Chinese content经典与量子混沌到全息理论的学术讲座笔记发布
Anthropic出的Claude Opus 5帮忙搞的那套六次学术笔记，讲经典量子混沌到全息理论，比一般资料详细，想学这方向的可以看看。
Latest
Every published item, in order · 764 items
Aug 20
Chinese contentAgent Arena推出Pareto前沿任务性能对比平台
Agent Arena发布了Pareto前沿平台，能查各模型做真实任务里的表现，像 Claude 和 GPT 这些对比后就知道哪个更划算。
Aug 19
Aug 18
Chinese contentAgent Arena 新分类榜：代码榜首 GPT 5.6 Sol，工作聊天归 Claude Opus 5
想知道代码、工作、聊天分别谁最强？Agent Arena 新榜单给出答案：GPT 5.6 和 Claude Opus 5 各领风骚。
Aug 16
Chinese contentAnthropic自曝安全漏洞：生物武器过滤器失效近一年，涉及1.33亿次对话
Anthropic自己承认生物武器过滤器失效快一年，5万承包商产生1.3亿次对话没被拦。虽然没发现滥用，但安全防线有洞，值得看看。
Aug 15
Chinese contentFT数据质疑Anthropic千亿收入预测，价格战下Q4需翻倍
FT数据说Anthropic年入千亿有点悬，Q2才115亿，Q4得翻倍到250亿。中国模型份额从4.4%涨到60%，信息量大。
Chinese content27B参数智能体Faraday复现论文击败Claude Opus 4.8和GPT-5.5
一个叫Faraday的27B智能体，把论文复现变成强化学习任务，在测试集上赢了Claude Opus 4.8和GPT-5.5，还把编码agent当工具用，有点意思。
Aug 14
Chinese content70天超10款模型，CNBC：美国限制催化中国AI创新，加速进入全球企业业务体系
这篇把6月以来中国AI密集发模型的节奏和全球企业采购逻辑说清楚了，还给了DeepSeek比Claude便宜39倍的实测成本对比。
Papers12:26
Chinese content研究：LLM如何回应逐步升级的妄想——四种纵向行为轨迹这篇论文测了15个主流聊天机器人，发现有些会顺着妄想聊下去，有些会过早建议停药，看完就知道该警惕哪种回复。
Chinese contentGemini 3.7 Flash (High) 在 Text Arena 升至第9，得分1490
Gemini 3.7 Flash在Text Arena冲到第9，创意写作第3，数学第4，跟Qwen-3.8和Claude Opus 5只差几分。
Aug 13
Chinese contentClaude Opus 5系统提示词曝光：回应出口管制事件
Simon Willison贴出Claude Opus 5系统提示词，看Anthropic怎么让模型谈出口管制，还给了官方声明链接。
Chinese contentxAI Grok 4.6 追平 GPT-5.6 Sol，价格低超 60%
xAI 的 Grok 4.6 跑分追平 GPT-5.6，智能体任务比 Claude 更省步数，价格还便宜一大截，想换 API 的可以看看。
Chinese contentLMArena：Claude Opus 5写作更长、词汇更简单
Claude Opus 5和Opus 4.5差多少？LMArena用数据告诉你：回复长度是4.5的3倍，词汇反而更简单，破折号也更多。
Aug 12
Chinese contentAnthropic CEO Dario 末日论引投资者不满，IPO 在即
Anthropic 要 IPO 了，但 CEO 天天讲 AI 毁灭世界，投资人快疯了。看看安全狂魔怎么一边搞安全一边赚钱，挺有意思。
Chinese contentSwitchyard路由评测：93%任务无需前沿模型，成本降70%
想知道你的智能体能不能少花点钱？LangChain实测NVIDIA的Switchyard，93%任务用30B模型搞定，成本砍七成，准确率还保住九成。
Aug 11
Papers10:45
Chinese content开源模型能否媲美闭源模型？金融文本理解基准更新想知道开源模型在金融领域到底行不行？这份基准测试用数据说话，Kimi K2.6和GLM 5的表现可能会让你意外。
Aug 10
Chinese contentClaude Opus 5 系统提示包含 Fable 出口管制细节
Simon Willison 挖到 Claude Opus 5 系统提示里居然写了 Fable 出口管制这事，怕模型答不上来。挺有意思的。
Chinese contentClaude Opus 5系统提示词曝光：如何回应出口管制
Simon Willison把Claude Opus 5的系统提示词原文摘出来了，看看Anthropic怎么让模型应对自家产品被禁的事，挺有意思。
Aug 7
Chinese contentQwen3.8-Max看图识云，被赞与Claude Opus 5等持平
有人拿云朵照片同时问 Qwen3.8-Max、Claude Opus 5、Kimi K3、GPT 5.6 Sol，画动物轮廓它没输。
Papers09:25
Chinese content模式引导的层级信息提取与语义评估框架这篇论文用Claude Opus 3从NICE文档里自动提取结构化信息，F1超90%，速度比人工快30倍，做医疗评估的朋友可以看看。
Aug 6
Chinese contentQwen3.8 Max追平Claude Opus 4.8，但Kimi K3便宜25%仍领先
Qwen3.8 Max一口气涨10分追平Claude，但Kimi K3更便宜还更强，值得看。
Chinese contentClaude Opus 5 (Max)登顶Fullstack Code Arena，得分1699
Anthropic新出的Claude Opus 5（Max）把代码榜刷到第一，1699分，前端和文本也登顶，这波挺猛。
Aug 5
Chinese content卡帕西提出 AI 测试新思路：让 Claude Opus 5 用 100 万 Tokens 构建《指环王》3D 场景
Karpathy 的新测试：让 Claude Opus 5 用 100 万 tokens 把《指环王》开头做成 3D 场景，2 小时生成了 5500 行代码。
Chinese contentQwen3.8-Max拿下Image-to-WebDev Arena第二，距榜首39分
阿里新出的Qwen3.8-Max看图写网页排第二，只比第一的Claude Opus 5少39分，挺牛的。
Chinese contentLLM评审与人类同行评审对齐程度如何
让GPT-5.4、Gemini 3.1和Claude 4.6评审300篇ICLR论文，发现它们能区分录用和拒稿，但分不清oral和poster，Gemini给分偏高。用AI审稿前先看看这个。
Chinese contentQwen3.8-Max在Image-to-WebDev Arena位列第二，下周开源
阿里这波可以啊，Qwen3.8-Max网页开发跑分第二，只比Claude Opus 5低39分，下周开源就能玩。
Aug 4
Chinese contentGLM-5.2 (Max) Code Arena前端第2，开源模型第一
智谱新出的GLM-5.2 (Max)在前端代码测评里拿了开源第一，总分第2，把Claude Opus 4.7甩开29分。写前端的可以关注下。
Aug 3
Chinese contentKarpathy 测试下一代 AI 氛围：Claude Opus 5 把《指环王》变成 3D 场景
看 Karpathy 拿 Claude Opus 5 把小说开头变成能跑的 3D 场景，5500 行代码一次生成，挺有意思。
Chinese contentQwen3.8-Max 位列 Frontend Code Arena 第四，得分 1668
Qwen 的 Qwen3.8-Max 冲到代码榜第四，只比 Claude Opus 5 High 档低一分，做前端的可以看看。
Chinese contentQwen3.8-Max以1668分居Frontend Code Arena第四
阿里新模型Qwen3.8-Max代码榜排第四，1668分，输入输出token价格只要2美元和6美元，性价比很能打。
Chinese contentQwen3.8-Max登Frontend Code Arena第四，下周开源权重
阿里的Qwen3.8-Max刚发布，前端代码榜排第四，分数紧咬Claude和Kimi，下周还开源权重，可以蹲一下。
Chinese contentDeepSeek-V4-Flash正式开源：304B轻量模型超越V4-Pro预览版
DeepSeek把304B的V4-Flash开源了，性能打平Claude Opus-4.8，价格还便宜，快去试试。
Aug 2
Chinese contentClaude Opus 5 以单提示生成带物理音乐的完整3D游戏原型
想用一句话生成游戏？Claude Opus 5 能直接做出带物理和音乐的3D完整原型，比 GPT-5.6 Sol 更精细。
Aug 1
Chinese contentClaude Opus 5 实测：旧提示词生成卡路里追踪器，界面完成度高
有人拿旧提示词让 Claude Opus 5 做个卡路里追踪器，第一版就挺完整，感觉比 Fable 还顺。
Jul 31
Chinese contentDeepSeek-V4-Flash-0731 发布，Agent 能力超越 V4-Pro-Preview
DeepSeek 把 V4-Flash 转正了，Agent 跑分超过 GLM-5.2，还适配了 Codex，想用 API 的可以试试。
Chinese content用Claude Opus 5连续工作24小时，从零做出一款完整游戏
有人用Claude Opus 5连干24小时，从零做出完整游戏，画面音效全是AI生成的，提示词和代码都公开了，你可以直接抄作业。
Papers11:56
Chinese contentTycho：ARC-AGI-3的程序化世界模型主动抽象Tycho让AI在ARC-AGI-3里边玩边建模，GPT-5.6和Opus 5都满分通关，动作效率还胜过人类基线。