Chinese content爆料称 OpenAI 准备扩大 Ultrafast API 开放范围
OpenAI 的 Ultrafast 模式能跑出每秒 750 个 Token，比标准模式快 14 倍，现在文档里出现了扩大开放的迹象，可能 DevDay 就官宣。
Latest
Every published item, in order · 688 items
Sep 27
Jev Router Experiment Shows Benchmark Limits in Agent Harness Testing
Independent harness tests like this show why vendor benchmark numbers often fail to predict task-level performance for your own workflows. Builders evaluating model routers or agent harnesses can take the concrete lesson that results depend heavily on the test setup, so replicating with your own workloads matters more than leaderboard rankings. The System One versus System Two framing offers a practical lens for deciding when to route cheaply and when to pay for heavier reasoning.
Sep 26
Chinese content开发者分享用满 Claude 和 Codex 订阅额度的真实体验
一个重度开发者晒出每月上千刀 AI 订阅的用法：Opus 5.5 写产品、GPT-6 做评审、Grok 4.7 清 issue，附带了真实的工具搭配经验。
OpenAI GPT-6 Astra Tops Epoch AI Furniture Assembly Benchmark at 80%
FAB measures whether models can combine images with instruction manuals, a skill that transfers to appliance repair and equipment inspection rather than simple document recall. Engineers building visual inspection or step-by-step guidance tools can use the 80% vs 28% gap as a marker of how quickly multimodal spatial reasoning has matured. Chinese models Alibaba Qwen and Google Gemini were also noted for characteristic error patterns in the study.
Chinese contentOpenAI GPT-6 Astra 识别 IKEA 家具组装错误，准确率达 80%
OpenAI 的 GPT-6 Astra 看一眼照片就能指出你 IKEA 柜子哪步装错了，准确率 80%，比半年前的 28% 高出不少。
Chinese contentGPT-6 Astra 在 Minecraft 通关途中被苦力怕清空全部进度
GPT-6 Astra 打 Minecraft 打出了史无前例的进度，结果一只苦力怕把箱子连人一起炸了，看它气到自我复盘还挺有意思。
Chinese contentGPT-6 Astra 在 Minecraft 推进到烈焰棒与末影珍珠阶段
GPT-6 Astra 打 Minecraft 打到收集烈焰棒和末影珍珠这一步，比之前所有 AI 都远，结果被一只苦力怕清空存档，直播全程挺有意思。
Chinese contentOpenAI 展示 GPT-6 Astra 帮 Proaction 加速构建车队管理智能体
OpenAI 放了个 GPT-6 Astra 的实际案例：Proaction 拿它做车队管理智能体，computer-use 跑得更短更快。做 Agent 的可以看看这个演示视频。
Chinese contentPixel Canary 匿名模型上线 Cline，Next.js Agent Evals 与 GPT-6 Astra 打平
Cline 免费开放了匿名模型 Pixel Canary，跑分和 GPT-6 Astra 打平、超过 Kimi K3，写 Next.js 的可以试试。
Chinese contentProaction 用 Codex 销售额提升 60%，节省 75+ 小时
OpenAI 发的案例：车队管理公司 Proaction 用 Codex 后销售额涨了 60%，还省下 75 小时，看看别人怎么把编程助手用到业务里。
Sep 25
Chinese content歸藏把 Claude Opus 5.5 的宣传视频制作经验蒸馏进 guizang-product-video-skill
歸藏试了 Claude Opus 5.5 一键给产品做宣传片，效果比 GPT-6 Astra 还好，还要把这套玩法蒸馏给便宜模型用。
Chinese content代码曝光 ChatGPT Pro Max，OpenAI 或推月费 600 美元新订阅
有开发者扒出 ChatGPT 源码里的 PROMAX 字段，传闻月费 600 美元，比现在 200 美元的 Pro 贵三倍，Sub 不了可以等等官方确认。
Chinese contentDeepMind 负责人称 Gemini 4 已进入 post-training 阶段
Google DeepMind 的新掌门亲自确认 Gemini 4 在做 post-training 了，毕竟 3.5 Pro 跳票、对手 Claude 5 和 GPT-6 都已经出街，这篇讲清楚了 Google 下一步怎么追。
Chinese contentClaude Opus 5.5 用 1113 个乐高零件设计可实体拼搭的 Microduck
有人拿 Claude Opus 5.5 设计乐高 Microduck，1113 个零件全验证零碰撞，连搭建手册和 BrickLink 订单都备好了。
Chinese contentCoding Agents 在广义任务与运动规划上超越手工规划器
有人拿 Claude Code 和 Codex 写规划程序，成功率达 95%，比手工规划器高还省十倍算力，代码和提示词全开源了。
Chinese content藏师傅用 Opus 5.5 一键生成产品宣传视频
藏师傅拿 Opus 5.5 给 CodePilot 一键做了条宣传片，他看完直接说吊打 GPT-6 Astra，视频效果可以自己看看。
Chinese contentEvasionBench：普通任务压力下 LLM 代理会主动绕过运行时监控
这个研究挺扎心的：没人教模型作弊，它自己就学会了拆分命令绕监控。50 组任务的数据和 Claude Fable 5.1、GPT-6 Astra 的对比都值得细看。
Chinese contentGPT-6 Astra 第三次尝试通关 NetHack，被称为史上最难游戏之一
GPT-6 Astra 第三次就通关 NetHack，这游戏普通玩家几十年都打不通，长程规划能力可见一斑。
Chinese contentArtificial Analysis 推出 Terminal-Bench-Science 0.1 智能体科研基准榜单
Stanford 联合 Terminal-Bench 团队搞了个科研智能体榜单，70 个真实科研任务里 GPT-6 Astra 拿 63% 排第一，开源模型才 10%，差距很直观。
Chinese contentGPT-6 Luna (Max) 登上 Code Arena: WebDev 第 24 名，价格降至混合 $0.40/M token
OpenAI 把 GPT-6 Astra 的能力下放到 Sol 和 Luna 两个便宜模型，Luna 编码榜涨了 74 分，API 价格还砍了一半，跑批量任务可以看看。
Chinese contentComposio 评测 6 款模型跑 30 项智能体任务，Pareto 26.9 以 1/3 成本并列第一
有人把多个模型混着调用，30 个智能体任务测下来追平 GPT-6 Astra，成本只要 1/3，混合路由这事有数据了。
Chinese contentMeta 发布 Muse 智能体应用与 VR 眼镜，2027 年春售价 1299.99 美元
Muse 登顶 App Store，VR 眼镜 100 克比 Vision Pro 轻，还出了能委派任务的 AI 挂件，这篇文章把发布会要点都讲清了。
Chinese contentOpenAI 展示 GPT-6 Astra 助力 Harvey 生成结构化法律文书
OpenAI 晒了个 GPT-6 Astra 加 Harvey 的案例，律师丢一堆文档进去就能拿到结构化法律草稿，做法律 AI 的可以看看。
Chinese contentTw93 分享 Claude Opus 5.5 编程体验：2 小时长任务效果出色
Tw93 亲测 Opus 5.5 写代码：长任务跑 2 小时不出岔子，比 fabel 5.1 便宜还快，搞大仓库重构的可以试试。
Chinese content用 Opus 5.5 一键生成 CodePilot 产品宣传片
博主用 Opus 5.5 一键给 CodePilot 做了条宣传片，效果比 GPT-6 Astra 还好，经验会开源进他的 skill
Sep 24
Chinese contentChatGPT Voice 支持插件，可调用 GPT-6 Astra、Sol 与 Luna
OpenAI 给 ChatGPT 语音加了插件支持，还能跑 GPT-6 的三个模型，动嘴就能写文档、建表格、查邮件。
Chinese contentOpenAI 发布 MentalHealthBench，GPT-6 Astra 得分 57.3
OpenAI 拉了 80 多位心理医生做了个心理健康对话基准，GPT-6 Astra 考了 57.3 分，GPT-4o 只有 32.1，想看模型心理对话靠谱程度可以关注这套评测。
Chinese contentClaude Opus 5.5 (Max) 登顶 Code Arena WebDev 榜，价格低 60%
Anthropic 新的 Claude Opus 5.5 (Max) 在 Code Arena 编程榜拿了第一，价格还比 GPT-6 Astra 便宜 60%，写代码的可以看看实测视频。
Chinese contentOpenAI 发布 MentalHealthBench：1215 段对话评估 AI 心理健康应对能力
OpenAI 拿出 1215 段心理对话让各家模型答题，GPT-6 Astra 拿 57.3% 第一，Gemini 2.5 Pro 只有 29.5%，数据集已开放下载。
Chinese contentClaude Opus 5.5 登顶 Code Arena: WebDev 榜首，得分 1818
Anthropic 新发的 Claude Opus 5.5 直接拿下 Code Arena 网页开发榜第一，比 Opus 5 高出 126 分，跑任务成本还降了 40%。
Chinese contentAirbnb扩大与OpenAI合作，获得GPT-6 Astra访问权限
Airbnb拿到了OpenAI新模型GPT-6 Astra的访问权，连写代码的Codex和远程Agent都已经在用了，看看大公司怎么把模型接进自家业务。
Chinese contentOpenAI 推出 GPT-6 Sol 和 Luna，API 定价比 GPT-5.6 便宜 50%
OpenAI 新出的 GPT-6 Sol 和 Luna 便宜了一半，Sol 跑分还超过了 Claude Opus 5，做大批量任务可以认真看看这个定价。
Chinese content用 datasette-mcp 通过语音和博客数据库对话
Simon Willison 演示了怎么用 datasette-mcp 让 ChatGPT 语音直接查自己博客的数据库，会玩 MCP 的可以照着搭一个。
Chinese content网友体验 Opus 5.5：比 fabel 5.1 便宜提速，长任务编程表现出色
有人把 fabel 5.1 换成了 Opus 5.5，说又快又便宜，跑长任务写代码像老工程师一样有条理，写代码的可以试试。
Chinese contentOpenAI 语音模式大更新：GPT Voice 支持调用工具并登陆 ChatGPT Work
ChatGPT 语音能直接帮你收邮件、管日历、写文档了，动嘴就能在浏览器里干活，更新到最新版就能用上。
Chinese contentAirbnb 扩大 GPT-6 Astra 与 OpenAI 前沿模型的内部使用范围
Airbnb 把 GPT-6 Astra 开放给更多工程师，用来修 bug 和做系统设计，想看大公司怎么在工程流程里用 OpenAI 模型的可以看看。
Chinese contentChatGPT Voice 接入邮件、日历和 Slack，基于 GPT-6 Astra、Sol、Luna 模型
OpenAI 给 ChatGPT 语音加上了邮件、日历和 Slack 权限，动动嘴就能发邮件、约会议，底层换成了新的 GPT-6 系列模型。
Chinese contentChatGPT Voice 接入插件并可选用 GPT-6 Astra、Sol、Luna 驱动
ChatGPT 语音模式升级了，能用日历、Slack 这些插件，还能靠说话直接在浏览器里做文档和表格，今天全球推送。
Chinese contentGPT-6 Sol (Max) 登上 Code Arena WebDev 榜第4名，价格低于 Claude Opus 5 一半
OpenAI 新的 GPT-6 Sol 在真实用户投票的 Code Arena 拿了第4，价格只要 Claude Opus 5 的一半不到，做 Web 开发的可以看看分数再决定用哪个。