Chinese contentDiabAgent 发布：用智能体实现血糖生理控制
把 LLM 智能体接上胰岛素泵做血糖控制，SweetBench 有 212 个模拟任务，成绩超过开源方案 OpenAPS，思路挺新颖。
Latest
Every published item, in order · 568 items
Nov 3
Chinese contentEthan Mollick 用 Claude Opus 5.5 复刻全美城市路线与流域可视化网站
Mollick 拿 Opus 5.5 直接生成了一个能查全美城市最快路线和流域划分的地图站，想看 vibe coding 能到什么程度可以参考
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 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。
Chinese content50 个 GPT-6.1 Sol 智能体在 Minecraft 中自发形成官僚分工
50 个 GPT-6.1 Sol 智能体在 Minecraft 里被一晚危机逼出全套分工制度，对抗 Claude Opus 5.5 时还直接改游戏源码，过程很有意思。
Nov 2
Chinese contentY Combinator 团队用《我的世界》测试 AI 智能体集群：GPT 对战 Claude 六胜一负
把上百个智能体扔进《我的世界》打架建城，结果 GPT 蜂群 7 局赢了 Claude 6 局，官僚化那段太好笑了
Chinese contentThe New Stack 实测 GPT-6.1 Terra：速度更快，成本远低于 Claude Opus 5.5
The New Stack 拿 GPT-6.1 Terra 和 Claude Opus 5.5 跑了三组硬核测试，Terra 答题更准还只要八分之一的价格，数据很实在。
Chinese contentKarpathy 用 Claude Opus 5.5 两小时扫描 4300 万条 HN 评论建视频网站
Karpathy 嫌 YouTube 推荐不行，让 Claude Opus 5.5 扫 4300 万条 HN 评论，两小时就上线了一个人肉精选视频站，效率太猛了。
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 contentFactory 发布 Droid 1.0：模型无关的编程智能体框架
Factory 发了 Droid 1.0，一个能换底层模型的编程智能体框架，Terminal-Bench 4 上跑 65.2%，写代码的可以看看。
Chinese contentAnthropic 限制 Claude Code：Opus 5.5 不再复刻特定现有游戏
Claude Code 加了条关不掉的规则，Opus 5.5 会拒绝复刻具体游戏，但做原创和类型游戏不受影响。
Oct 30
Chinese contentSimon Willison：Claude Opus 5.5 让 Vibe Gaming 成为拐点
Simon 又发观察文了：他说 Opus 5.5 连 3D、音乐、游戏设计都能一手包办，GPT-6 Astra 暂时还差点趣味感，做游戏的可以看看。
Oct 29
Chinese content早报：触屏 MacBook Pro 发布，Gemini 4 Carbon 超越 Opus 5.5
一条顶五条：Gemini 4 Carbon 干过了 Opus 5.5，OpenAI 还要买 Google TPU，早上扫一眼就够。
Chinese content同一任务对比：Claude Opus 5.5 用 3270 次动作，GPT-6 Astra 只用 514 次
两个大模型在机器人上写同一个 hello world，一个磨了 34 分钟用 3270 次动作，另一个 13 分钟搞定，差异很直观。
Chinese contentGoogle 论文：最强 AI 智能体在真实工程任务上仅得 50.6%
Google 做了个 PLE 基准，85 个真实工程活，Claude Opus 5.5 才考 50.6 分，做工程智能体的可以看看它栽在哪。
Chinese contentGoogle 发布 Gemini 4 Carbon，主打网络安全能力
Google 放出了新的 Gemini 4 Carbon，在 Artificial Analysis 的榜单上超过了 Claude Opus 5.5 和 GPT-6 Astra，这次还特别强化了网络安全能力。
Chinese contentGoogle 发布 Gemini 4 Carbon，安全基准超 GPT-6 Astra 与 Claude Opus 5.5
Google 放出 Gemini 4 Carbon，网络安全基准把 GPT-6 Astra 甩开 12 个点，不过现在只有安全领域的合作伙伴能用，定价倒是和 Argon 一样。
Chinese contentAI/ML API 发布 Jev Router：按任务难度自动选模型和工具
AI/ML API 出了个 Jev Router，能按任务难度自动挑模型，简单活走便宜模型，省不少 API 费用。
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 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。
DeepSeek V4.1 Flash tops FrontierCode 2.0 among open-weight models
The v5 rebuild shifts the open-vs-closed frontier gap from 3 points under v4.3 to 12 points, meaning prior open-weight scores may have been inflated by public-question contamination. Practitioners choosing models for real coding work should look at FrontierCode 2.0's merge-based scoring, which measures restraint, style fit and regression risk rather than passable code. Kimi K3.1 Pro nominally leads open-weight models at 46 overall, but its weights only ship by 4 Nov 2026.
IT之家Source
Chinese contentGitHub 发布 Copilot Fusion，动态调度 Anthropic 与 OpenAI 模型
GitHub 新出的 Copilot Fusion 会自动在 Claude 和 GPT 模型里挑着用，跑分只比 Opus 5.5 低 2 分，成本却便宜一半。
Oct 28
Chinese contentSimon Willison：2026年10月是vibe coding游戏开发的拐点
Simon Willison只用聊天界面就vibe出了四款真的好玩的游戏，他说Opus 5.5的游戏设计感超过了GPT-6 Astra，想自己做游戏的话这篇是很好的参照。
Chinese content10月28日AI日报：Genie 4、MAI-Image-2.7、LFM3 等更新汇总
一天的大事都在这：Google 的世界模型 Genie 4、微软登榜的图像编辑模型、Liquid AI 开源六件套，还有 Opus 5.5 拿下评测第一。
Chinese contentArtificial Analysis Index 推出 v5 更新，Claude Opus 5.5 居首
评估榜单 Artificial Analysis 更新到 v5，Claude Opus 5.5 超过 GPT-6 系列，选模型前可以看看这版新排名。
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 contentArtificial Analysis 智能指数 v5 上线：60% 权重改用私有测试集
Artificial Analysis 把 60% 评测改成私有题库防作弊，现在 Claude Opus 5.5 排第一，选模型前可以看看这份新榜。
Chinese contentArtificial Analysis 发布 Intelligence Index v5，新增两个基准并引入私有测试集
模型评测榜 v5 版来了，60% 改用私有题防刷榜，Claude Opus 5.5 拿了第一，开源和闭源差距拉大到 12 分，选模型前可以看看。
Chinese contentkw-bench 基准发布：测试智能体在真实知识工作上的能力
一个新基准，用真实审计级任务测智能体 harness，结果挺意外：换掉自家模型后 Claude Code 和 Codex 直接挂零，文章把原因讲得很清楚。
Oct 27
GenXR-Bench shows coding AI fails at 3D spatial XR tasks
Existing coding benchmarks rely on unit tests or browser clicks, which cannot verify whether a virtual button tracks your palm — this bench closes that gap with simulated hand and room input. Developers using agents to build XR apps should test outputs with simulated hand and room input, since agent-written unit tests often miss runtime bugs.
Chinese contentNumTrace 基准：审计金融分析师智能体的数字来源
论文测了三个主流模型在 SEC 文件上算数字的表现，发现数字本身往往算对，但挂错了公司或科目，这个问题之前没人单独量化过。
Chinese content用 Claude Opus 5.5 生成视频讲解 OpenAI 三项新研究
有人让 Claude Opus 5.5 把 OpenAI 三篇难啃的研究直接做成视频讲解，看视频比读论文省力多了，可以学这招。
Chinese contentwebframe 评测：把网页当程序跑的抓取与沙箱工具
一个几十 MB 的小工具，能把网页当代码直接跑，抓数据和做沙箱都行，还不用装 Playwright，Claude 帮忙实测过了。
Chinese contentOpenAI 发布 GPT-6.1 Terra：每项任务成本约为 Claude Opus 5.5 的九分之一
OpenAI 新出的 GPT-6.1 Terra 专攻桌面自动化和视觉任务，价格只有 Claude Opus 5.5 的九分之一，错误率也从 53.6% 降到 4.3%，做批量自动化的可以看看。
Artificial Analysis launches Code2Video-AA video benchmark
The 300x spread in cost per task means the ranking alone is misleading: GPT-6.1 Sol delivers fourth place at 90% less cost than the leader, which changes which model is actually practical for batch video generation. Teams building automated marketing video pipelines can use the five-axis Elo breakdown to match models to their budget and quality needs, and the open-weights results give a concrete quality gap for self-hosting comparisons.
Chinese contentOpenAI 发布 GPT-6.1 Terra：价格砍半，任务成本约为 Claude Opus 5.5 的 1/9
OpenAI 新发的快速模型 Terra，价格只有 Sol 一半，跑 Agent 任务和 Astra 差不多但便宜十倍，编码成绩也比上代翻倍。
Chinese contentOpenAI 发布 GPT-6.1 Terra：成本约为 Claude Opus 5.5 的四分之一
OpenAI 在柏林 DevDay 甩出 GPT-6.1 Terra，每个任务成本比 Claude Opus 5.5 低约 9 倍，跑得还比自家 GPT-6 Astra 快 3 倍，性价比党可以盯一下。
Hugging Face open-sources Carbon-X, a 14.8B DNA-language model
Open weights make private genomic analysis possible at a fraction of frontier-model cost, which matters for labs handling sensitive sequencing data that cannot leave their infrastructure. The bundled Claude Code and Codex Skills mean bioinformatics teams can plug DNA sequence analysis into existing agent pipelines without building custom integrations. The Qwen3 base also gives practitioners familiar with the Qwen ecosystem a low-friction path to fine-tuning.
