chinese contentDeepMind 发布 Genie 4，可搭配 Gemini 3.8 Flash 分步验证任务
DeepMind 的 Genie 4 来了，能配 Gemini 3.8 Flash 看场景拆步骤、逐步检查，还能模拟 Apollo 人形机器人，做机器人训练的值得看。
Sep 17
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOPRead
Aug 13
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOPRead
Aug 7
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOPRead
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOPRead
Aug 2
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOPRead