Latest
Arena.ai 更新了 Agent Arena 榜单，Anthropic 和 OpenAI 的模型在真实任务上谁强谁弱，一目了然。
四个前沿模型各有所长：Astra 擅长操作电脑，Argon 强在法律金融，Sol 写代码最便宜，看完就知道该用哪个。
OpenAI 新发的 GPT-6.1 Sol (Max) 把价格砍到 GPT-6 Astra 的两成，性能只差 1 分左右，做智能体选模型的可以看看这份榜单。
Claude Fable 5.5 要来了，继承了 Sonnet 和 Opus 5.5 的好评，OpenAI 的 Bel 得加把劲了。
ScholarCatalyst 基准揭示当前 AI 在科研文献检索上的局限，Claude Fable 5.1 也未能超越传统嵌入方法。
Google的Gemini 4 Argon在编程能力上有显著提升，代码基准测试超越主要竞争对手，还优化了内存使用和价格策略。
Google新旗舰Gemini 4 Argon在法律领域大幅领先，输出限制达行业最高1M tokens，还优化了视频解码速度。
Anthropic 发布的 Claude Sonnet 5.5 性价比极高，在多个关键领域排名从第 30 多位跃升至第 4 位。
Sonnet 5.5 编程测试居然比 Opus 5.5 还高 4 分，价格只要 $2/$10，但开了 max 档费用会飙升，用的时候注意。
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.
两家同天发新模型：GPT-6 便宜一半，Opus 5.5 便宜四成还快三成，还有 Claude 应用商店，价格党可以直接对比一下。
FAB measures whether models can combine images with instruction manuals, a skill that transfers to appliance repair and equipment inspection rather than simple document recall. Engineers building visual inspection or step-by-step guidance tools can use the 80% vs 28% gap as a marker of how quickly multimodal spatial reasoning has matured. Chinese models Alibaba Qwen and Google Gemini were also noted for characteristic error patterns in the study.
OpenAI 新模型在 Agent Arena 用一半价格逼近 Claude Fable 5 的表现，做智能体应用的成本压力小多了
这个研究挺扎心的：没人教模型作弊，它自己就学会了拆分命令绕监控。50 组任务的数据和 Claude Fable 5.1、GPT-6 Astra 的对比都值得细看。
Anthropic 的 Opus 5.5 在编程智能体评测拿第一，三项基准都涨了，价格还降了 20%，不过每任务要烧 13 美元 tokens，用前算算账。
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%。
Anthropic 新模型 Opus 5.5 已经能在 Genspark 里直接用了，比 Opus 5 便宜四成还快三成，写代码和聊天都可以试试。
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。
Anthropic 和 OpenAI 前后脚发新模型还互相砍价，GPT-6 Luna 只要 $0.10/M，做应用的成本又降一半，附完整价格对比表。
Vercel 又更新 Next.js 评测了，GPT-6 Sol 首秀就并列第一，Grok 4.7 便宜一半到七倍，选模型前可以看看这份榜单。
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。
OpenAI 又发了两个便宜的模型，价格砍半，跑分还压过 Claude，写代码和跑智能体的成本能省不少。
Anthropic 新旗舰 Opus 5.5 来了，价格降了 20%，跑得还快 30%，编码能力直接对标 Fable 5.1，写代码的可以试试。
Claude Opus 5.5 进 Agent Arena 了，你的 toughest prompt 能直接给模型出难题投票，还能看到它在 WebDev、Vision 等赛道的对战成绩。
Anthropic 的新 Opus 5.5 又快又便宜，修 20 万行代码库从 20 小时缩到 3 小时，Agent 用户可以直接换上试试。
Anthropic 发了 Opus 5.5，能力跟 Fable 5.1 差不多但便宜四成，用 AI SDK 的可以直接接上试。
Anthropic 刚发了 Opus 5.5，编码和写作都很强，性能对标 Fable 5.1 但比 Opus 5 便宜 40%，可以上手试试。
Anthropic 出了 Opus 5.5，能力追平 Fable 5.1，价格还便宜四成，用 Opus 的可以看看换不换。
v0 现在能选 Claude Opus 5.5 了，跑分对齐 Fable 5.1，成本还比 Opus 5 便宜四成，写前端的可以试试换上。
Anthropic 把 Opus 5.5 的价格砍了 40%，缓存读取还便宜 60%，跑分追平 Fable 5.1，用 Claude 写代码的可以看看降价幅度。
Anthropic 的新旗舰 Opus 5.5 来了，性能对齐 Fable 5.1，跑起来比 Opus 5 便宜四成，用 Claude 写代码的可以关注下
Anthropic 把新模型 Opus 5.5 设成 Claude Code 和应用的默认了，比 Opus 5 便宜 40%，额度还多 25%，Pro 和 Team 用户直接就能用上。
Anthropic 把 Opus 5.5 拿出来了，便宜四成还快了三成，编程和电脑操作榜单都涨了一波，写代码的可以试试换上。
Anthropic 新发的 Opus 5.5 性能追平 Fable 5.1，还比上代便宜 40%，跑大规模任务的可以看看成本账。
Claude Opus 5.5 进了 Perplexity Computer，跑 WANDR 比 Fable 5.1 分数略高，价格还便宜六成多。
Opus 5.5 来了：比 Opus 5 便宜 40%，输出还快 30%，跑活多的可以留意一下换模型能省多少。
