跳到正文
  1. 36氪94

    谷歌发布 Gemini 4 Neon 模型并全量上线

    谷歌发布 Gemini 4 Neon 模型,同步全量上线 Google AI Studio、Gemini App、企业端 API 和 Google Antigravity。

    推荐理由:发布同步全渠道上线并给出三模型全维度跑分,读者可据此直接对比主力编程模型的性价比和实际可用性。

  1. 36氪83

    GPT-6.2 Astra 发布后遭遇大量差评,作者实测认为其被低估

    OpenAI 发布 GPT-6.2 Astra 和 Sol,官方数据显示新模型在编程、科研及 3D 设计领域表现优异且成本显著降低,但首批开发者实测却引发巨大争议。多位开发者如 Theo 等指出其长期任务频繁中断、解释能力差,但作者通过三组 3D 场景实测发现,Astra 的实际表现优于舆论预期,首发后的批评更多被情绪放大。

    推荐理由:开发者实测结果与跑分呈现明显分歧,读者可据此理解新模型在真实长任务中的体验边界与成本逻辑。

  1. IT之家82

    Claude Fable 5.2 通过 Python 代码模拟画笔完成绘画,展示自主规划与纠错能力

    Anthropic 的 Claude Fable 5.2 不依赖外部图像模型,而是通过编写 Python 代码模拟画笔、颜料和画布物理特性,将绘画过程拆解为独立笔触指令。

    推荐理由:Claude Fable 5.2 展示了通过代码模拟物理画笔逐笔作画的过程,而非调用图像生成模型,其纠错机制和笔触规划能力与机器人控制任务具有直接关联。

  1. 量子位85

    无界前沿开源生物信息大模型 Fx-Bio-1031

    无界前沿正式开源生物信息大模型 Fx-Bio-1031,该模型在 Anthropic BioMysteryBench 困难子集上取得 70.59% 的 Pass@5,领先 GPT-6-Astra 和 Claude Opus-5。模型采用 125B 总参数量的 MoE 架构,支持 512K 上下文窗口,允许本地私有化部署以满足数据安全需求。

    推荐理由:原文详细展示了开源模型在高难基准上的具体性能对比及五个实际落地场景,为评估私有化部署可行性提供了量化依据。

  1. The Decoder91

    Claude Fable 5.2 与 Mythos 5.2 巩固 Anthropic 在 IPO 前的 AI 领先地位

    Claude Fable 5.2 和 Mythos 5.2 重新夺回 AI 性能领先地位,价格低于前代,输出速度提升最高 30%。Anthropic 称其主动限制了对 AI 研发有直接加速作用的 RSI 能力,但这两个模型成功形式化了费马大定理的证明,在 CVE 数据库中发现了比前代更多的漏洞,其中每 6 个确认的漏洞中有 1 个是其他前沿模型遗漏的。

    推荐理由:模型在基准测试和安全漏洞挖掘中刷新纪录,并展示了在数学形式化验证上的重大进展。

  2. Anthropic (X)81

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 模型。这两款新模型旨在应对最具挑战性的技术难题,并在编码、推理和视觉领域表现出改进,可作为多个领域雄心勃勃项目的合作者。

    推荐理由:官方确认两款新模型上线,它们在编码、推理和视觉能力上针对复杂技术挑战进行了优化。

  1. 36氪85

    GPT-6.2 Sol 灰度上线,Artificial Analysis 60 分压过 Opus 5.5

    GPT-6.2 Sol 已进入 ChatGPT 灰度路由,官方 OpenAI Dev 账号发布视频标题 Tomorrow。Artificial Analysis 智能指数中 GPT-6.2 Sol(Max)得 60 分,平均任务耗时 18.7 分钟,单任务成本 1.19 美元,优于 Opus 5.5。

    推荐理由:原文给出灰度路由、Artificial Analysis 60 分与 18.7 分钟耗时、1.19 美元成本,可据此判断 GPT-6.2 Sol 的位置。

  1. 量子位80

    METR 报告披露 Anthropic 三个内部模型及研发提速数据

    METR 报告披露 Anthropic 内部 Model 2、Model 3 和 Model 4 的训练时间,其中 Model 4 的综合能力指数比 Opus 5.5 高约 3.9 分。文章指出 Anthropic 内部研发中约 80% 的实验时间被 AI 工具缩短,Model 4 在 15 项基准测试中的成绩均超过 50%,联合创始人回应称该报告因涉密删去了大量信息。

    推荐理由:METR 报告披露了 Anthropic 未公开的内部模型参数与能力指数,为观察者提供了研判模型迭代节奏与安全政策背景的独立评估视角。

  1. 百灵大模型77

    Ling-3.2-flash 正式发布:支持视觉反馈与异常自适应

    百灵大模型官方发布 Ling-3.2-flash,该模型总参数 560B,单步激活 25B,原生融入视觉感知与空间理解能力。Ling-3.2-flash 具备视觉反馈自检和异常自适应恢复能力,能对照渲染结果调整代码并根据报错信息继续执行任务。

    推荐理由:官方明确了560B参数下的视觉自检机制,用户可据此评估其在异常恢复场景下的工程落地可行性。

  1. 36氪82

    GPT-6.2 Astra与Claude 5.5系列同日被曝:硅谷三大旗舰进入11月初对决

    OpenAI GPT-6.2 Astra与Anthropic Claude 5.5系列(Mythos 5.5 / Fable 5.5)同日被曝,叠加Gemini 4 Carbon登顶,硅谷三大旗舰进入11月初密集对决。

    推荐理由:原文把两款新旗舰的泄露路径、关键数字和版本定位并排摆在一起,读者可以据此判断 11 月初旗舰模型的正面竞争会落到哪些能力缺口上。

  1. APPSO77

    Claude Fable 5.5 测试曝光及 Anthropic 自评估机制解读

    Claude Fable 5.5 正在测试,Anthropic 同日发布安全博客介绍自评估机制,该机制在模型回答后追加一条用户不可见的指令,让刚参与对话的模型复用 KV Cache 对整段对话进行安全性复盘。

    推荐理由:文章解读 Anthropic 自评估机制如何复用 KV Cache 降低算力开销,并梳理了该方案在安全监测中的角色边界。

  1. APPSO81

    Gemini 4 Carbon 正式发布,登顶 Artificial Analysis 榜单

    Google DeepMind 正式发布新一代旗舰模型 Gemini 4 Carbon。在 Artificial Analysis Intelligence Index v5.0 榜单中,该模型以 59 分超越 Claude Opus 5.5,位居全球第一。

    推荐理由:详细列举了 Gemini 4 Carbon 在 Artificial Analysis 等基准测试中的具体得分及网络安全漏洞修复能力,并指出了其限制开放给少数人员使用的现状。

  1. TechCrunch · AI89

    OpenAI 与 Anthropic 宣称模型推翻指数时间假设

    OpenAI 发布三项数学突破,其中包含对指数时间假设 ETH 的反驳,Anthropic 随后也发布了独立的 ETH 反驳。MIT 教授 Ryan Williams 与两位 ETH 原始提出者组成工作组,正通过公开信和会议评估该结果,若算法有效将影响依赖该假设的众多论文及密码学安全边界。

    推荐理由:报道了前沿实验室宣称推翻指数时间假设的事件,并呈现科学界对验证流程与学科影响的反应。

  2. APPSO94

    OpenAI 发布 GPT-6.1 Terra,主打高性价比的Agent执行能力

    OpenAI 正式发布新一代模型 GPT-6.1 Terra,该模型标准 API 价格降低 50%,且 Token 单价仅为旗舰模型 GPT-6 Astra 的十分之一,同时具备更强的视觉理解和电脑操作能力。

    推荐理由:新模型在价格腰斩同时提升视觉与编程能力,展现了Agent大规模落地的成本可行性。

  1. Hacker News AI85

    Kimi发布K3.1 Pro模型将开源AI与最佳闭源模型的时间差距缩小至31天

    Kimi于2026年10月23日发布K3.1 Pro,其在Artificial Analysis Intelligence Index上得分55.1,落后最佳闭源模型Claude Opus 5.5(得分57.6)2.5分。

    推荐理由:文章将开源AI的基准领先程度量化为时间维度,并指出Kimi K3.1 Pro显著缩短了中国实验室与非中国实验室在开源模型性能上的差距。

  1. 36氪90

    MiniMax M3.1 Flash 发布,在 Agent 基准上实现低成本追平旗舰模型

    MiniMax M3.1 Flash 正式发布,并确认是匿名模型 Space Bunny 的正式版,主打高速推理与低成本。该模型在 Automation-Bench、DeepSWE、ALE 等基准上表现强劲,在 ALE 任务中花费约 739 元即可跑完,性能追平甚至部分反超旗舰级模型如 Claude Opus 5。

    推荐理由:M3.1 Flash 的定价与多任务基准成绩被并排放在 DeepSeek V4.1 Flash 和 Opus 5 的坐标系中,可以直接看出当前低段位模型的价格锚点。