Chinese contentClaude Opus 5.5 一次生成论文解读视频，讲清 JEM 原理
有人用 Claude Opus 5.5 一口气生成了 JEM 论文的讲解视频，看完真能搞懂原理，效果挺让人意外的。
Latest
Every published item, in order · 568 items
Oct 26
Chinese contentEthan Mollick 用 Opus 5.5 重做书籍网站，几乎无需人工返工
Mollick 亲测同一个网站项目，Opus 4.8 还要大量返工，换成 5.5 就基本放手不管了，两版对比很直观。
Oct 25
Chinese contentOpenAI 与 Anthropic 本周动态：Claude Duet 开放测试、Usage Policies 更新
Claude Duet 候补名单开了，是 Opus 5.5 上的主动智能体应用；OpenAI 那边 Decisions API 正式可用还加了 12 小时缓存，搞 API 的看看。
Chinese contentAnthropic 被曝静默削弱 Claude Opus 5.5 逆向工程能力
社区发现 Claude Opus 5.5 逆向受版权保护内容会被中途拦截，时间点和 Anthropic 10 月 21 日的静默更新对得上，做逆向的朋友可以验证一下。
Oct 24
Chinese content腾讯 WorkBuddy 接入 Kimi K3.1 Pro，支持 100 万上下文
腾讯的办公助手 WorkBuddy 现在能用 Kimi K3.1 Pro 了，100 万上下文还能跑金融工作流，企业版用户可以先试试高速版。
Chinese contentMoonshot AI 发布 Kimi K3.1 Pro，测试成绩接近 Claude Opus 5.5，价格低一半
Moonshot 的新款 Kimi K3.1 Pro 打平 Claude Opus 5.5，价格才一半，11 月还要开源 weights，性价比党可以试试。
Chinese content月之暗面发布 Kimi K3.1 Pro：3 万亿参数，支持 100 万上下文
月之暗面发了新模型 K3.1 Pro，3 万亿参数能直接跑 Blender 建模脚本，做 3D 模型还能 3D 打印，编程分数快追平 Claude Opus 5.5 了。
Chinese content用 Claude Opus 5.5 High 一条提示词复现 Quick Study 绘画效果
一条提示词丢给 Claude Opus 5.5 High，照片几秒内被画笔一笔笔画出来，代码思路可以直接抄。
Chinese contentMoonshot 发布 Kimi K3.1 Pro，11 月 4 日开源权重
Moonshot 放出 Kimi K3.1 Pro，分数只比 Claude Opus 5.5 低 3 分，价格便宜一半，下个月还开源权重，可以先用 API 试试。
Chinese contentMoonshot AI 发布 Kimi K3.1 Pro：Terminal-Bench 得 65.7%，11 月 4 日开放全量权重
月之暗面更新了 Kimi K3.1 Pro，跑分紧咬 Claude Opus 5.5，成本还更低，11 月 4 日放出全量权重可以自己复测。
Chinese contentMoonshot AI 的 Kimi K3.1 Pro 逼近 Anthropic Claude Opus 5.5
月之暗面的 Kimi K3.1 Pro 跑分 55，离闭源第一梯队只差 3 分，还打算开源权重，做本地部署的可以盯一下。
Chinese contentKimi K3.1 Pro 位列 Artificial Analysis 智能指数第 4
月之暗面的 Kimi K3.1 Pro 冲到了 Artificial Analysis 智能指数第 4，跟 Claude Opus 5.5、GPT-6 Astra 同榜竞技，开源模型能做到这个名次不常见。
Chinese contentKimi K3.1 Pro 登上 Artificial Analysis 智能指数第 4 名，开源权重发布后将成为最强开放模型
Kimi K3.1 Pro 智能指数拿 55 分排第 4，智能体任务比上代强一大截，价格还降了 33%，权重也快开源了。
Chinese content月之暗面发布 Kimi K3.1 Pro 开源模型，称其为最强开源模型
月之暗面刚发的 Kimi K3.1 Pro，在 Terminal-Bench 4.0 上跑赢了 Claude Opus 5.5，成本只要三分之一，开源可自部署。
Oct 23
Chinese contentLean 4 完整形式化证明：细致平衡质量作用系统全局收敛性
数学定理证明全流程交给 Claude Opus 5.5 做决策、GPT 6 Astra 执行，最后 Lean 内核验证，AI 代理做形式化数学的完整案例。
Chinese contentAnthropic 推出常驻云端个人智能体 Claude Duet
Anthropic 出了个叫 Duet 的个人智能体，跑在独立 VM 里还能主动找你说话，底层是 Claude Opus 5.5，美国 Pro/Max 用户可以试试。
Artificial Analysis Coding Agent Index v2.0: Claude Opus 5.5 Leads
The v2.0 changes make rankings harder to game: private test sets, anti-solution scanning and multi-vote LLM judging push mean scores down 1.7 points across 21 shared configurations. Teams choosing a coding agent should note that Opus 5.5's edge is concentrated on FrontierCode (56.0% versus 52.6% for DeepSeek V4.1 Flash), while 15 of 24 configurations cluster between 43% and 49%, so harness choice can matter as much as model choice.
CritPt v2 Benchmark Launches with Agentic Code Execution
The 54-point gap between GPT-5 and GPT-6 Astra in about a year shows how quickly frontier models are absorbing research-level physics when given code execution. Tracking these scores before the late October Intelligence Index update helps researchers and benchmark watchers pick models for scientific workflows. Compare against Claude Opus 5.5 at 78% when choosing a frontier model for agentic computation tasks.
Chinese content网友用 grok bot 驱动 Claude Code 迭代制作视频
有人让 grok bot 指挥 Claude Code 帮自己做视频，还搞了多轮深夜迭代，最终 Opus 5.5 的视频效果最好，玩法挺有意思。
Oct 22
Chinese contentAA-PersonalityBench：Anthropic 模型在信息密度与文风指标上领先
Artificial Analysis 测了各家模型的性格指标，Claude 全系在信息密度和文风两项都排最前，写文案的可以参考这个榜。
Chinese contentAnthropic 发布常驻智能体 Claude Duet，对标 Grok Bot 与 Meta Muse
Anthropic 出了个离线也能干活的智能体 Claude Duet，接了 6000 多个服务，付钱前会先问你，跟 OpenAI 和 Meta 的同类产品硬碰硬。
Chinese content10月22日AI日报：Claude Duet 开启等待名单，GPT-6 系列登陆 Google Cloud
这期日报信息量很密：Claude Duet 能帮你下单购物，GPT-6 全家桶上了 Google Cloud，还有 Storm-0940 用 AI 框架批量攻击的细节。
Chinese contentAnthropic 推出 Claude Duet，主动式智能体对标 Meta Muse 和 OpenAI Dots
Anthropic 放了个新智能体 Claude Duet，会主动帮你盯账户、买东西、发消息，付款走双重审批加虚拟卡，和 OpenAI 的 Dots 正面刚。
Chinese content六款前沿模型实测 LIBERO-10 机器人操作基准，GPT-6 Astra 以 44% 成功率居首
研究者让 GPT-6、Claude Opus 5.5 这些模型直接操控真实机器人跑 LIBERO-10，1,800 次测试排出了名次，最强也只有 44% 成功率，想了解大模型动手能力差在哪的可以看。
Chinese contentAI 审批监控器会出现相关性失效，论文建议按证据源计数而非投票
这篇论文测了 16 个模型当支付审批监控器的表现，发现一起失效的根源是共享证据源，结论是数来源别数票，做智能体安全的人可以看看。
Chinese contentAnthropic 发布主动式个人智能体 Claude Duet，基于 Claude Opus 5.5
Anthropic 上线了 Claude Duet，能自己盯事项、跨 6000 多个应用干活，还在云电脑上常驻，美国 Pro/Max 用户可以排队试试。
Chinese contentAnthropic 推出研究预览版 Claude Duet，定位可全天候主动工作的智能体
Anthropic 新出的 Claude Duet 能在你关机后继续干活，接了 6000 多个插件，直接对标 Meta 的 Muse 和 OpenAI 的 Dots。
Chinese contentAnthropic 发布主动式智能体 Claude Duet，先行在美开启测试
Anthropic 出了个主动型智能体 Claude Duet，会自己判断你下一步要什么，美国 Pro/Max 用户能排队试用，记忆和应用直接继承 Claude 账户。
Oct 21
Chinese contentDevin Fusion 搭配 Claude Opus 5.5 与 GPT-6 Luna 编码成绩达 68.1
Devin Fusion 用 Opus 5.5 带一个更便宜的 GPT-6 Luna 副手，编码分数追平 Claude Code 还便宜三成，双模型怎么配合值得一试。
Chinese contentClaude Opus 5.5 找到引理，Ordered Variable Word 定理的 Π¹₁-保守性被证明
数学证明里有个关键引理是 Claude Opus 5.5 找到的，还顺手解决了一个拖了很久的逆问题，逆向数学方向可以看看。
Chinese contentEthan Mollick 让 Opus 5.5 生成「飞机上用 WiFi 的水獭」视频
Ethan Mollick 用他那个经典的「飞机上的水獭」测试题考 Opus 5.5，结果模型直接交了段视频，这波进展挺直观的。
Chinese contentEthan Mollick 新书 Co-Existence 出版，与 Claude Opus 5.5 合作打造网站体验
Mollick 出新书了，讲 AI 时好时坏的时代怎么干活生活，还拉上 Claude Opus 5.5 做了个网站互动体验，可以去玩玩。
Intelligence Index thresholds now far cheaper per task, Artificial Analysis finds
The price of intelligence is collapsing at every fixed quality level while top-end capability prices keep climbing, so buyers face a widening spread between commodity and frontier performance. Teams benchmarking models should match their task's required score to the cheapest threshold model instead of defaulting to the highest scorer. The data also names concrete price leaders at each level, such as Claude Haiku 5.5 (xhigh) at US$0.12/task for a score of 41.
Oct 20
Chinese contentLegora 发布 10 月 BAR 基准结果：Opus 5.5 总榜领先
做法律 AI 或想选模型的看下，Legora 每月用真实律所案例测 17 个模型，还加了按任务类型筛选，比看总榜实用多了。
Kaggle launches Human Behavior Bench for predicting human decisions
A 94.1% score above the human noise ceiling suggests behavioural-simulation systems like Engram 1.0 can outperform frontier LLMs at modelling subgroups, not just answer questions. Product and research teams building personalisation, market research or user modelling tools now have a public baseline to test against. The 601 private cases make leaderboard gaming harder, so results should hold up better than fully public benchmarks.
Chinese content用户用 Claude Code 清理智能电视广告与预装应用
有人拿 Claude Code 给小米电视禁掉 25 个预装包还换了个启动器，代码和提示词都公开了，想给自家电视去广告的可以看看，不过翻车风险也不小。
Chinese content用 Claude Opus 5.5 等工具自动生成视频的成本拆解：月订阅约 125 美元
博主把自动做视频的每项成本都摊开了：Opus 5.5 每月 20 美元出 80 条视频，图片 API 一天 5 块，想搭同款流水线可以先看看这份账单。
Chinese contentBellman Language Models：把 LLM Agent 决策当 MDP 一次性求解
把 Agent 反复遇到的决策当成 MDP 求解一次然后复用，Qwen3.8-27B 在 τ²-bench 上从 29% 冲到 96%，成本降 98%，思路挺新的。
Chinese contentMeta Muse Wonder 两款模型实测：与 Claude、GPT-6.1、Gemini 4 正面对比
Meta 的 Muse Wonder 到底能不能打？这期实测直接拿它和 Claude Opus 5.5、GPT-6.1 Sol 做 3D 场景和建站对比，看完就知道差距在哪。
Chinese contentArtificial Analysis 上线 HealthBench 医疗对话模型排行榜
医疗对话模型排行榜上线了，GPT-6 Astra 和 DeepSeek V4.1 Flash 的分数、成本对比都有，选医疗模型前可以看看。