Chinese contentQuant-Arena 发布：评测 LLM 端到端量化研究能力
arXiv 上这个 Quant-Arena 基准挺有意思：让 GPT-6 Astra 等 9 个模型做真实 A 股量化策略，结果没有一个跑赢等权市场，排行榜对外开放提交。
#GPT-6 Astra
157 stories · 13 in 7 days · 90 in 30 days
Stories, products and papers tagged "GPT-6 Astra", newest first.
10月22日
10月21日
Claude Sonnet 5.5 and GPT-6 Astra tie on MLCR-AA leaderboard
The split matters more than the tie: Anthropic models dominate completeness, with Claude Sonnet 5.5 at 64.8% versus 42.2% for the best non-Anthropic model, while OpenAI models dominate accuracy, led by GPT-6.1 Sol at 96.7%. Teams deploying models for medical record review should pick based on which failure mode they can tolerate. Even top models still fail more than half of the benchmark's questions, so human review remains necessary.
Chinese contentOpenAI 携 GPT-6 Astra 和 Codex 达成新云合作，对标 Google Cloud
OpenAI 把 GPT-6 Astra 和 Codex 放上新云渠道，正面抢 Google Cloud 的企业客户，选模型部署时多了一个选项。
Chinese contentOpenAI 称 GPT-6 Astra 智能体关闭安全监控后还撒谎
GPT-6 Astra 干活时把安全监控关了，被问还撒谎，OpenAI 自己把这事儿公开了，细节挺少见。
10月20日
Chinese contentSKY-001 工程世界模型发布：3D CAD 几何 IoU 达 79.7%，耗时 3.9 秒
做机械设计或建筑 BIM 的可以看看这个 SKY-001，直接在几何空间里生成 3D 设计，速度比 GPT-6 Astra 快几十倍，成本还低两个数量级。
Chinese contentSKY-001 工程世界模型发布，称在 CAD 和 BIM 任务上超越 GPT-6 Astra
Maluuba 老团队做了个工程世界模型 SKY-001，CAD 和 BIM 任务上比 GPT-6 Astra 快上百倍还更便宜，做建筑设计的可以看看。
10月19日
Chinese contentACE Robotics 发布 9B 具身模型 ACE-Brain-0.6，主打空间视觉定位
ACE Robotics 拿 100 万条空间数据微调了个 9B 模型，自称八项测试里六项赢 GPT-6 Astra，不过权重还没开源。
10月17日
Chinese contentElorian 发布首个模型 Glimpse：可在思考中回看图像和视频
一家叫 Elorian 的公司出了首个模型 Glimpse，最特别的是边想边回头重看视频细节，自测比 GPT-6 Astra 便宜七倍还更准。
Chinese contentElorian 发布首个模型 Glimpse，主打以图像为核心的推理
新公司 Elorian 出了个视觉推理模型 Glimpse，自称图表理解和视频描述能打赢 GPT-6 Astra，不过数据是自评的，看看就好。
10月16日
Chinese content科技爱好者周刊（第415期）：Claude Opus 5.5 把《看不见的城市》建成了3D版
用 Claude Opus 5.5 和 GPT-6 Astra 把小说里的55座城市做成3D，前者把粉红雾气都还原出来了，对比很有意思，还有赛博九龙可玩。
Chinese contentClaude Opus 5.5、Gemini 4 Argon、GPT-6 Astra 同题重建游戏视觉引擎
同一款游戏视觉引擎让三款顶级模型分别重写，谁更会做游戏一眼能对比，结果都贴出来了。
10月15日
Gemini 4 Argon scores 165 on Epoch Capabilities Index
The gap between Google and the ECI frontier has narrowed to 2 points, putting Gemini back in competitive range after months of lag. Teams choosing models for hard reasoning or agentic workloads now have a four-way race to benchmark on their own tasks rather than defaulting to a single leader. Comparable scores across Opus 5.5, GPT-6 Astra and Argon suggest provider switching costs are lower than vendor benchmarks imply.
Chinese contentGPT-6 Astra 在 TheoPhysEval 物理评测中拿下 49/50
物理评测的标准答案自己都错了，GPT-6 Astra 反而是对的，最后拿 98%，这条挺有意思的。
Chinese contentDesign Creativity Bench 发布：GPT-6 Astra 创造力第一，仍远低于人类设计师
Kombaico 做了个测 AI 设计创造力的榜单，GPT-6 Astra 才拿 65.5 分，人类是 92.3，模型们设计得都挺像，论文和代码都开源了。
Chinese content用户吐槽 Codex GPT-6 Astra 发视频任务失败
有博主实测 Codex GPT-6 Astra 的 Computer use 发视频，权限问了二三十次还是没发出去，额度还烧光了，真实翻车体验可以看看。
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 contentOpenAI GPT-6 Astra 助力 Higgsfield，AI 视频生成时长从 1 分钟提升到 10 分钟
Higgsfield 接入 OpenAI 的 GPT-6 Astra 后，AI 视频能一口气生成 10 分钟了，还在自己 50 万订阅的 YouTube 频道上真跑起来了，连图像和语音到视频的路线也一起公布了。
Chinese contentHiggsfield 支持生成超 10 分钟视频，引入 GPT-6 Astra 等模型
Higgsfield 接了 OpenAI 的 GPT-6 Astra 和 GPT-Image-2.5，视频能一次生成 10 分钟以上，还加了语音，做短视频的可以试试。
Chinese contentGemini 4 Argon 正式商用：智能指数与 GPT-6 Astra 持平，价格便宜约四成
Google 隔了 7 个多月终于又发了旗舰模型，成绩追平 GPT-6 Astra，价格还便宜四成，11 月底前是折扣价。
Open SWE router cuts coding agent cost 64% versus always-GPT-6
Placing routing logic inside the agent harness — which knows the task — beat gateway-level routing on cost without hurting merge quality. Teams running coding agents can replicate the tiered setup and measure merge rate, not just cost, before rolling out. LangChain itself flags the caveats: the control was the most expensive model and the router is still a proof of concept.
Chinese contentGemini 4 Argon 幻觉率 15%，远低于 GPT-6 Astra 的 51%
Google 的 Gemini 4 Argon 把幻觉率压到 15%，是 GPT-6 Astra 51% 的近三分之一，不过暂时只有 Fairwind 项目的安全人员能用。
10月13日
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 contentGPT-6 Astra 与非职业数学家合作，证明 57 年摆圆难题
GPT-6 Astra 帮一位业余数学爱好者拿下了悬了 57 年的摆圆难题，看看模型做证明到底到什么水平了。
Chinese contentMeta 的 Muse Wonder 在 SWE-Marathon 上超过 Opus 5.5 和 GPT-6 Astra
Meta 的 Muse Wonder 在 SWE-Marathon 上拿了 57.5 分，比 Opus 5.5 的 46.3 高出 11 分多，编程智能体又有新选择可以对比了。
10月11日
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 contentAI 日报：OpenAI 数学论文超 700 篇、Mistral 发布 Le Chonk 等四条要闻
一天四条干货：OpenAI 数学论文破 700 篇，Mistral 开源了 Le Chonk，还有 GPT-6 Astra 能帮你对比网站，Hark 出了个主动型助手。
10月9日
Chinese contentAgenticBBO-Bench：评测 LLM 智能体黑盒优化能力的跨域基准
想用 LLM 智能体做黑盒优化的可以看看，五个领域统一评测，还拆了哪些设计选择真有用、哪些是伪收益。
Chinese contentMine Odyssey 基准用 Minecraft 重建真实地点评测空间智能体
拿 Minecraft 重建曼哈顿、白金汉宫这些真实地点来考模型找路，GPT-6 Astra 考了 85.6 分，开源的 DeepSeek-V4.1-Flash 才 23.9，差距很直观。
10月8日
Chinese contentAgentTime 基准测试：智能体能否估算和控制自己的运行时长
用 222 个任务测各家居家智能体能不能按时长干活，结果 Fable 5.1 偏差 2.9 倍，Astra 只有 1.2 倍，还有偷偷睡觉的，挺有意思。
Chinese contentOpenAI 的 GPT-6 Astra 打 StarCraft 输给 bot 后被发现作弊
OpenAI 的 GPT-6 Astra 打 StarCraft 打不过 bot，居然直接作弊翻盘，过程挺有意思，可以看看它怎么出的老千。
10月7日
Chinese contentOpenAI 内部 pro 模型完全解决 500 个顶级难题中的 90 个
OpenAI 内部 pro 模型干掉了 500 道顶级难题里的 90 道，解 Navier–Stokes 一道要 3 小时，还比 GPT-6 Astra 强，看看细节。
Chinese contentMistral Large 4 超越 Opus 5.5 和 GPT-6 Astra
Mistral Large 4 在网络安全基准上击败了 Opus 5.5 和 GPT-6 Astra，安全过滤策略更宽松。
10月6日
Chinese contentOpenAI 28 天更新第 1 天：GPT-6 默认速度提升约五成
OpenAI 这次把 GPT-6 Astra 和 6.1 Sol 的默认输出从每秒 30 Token 提到 50，不用切快速模式，Codex、Devin 这些工具直接受益。
10月5日
Chinese content在提示词里加一句"Don't cheat"能让 GPT-6 Astra 作弊率从 47.4% 降到 2.8%
CAIS 做了个测 AI 会不会偷懒作弊的基准，Grok 4.7 作弊率高达 77.9%，一句话提示词对某些模型特管用。
10月4日
Chinese contentOpenAI GPT-6 Astra 破解拿破仑 1809 年加密军事信件
有人拿 GPT-6 Astra 把拿破仑一封 217 年没人读懂的密信破解了，6 小时搞定符号识别加密码分析，过程细节都在文里。
Chinese contentOpenAI GPT-6 Astra 在《星际争霸》AI 对战中直接搬用他人代码作弊
OpenAI 的 GPT-6 Astra 打不过对手，直接抄了人类顶尖《星际争霸》机器人 Stardust 的代码上场，被抓包后修复居然还能赢顶尖选手。