Chinese content开发者称 Argon 数据分析与 Excel 能力胜过 Opus 且更便宜
有开发者把 Argon 用在生产环境跑数据分析和 Excel，说质量比 Opus 强、价格还更低。
Latest
Every published item, in order · 760 items
10月15日
Chinese contentClaude Opus 5.5 Max 一句提示词跑 3 小时做出找不同小游戏
在 iPhone 聊天框丢一句提示词，Opus 5.5 跑 3 小时做出带音乐和成就的找不同小游戏。
Chinese contentAA-Robotics 基准首发：GPT-6 Astra 居机械臂操控榜首
GPT-6、Gemini 4、Claude 操控机械臂，GPT-6 Astra 夺冠，但比人慢约百倍。
Microsoft AutoEnvScaling Boosts Qwen3 RL via Self-Designed Environments
The key insight is that environment design itself can be automated and fed back into the RL loop, with solver rollouts guiding each new round — and gains collapse when the proposer cannot see that feedback. Teams training RL agents can use this to cut the cost of building valid environments, comparing frontier proposers like GPT-5.6-sol against Claude Opus 5 on the same task.
10月14日
P-Zero Research launches TasteVal benchmark for research taste
The compute-efficiency framing is the unusual part: TasteVal scores models by compute needed versus human experts, not task accuracy alone. That makes it a leading indicator for when automated research could become economical, useful for labs and investors tracking self-improvement timelines. The 1/30 cost figure gives a concrete benchmark for comparing frontier models on research ability rather than chat performance.
Chinese content通用模型封锁网络安全能力，Artemis 推出防御专用模型 Orion-1
通用模型锁死安全能力，Artemis 的 Orion-1 专做防御，还跑赢了 Claude 和 GPT。
Chinese contentDeepSeek 与 Claude Opus 物理仿真对比：第二次尝试即完全自主运行
有人拿 Claude Opus 和 DeepSeek 各跑了一遍物理仿真，成本一个 2 美元一个 1 美元，DeepSeek 第二次就跑通了，对比过程挺有参考价值。
Chinese contentEthan Mollick 用一个梗同时测了 GPT-6 Pro、Gemini 4 Argon High 和 Opus 5.5 Max
一条提示词同时丢给 GPT-6 Pro、Gemini 4 Argon High 和 Opus 5.5 Max，三个笑话三种性格，Opus 那句自嘲"起泡的自动补全"最绝，点开看看你喜欢哪个。
Chinese contentllm-gemini 0.35 支持 Gemini 4 Argon 模型
Gemini 4 Argon 今天上线，llm 插件已经支持了。定价对比讲得很细，还搬了 Artificial Analysis 的成本数据，选模型前可以看看。
Chinese contentMod 制作者用 Claude Opus 5.5 重编译游戏，微软成立 XBOX Labs 团队跟进
Mod 制作者用 Claude 把马力欧塞进《艾尔登法环》，微软直接成立 XBOX Labs 跟进，内部信细节还挺多。
IT之家Source
Chinese contentGemini 4 Argon 对比 Claude Opus 5.5：价格便宜 3 倍
有人拿 Gemini 4 Argon 和 Opus 5.5 一起做 3D 动画任务，效果差不多但价格便宜 3 倍，附 API 可自己试。
Chinese contentGoogle 向付费用户开放 Gemini 4 Argon，登顶 Vals AI 专业任务榜
Google 把内测的 Gemini 4 Argon 开放了，专业任务榜上分数超过了 Claude 两个型号，单次测试还便宜一半，做长任务的可以看看价格变化节点。
Chinese contentGemini 4 Argon 全球上线，Google 称其为最强前沿模型
Google 把 Gemini 4 Argon 全球放开了，自家说最强，但跑分还输 Claude Opus 5.5，价格倒是压得很低，可以对比着用。
Chinese contentAgent Arena 更新 Bash Reliability 指标，Claude Opus 5.5 居首
Agent Arena 把命令行评测指标换成了 Bash Reliability，前排还是 Claude Opus 5.5 和 GPT-6.1 Sol，想选模型跑智能体的可以看下榜单变化。
Chinese contentAgent Arena 排行榜更新：Claude Opus 5.5 居首，GLM 5.2 领跑开源模型
智能体跑分榜单更新了，Claude Opus 5.5 拿下第一，想给编程 Agent 选模型可以看下这份排名。
10月13日
Chinese contentMeta 发布首个前沿模型 Muse Wonder，定价 $4/$20 每百万 token
Meta 终于出自己的前沿模型了，Muse Wonder API 定价 $4/$20，比 GPT 和 Claude 低不少，还有个更强的 Full 版只给 Muse Code 订阅用户。
Chinese contentAnthropic 更新防蒸馏措施，被拦截的套取请求也将收费
Anthropic 把防蒸馏细节讲透了：数万亿 token 说拒就拒，还公布 8.6 个百分点的蒸馏收益实验，做模型训练的都该看看。
Chinese content用 Opus 换算 OpenRouter 数据：年化推理收入约 15 亿美元
有人拿 Opus 把 OpenRouter 的 token 数据算成了钱：年化约 15 亿美元，Anthropic 一家吃掉 36% 支出，可以看看各家真实占比。
Chinese contentMeta 发布 Muse Wonder，对标 GPT-6 Astra 和 Claude Opus 5.5
Meta 新出的 Muse Wonder 直接叫板 GPT-6 和 Claude Opus 5.5，超长程编程跑分高出一截，还能自己扛住长任务不中断，做 Agent 的可以看看跑分细节。
Chinese contentMeta 发布 Muse Wonder 模型，Artificial Analysis 基准得分 56 排名第二
Meta 重启研发 14 个月后憋出 Muse Wonder，基准只输 Claude Opus 5.5 一名，编程还反超了，可以直接在 API 上试。
Chinese contentAlexandr Wang 回应 Muse Wonder 争议：承认编程不如 Claude Opus 5.5
Alexandr Wang 直接承认 Muse Wonder 编程比不过 Claude Opus 5.5，还说 bug 一堆在修，这回应挺少见的。
Chinese contentMeta 发布闭源模型 Muse Wonder，扎克伯格称已追上 AI 前沿
Meta 这回是真掏出对标 Claude 和 GPT-6 的闭源模型了，还直接明码标价卖企业版，跟它之前开源 Llama 4 的路子完全反着来，看两家怎么打吧。
Chinese contentArtificial Analysis 发布 AA-3D 基准：21 个模型盲测比拼 3D 场景搭建
AA-3D 让模型直接在沙盒里搭 three.js 3D 场景，再由千人评审盲测打分，Claude 系和 GPT-6 Astra 并列头部，开源模型落后 200 多分。
Chinese contentMeta 模型 Muse Wonder Full 登上 AA Intelligence Index 世界第二
Meta 的 Muse Wonder Full 在 AA Intelligence Index 拿了 56 分世界第二，只差 Claude Opus 5.5 两分，就看什么时候能放出来用了。
Chinese contentMeta 发布 Muse Wonder 模型家族，Wonder Full 逼近 Claude Opus 5.5
Meta 新模型 Wonder Full 离 Opus 5.5 只差 2 分，长代码项目还反超了，做开发的可以去 Muse Code 里试试。
FrontierCode 1.1 Leaderboard Launches on Artificial Analysis
The benchmark penalises behaviours conventional evals ignore, such as oversized diffs, out-of-scope file edits and unhelpful tests, so its ranking offers a different picture of coding ability than SWE-style test suites. Even the best model fails over 40% of tasks, meaning maintainer cleanup is still unavoidable. Teams choosing models by cost-performance should note GPT-6.1 Sol matching Claude Fable 5.1 at under a tenth of the per-task price.
Artificial Analysis launches leaderboard for Cognition's FrontierCode 1.1
The benchmark's merge-focused grading penalises the messy diffs and unhelpful tests that cheaper evaluations ignore, so leaderboard gaps here reflect real maintainer acceptance rather than raw test-passing. Leading models still fail over 40% of tasks, and nine tasks went unsolved by every model evaluated. Teams choosing coding agents can weigh GPT-6.1 Sol's 49% score at US$0.81 per task against Claude Opus 5.5's 52% at far higher cost, with open-weights options like MiMo-V2.6-Pro at 45% close behind.
Chinese contentAgent Arena 数据：开源模型 12 周追平 Claude Fable 5
LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。
Chinese contentMeta 发布 Muse Wonder 与 Wonder Full 两个模型，对标 Claude Opus 5.5 和 GPT-6 Astra
Meta 放出 Muse Wonder 两个版本，作者实测说能打 Claude Opus 5.5 和 GPT-6 Astra，做编程和智能体的可以关注一下。
Chinese contentMeta 发布 Muse Wonder Full，长时程智能体基准成绩超过 Claude Opus 5.5
Meta 的 Wonder Full 在 SWE-Marathon 拿了 57.5%，比 Claude Opus 5.5 高 11 个点，还带跨对话记忆，做长任务可以试试。
10月12日
Chinese content传 Claude Opus 5.5 实际路由至其他模型，Claude Fable 5.5 或为幕后候选
有人发现 Claude Opus 5.5 背后可能偷偷换了模型，候选名字叫 Claude Fable 5.5，Anthropic 还没承认，吃瓜看看就好。
Chinese content研究：SWE-bench 上通过测试的补丁近半数存在运行性能差异
四个前沿模型解 SWE-bench，通过测试的补丁一半有性能差距，模型性能排名还和解决率反着来，做工程的人可以看看。
Chinese contentArena 第 41 周榜单：Claude Opus 5.5 Max 首登智能体榜首
这期榜单看点是 Claude Opus 5.5 Max 直接拿下智能体榜第一，代码榜里 claude-opus-5.5-high 一口气升了 7 位。国产这边 kimi-k3-max 综合榜 16 名，想看各家模型盲测排名的可以翻翻完整表格。
IT之家Source
10月11日
Chinese contentMistral OCR 接入 LlamaIndex OpenDocRouter：p50 每页 1.8 秒
Mistral OCR 上线 OpenDocRouter 了，表格和阅读顺序识别不错，每页 1.8 秒很快，还能一行代码切换其它解析模型。
Chinese content用 Claude Opus 5.5 搭配 Codex 生图关键帧复刻 Notion 视频
有人拿 Notion 视频试了个新玩法：不用视频模型，让 Opus 5.5 用 Codex 生关键帧加代码做动画，对比视频贴出来了
Chinese contentClaude Opus 5.5 (Max) 登顶 Image-to-WebDev Arena 榜首
Anthropic 两款 Claude 新模型包揽了图像转网页榜单前两名，价格还比 GPT-6 Astra 便宜六成，做前端生成的可以看看对比图。
10月10日
Chinese content博主实测：Codex Fast 慢但更费额度
有人实测 Codex Fast 才 30 tokens/s，还要扣 2.5 倍额度，跟 Claude 一比差了 7 倍，写代码前先看看这个再决定开不开 Fast。
Chinese content一条提示词让 Claude Opus 5.5 把 OpenAI 论文做成 92 秒动画讲解视频
有人给 Claude Opus 5.5 发了一条提示词加论文链接，就产出 92 秒动画讲解视频，流程值得照着试试。