Chinese content有人用 Claude Opus 5 打造了 25 个迷你房间网站
朋友，有个挺有意思的，有人用 Claude Opus 5 做了个网站，里面有 25 个迷你房间，每个房间都有个 Claude 陪着，挺有趣的。
Latest
Every published item, in order · 568 items
Sep 17
Chinese contentGPT-6 Astra 和 Claude Fable 5.1 性能提升但成本更高
OpenAI 和 Anthropic 新发布的模型性能提升明显，但价格也更高，对比一下不同模型的性价比。
Sep 15
AI writing tools' impact on scientific manuscript reporting
This matters to researchers using AI writing tools because it shows how the placement of technical details can affect the accuracy of their manuscripts.
Chinese contentAnthropic Claude Opus 5.2 灰度测试曝光：响应更快，告别“偷懒”
Claude 新版 Opus 5.2 上线了，测试下来比旧版快很多，而且不“偷懒”，代码生成能力更强，值得试试。
Sep 11
Chinese contentDeepSeek V4.1 Flash 性能接近 GPT-5.6，成本仅为其 1/30
DeepSeek 推出了 V4.1 Flash，性能接近 GPT-5.6，但成本只有 1/30，用 15 美元就能跑 100 个复杂任务，性价比很高。
Chinese contentGenspark 发布 Gen-1 Slides，输入令牌价格仅为 Claude Opus 5 的 1/17
朋友发了 Genspark 的 Gen-1 Slides，这个模型做幻灯片生成很厉害，和 Claude Opus 5 一样好，但价格便宜很多，才 1/17。
Chinese contentGen-1 Slides 开放模型，幻灯片生成性能接近 Claude Opus 5，价格仅为其 1/17
朋友，Fireworks AI 新出的 Gen-1 Slides 模型很棒，幻灯片生成效果和 Claude Opus 5 差不多，但价格便宜很多，是 1/17，适合做演示文稿。
Chinese contentDeepSeek 发布 V4.1 Flash 模型，称其为新架构家族中最小模型
DeepSeek 新发布的 V4.1 Flash 模型，比 V4-Pro 小三分之一，但在很多测试里还比它强，价格也便宜很多，值得看看。
Sep 10
TRACE: Training Reasoning Agents for Causal Exploration
TRACE demonstrates that simulation-based verification can make diagnostic reasoning tasks scalable for reinforcement learning, outperforming larger models with fewer tool calls.
Sep 9
Sep 7
Substrate-Aware AI Agents Study
The study shows how execution context constraints can make AI agents 35-74% more efficient in resource usage, directly impacting real-world applications with limited compute.
Sep 6
Astra tops cybersecurity model rankings
Astra offers superior cybersecurity performance at half the cost of Claude Opus 5 max, making it a compelling option for security professionals.
Sep 5
Tencent environment evolution paper
The method improves RL performance significantly on Qwen models, relevant for developers working with reinforcement learning in ASEAN.
Chinese contentOpenAI GPT-6 Astra 幻觉减少但易受隐藏提示注入攻击
OpenAI 发布了 GPT-6 Astra，虽然减少了幻觉，但在隐藏提示注入攻击面前仍有 8.5% 的失败率，比 Claude Opus 5 的 4.8% 差。
Chinese contentGitHub发布HydraFusion模型提升任务质量
GitHub新出的HydraFusion模型在编程任务质量上超越Claude Opus 5，成本还降低67%，选模型就能自动编排工作流。
Sep 4
GPT6-Astra Model Review Analysis
Token efficiency makes GPT6-Astra cost-effective for programming tasks despite 2.5x higher per-token pricing than GPT-5.6 Sol.
Sep 3
Chinese contentGemini 3.8 Flash (High) 重塑 Agent Arena 前沿
GoogleDeepMind 新发布的 Gemini 3.8 Flash (High) 在多个竞技场表现优异，成本比同类模型低 44-50%。
Chinese contentGoogle发布Gemini 3.8 Flash (High)模型
GoogleDeepMind发布Gemini 3.8 Flash (High)，在多个基准测试中超越前代版本和Claude Opus 5。
Sep 2
Chinese contentQwen3.8-Max-0902登顶CodeArena WebDev排行榜
阿里Qwen3.8-Max-0902以1691分登顶CodeArena WebDev排行榜，比前代模型高出22分，价格仅5美元/百万token。
Chinese contentQwen3.8-Max-0902登顶Code Arena: WebDev
阿里Qwen3.8-Max-0902在代码基准测试中超越Claude和Kimi，价格实惠，多项类别领先。
Aug 28
Models21:28
Chinese contentTerminal-Bench-Science基准发布斯坦福发布了科研AI代理基准Terminal-Bench-Science，Claude Opus 5仅完成30%，看看你的模型表现如何。
Aug 27
Recuris Memory System for Agents
Recuris reduces common long-horizon failures by up to 80 percent, offering significant performance gains over existing models.
Chinese contentAgent Arena发布模型评估：Claude Opus 5领先
Agent Arena更新了模型评估功能，Claude Opus 5在代码任务中表现出色，GitHub集成让编码更便捷。
Aug 26
Chinese contentRecursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses
Recuris模型在长时程任务中显著提升了GPT-5.6 Sol和Claude Opus 5的表现，是长时程智能体驱动的递归记忆架构的一个突破。
Aug 24
Anthropic Fable 5 Token Usage Analysis
Opus 5 offers near-Fable performance at half the cost, making it a more economical choice for businesses in ASEAN and beyond.
Aug 21
Chinese contentReplit Free Mode vs Gemini 3.7 Flash vs Grok 4.6 vs Claude Opus 5 比较评测
Poonam Soni 在 Replit 上比较了 Free Mode、Gemini 3.7 Flash、Grok 4.6 和 Claude Opus 5，看看哪个在创建 Subway Surfer 克隆时表现最佳。
Aug 20
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。
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 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。
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。