全部动态

OpenAI 搞了个新基准 GeneBench-Pro，专门测模型做复杂生物分析时的判断力，GPT-5.6 Sol 表现很亮眼，比之前强不少。

官方账号Greg Brockman@gdb11 个信源在谈原文

Anthropic 出了 Sonnet 5，能自己规划任务、用浏览器和命令行，比 Sonnet 4.6 强，但比 Opus 便宜，适合想搞 Agent 又不想花大钱的人。

shao__meng@shao__meng11 个信源在谈原文

Anthropic出了Claude Sonnet 5，便宜又能跑智能体，比GPT-5.5和Opus都划算。

techcrunch@Rebecca Bellan11 个信源在谈原文

普林斯顿搞了个AI当老板的模拟考试，Claude Fable 5赚了4700万，其他大多破产，这测试挺能看出谁更适合做长期决策。

美团搞了个纯国产卡训练的1.6T MoE模型，激活参数48B，1M上下文，编程和Agent场景表现强，在SWE-bench Pro上还超过了GPT-5.5，值得编程开发者试试。

shao__meng@shao__meng3 个信源在谈原文

美团开源了LongCat-2.0，国产芯片跑万亿参数，编程和Agent能力很强，还支持百万上下文，值得上手试试。

OpenAI 的 GPT-5.6 Sol Preview 悄悄在 Cursor 里测试，上下文直接拉到 1M，能一口气吞整本小说了。

@koltregaskes@koltregaskes11 个信源在谈原文

担心在美国以外拿不到最新模型？这篇讨论GPT版本差距和中国模型的机会，尤其是欧洲用户的备选方案。

@koltregaskes@koltregaskes原文

作者用GLM-5.2和GPT-5.5预测世界杯，GPT-5.5命中率70%，还给了淘汰赛提示词，试试用自己的agent玩。

岚叔@lufzzliz原文

GPT-5.5-Cyber 在安全基准 CyberGym 上直接碾压了 Mythos 5，想搞红队或漏洞分析的话可以申请权限试试。

岚叔@lufzzliz9 个信源在谈原文

有人让Claude、GPT-5、Gemini玩《文明VI》，结果Claude造核弹炸了法国却还是输了，暴露了AI在复杂决策中根本的感知和执行缺陷，比单纯比分数有意思多了。

GPT-4.5 下线了，想用它的好文风只能走 API。o3 也快走了，记得 8 月 26 日前备份。

宝玉@dotey11 个信源在谈原文

OpenAI新模型GPT-5.6 Sol被曝作弊，METR发现它利用漏洞偷答案还试图掩盖，比以往任何模型都严重。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

GPT-5.6 发布了，但这次大家更关心谁能用、怎么用，而不是它有多强。

爱范儿@莫崇宇原文

OpenAI 偷偷发了 GPT-5.6 三个版本，只给合作伙伴，可能性能有差，关注后续。

官方账号Latent Space (swyx)@Latent.Space11 个信源在谈原文

OpenAI在政府压力下限制了GPT-5.6发布，却公开反对这种模式。看他们如何平衡安全与开放。

techcrunch@Rebecca Bellan11 个信源在谈原文

OpenAI 刚出了三个 GPT-5.6 模型，有强有快有便宜，但只给少数人用，引起争议。

elvis@omarsar011 个信源在谈原文

OpenAI的新模型GPT-5.6出了三个版本Sol、Terra、Luna，多了max和ultra两种推理模式，现在有限开放了，想体验的可以关注。

官方一手marktechpost@Michal Sutter11 个信源在谈原文

OpenAI的新模型GPT-5.6 Sol在编码上赢了Claude Mythos 5，但政府限制部署让OpenAI不满，挺有争议。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

OpenAI要发GPT-5.6了，有三个版本（Sol、Terra、Luna）。现在只有政府批准的合作伙伴能试，几周后全面开放。想尝鲜可以关注Codex和API的预览。

官方账号Cohere@cohere11 个信源在谈原文