Chinese contentMoonshotAI 发布 Kimi K2.7 Code，编码模型推理 token 减少 30%
想少想多做？K2.7 Code 编码专用，推理开销比 K2.6 低三成，还能对标 GPT-5.5，适合写代码时不用纠结。
Latest
Every published item, in order · 1438 items
Jun 19
Jun 18
Products14:43
Chinese contentApodex：面向深度研究的自进化重载求解器Apodex能派150个Agent跑15000步帮你深挖问题，自主校验结果，在Benchmark上超了GPT-5.5和Claude-Opus。
Chinese contentKimi K2.7 Code性能对标GPT-5.5，成本低3倍
Kimi新出的K2.7 Code模型，花不到三毛钱就能和GPT-5.5打平手，物理模拟甚至更聪明，性价比直接秒杀。
Chinese contentOpenAI 新模型 GPT-5.6 推迟发布，Codex 5.6 重置额度留用户
GPT-5.6 跳票了，但 OpenAI 用 Codex 5.6 免费额度留人，比 Claude 大方多了。
Chinese contentKimi K2.7 Code与Claude Fable 5落地页生成对比实验
想知道怎么用Kimi K2.7 Code花不到5分钱做出媲美Claude Fable 5的落地页？实验数据全给你算清楚了，迭代省大钱。
Models10:55
Chinese contentTxBench-PP基准测试：AI Agent在临床前药理学任务中表现不佳想看看AI在药物发现中到底行不行？这个基准测试用4800条轨迹告诉你，Claude Opus 4.8和GPT-5.5都还差得远，最高才59.3%的通过率。
Chinese contentLifeSciBench基准发布，GPT-Rosalind超越GPT-5.5
OpenAI搞了个新基准LifeSciBench，专门测生物科学推理，GPT-Rosalind比GPT-5.5还强，值得看看。
Jun 17
Chinese contentReproRepo：利用GitHub Issue扩展可重复性审计
这篇论文提出了一个可扩展的框架，用GitHub Issues来测试LLM智能体找论文代码的复现问题，比现有手动基准好很多，值得看。
Papers10:30
Chinese contentTAC基准测试：AI旅行代理会预订斗牛吗？前沿模型隐含动物福利评估动物福利问题有了AI专属的代理基准TAC，实测Claude Opus 4.7刚过一半，加个提示词能暴增60%，暴露了模型在实际行动中的盲区。
Chinese contentNVIDIA GEAR 发布 ENPIRE：AI 编程 agent 自主操控真实机器人做实验
NVIDIA 和 CMU 搞了个能自己跑实验的机器人系统，AI agent 操控真实机器人干活，成功率99%，还开源了。
Chinese content美国强制Anthropic关闭Fable 5和Mythos 5模型
美国政府让Anthropic关了两个模型，理由含糊，还禁止外国人访问。有人猜是因为Anthropic之前没接五角大楼的军事合同。
Jun 16
Chinese contentOpenRouter推出Fusion API，多模型协同以一半成本接近Claude Fable 5水平
OpenRouter用多个便宜模型拼出顶级效果，成本砍半但性能追上Claude Fable 5，预算有限又想用好模型可以试试。
IT之家Source
Chinese content传闻OpenAI或在6月23日推出GPT-5.6，成本降至Fable三分之一
传GPT-5.6成本更低、上下文超长，还能提升智能体编程，6月23日可能有动作，值得关注后续。
Chinese content谷歌更新 Android Bench 榜单：Gemini 3.5 Flash 成本最贵，约 DeepSeek V4 Flash 的 17.5 倍
谷歌新榜单实测，Gemini 3.5 Flash 在安卓开发任务中得分低、成本高，性价比远不如 DeepSeek V4 Flash。
IT之家Source
Chinese contentCua与Snorkel AI发布Cua-Bench：评测Agent在KiCad上的Computer Use能力
想看看AI Agent在专业软件上到底行不行？Cua-Bench用KiCad的25道真实任务给模型打分，最强的也只过了6道，从零建电路全挂。看完你就知道瓶颈在哪了。
Chinese content组合推理深度预测临床AI失败：EHR问答实证
这篇论文用实验告诉你，临床AI回答EHR问题时，推理步骤越多越容易翻车。Claude、GPT-4o和GPT-5.4都逃不过，部署前得重点防多步推理。
Chinese contentClaude Fable 5 在 Epoch Capabilities Index 上以 161 分超越 GPT-5.5 Pro
Claude Fable 5 刚在 Epoch 能力指数上以 161 分微弱领先 GPT-5.5 Pro，这是 Anthropic 一年多来首次登顶，你可以看看它具体强在哪。
Papers10:05
Chinese contentAgentic AI生成并行Julia代码的可扩展性研究这篇论文测试了GPT-5.5、Claude Opus 4.7和Qwen3-Coder-Next用智能体写并行Julia代码，在超算上跑192核，发现小规模还行，大规模容易死锁或OOM，开源模型最差。做HPC或Julia并行开发的人值得看。
Chinese contentdatasette-agent 0.3a0 新增 execute_write_sql 工具，需用户批准写数据库
Simon Willison 发布的 datasette-agent 新版本让你可以安全地用自然语言操作数据库，写操作需要你点头，还能用 --unsafe 一键自动批准，适合快速原型。
Jun 15
Jun 14
Jun 13
