商汤 SenseNova U1 Pro 获 Design Arena 双榜中国第一
商汤科技日日新 SenseNova U1 Pro 在 Design Arena 平台发布的新榜单中,于图片生成与图片编辑两大维度均登顶中国第一,全球排名第六。该模型在实现长程任务一次性交付的同时,也在效果与成本兼顾评测中表现优异,展现了在复杂视觉内容创作场景下的性价比优势。
商汤科技日日新 SenseNova U1 Pro 在 Design Arena 平台发布的新榜单中,于图片生成与图片编辑两大维度均登顶中国第一,全球排名第六。该模型在实现长程任务一次性交付的同时,也在效果与成本兼顾评测中表现优异,展现了在复杂视觉内容创作场景下的性价比优势。
Google 发布 Gemini 4 Neon,面向 agentic 编码、知识工作与科学场景,支持 1M token 上下文,API 输入/输出价格分别为 $3/$15 每百万 token。
GPT-6.2 Astra 在 TASTE 基准测试中同意研究者判断的频率显著低于随机猜测,具体准确率为 35%。 GPT-6 Astra 的准确率为 41%,Fable 5.2 为 53%;鉴于测试包含 92 个配对,这两者均处于 40% 至 60% 的随机猜测预期区间内。 TASTE 基准发布于 2026 年 8 月,旨在评估 AI 模型在安全研究提案选择上与研究人员的共识程度。
OpenAI 优化了 Jalapeño 芯片电路并改进 RISC-V 核心设计,展示了 GPT-6 Astra 在 AI 辅助芯片设计上的进展。 GPT-6 Astra 直接应用于具体芯片流片与核心架构优化环节,验证了大模型在半导体工程领域的落地能力。 此举标志着 AI 从代码生成向底层硬件设计的延伸,加速芯片研发流程。
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。
OpenAI 发布了新模型 GPT-6.2 Astra 和 GPT-6.2 Sol,其中 Astra 定价为 $8/$40 每百万 token,缓存价格大幅降至 $0.40/百万。实测中,GPT-6.2 Astra 在长任务中可能会随机询问用户无法理解的内部实现细节,且部分任务表现不及 Claude Fable 5.2。
北京中关村学院、中关村人工智能研究院开源了材料研发科研智能体系统MatOS,其资产库包含3,135个数据集、386项技能和48款材料计算软件。在材料软件使用基准MatTools上,MatOS的完整问题成功率为97.96%,高于采用相同底座模型的Codex CLI和Claude Code;在端到端自主科研基准上,MatOS平均得分比Codex CLI高33.6%。
推荐理由:中关村两院开源面向材料研发的科研智能体系统MatOS,其在多项基准与案例中的任务成功率超过同类通用工具。
谷歌云发布 MLPerf Training v6.1 基准测试第一轮成绩,其中 8192 颗 Ironwood TPU 在 1.70 分钟(102 秒)内完成 DeepSeek-V3 预训练目标。
NVIDIA Vera Rubin平台在MLPerf Training v6.1基准中首次提交,实现所有测试项领先,训练性能最高达优化版GB300 NVL72系统的2倍。
推荐理由:Vera Rubin平台在MLPerf基准中实现全项领先,读者可以借此确认其在AI训练和智能体推理中的性能基准与规模化优势。
作者让 Opus 5.5 撰写关于 2030 年底前美中 AI 协议概率的预测分析。 该分析由 Opus 5.5 独立完成,作者仅通过具体建议进行指导,且不完全同意模型的所有建模决策。 作者建议读者阅读该文章,并指出这是 Opus 5.5 能力下限的展示。
谷歌新模型 Gemini 4 Carbon (High) 以 1526 分首次登顶 Arena 平台综合榜,与 Gemini 4 Argon (High) 分差仅 4 分。
推荐理由:文章汇总了多平台最新模型表现,读者可据此快速掌握不同赛道头部模型的竞争态势。
华为云正式发布并开源昇腾原生具身世界模型 CloudRobo-WM1.2。该模型基于国产算力昇腾训练,在 RoboTwin 2.0 和 LiberoPro 2.0 两大评测基准中均排名第一。
Claude Fable 5.2 在 Wojak-Bench 3D 3D打印盲测中领先,胜率71%。 GPT-6 Astra 胜率29%,测试基于同一指令和最多3轮修订预算。该榜单为社区偏好投票,非受控评估,样本量小。
Google 的 Gemini 4 Carbon 在 MathArena 数学评测中排名第一,得分 85.4% ±3.0%,超越了 GPT-6.1 Sol,后者得分 80.6% ±2.7%。
MiniMax于11月10日开放H3-Image模型权重,主打10秒出图且价格仅为同档主流工具的50%-70%,与同期发布的OpenAI GPT Image 2.6和字节Seedream 5.5展开竞争。
推荐理由:文章通过实测对比三家生图模型的速度与画质,指出MiniMax在低价开源策略上寻找突破,但能否解决复杂任务一次改对仍是关键。
Google 发布了名为 Gemini 4 Hydrogen 的通用型大语言模型,其 100 万 token 的上下文窗口输入输出能力与 1.50 美元 / M 输入、7.50 美元 / M 输出的定价使其成为高性价比选择。
同一新闻,精选展示《谷歌推出 Gemini 4 Hydrogen,主打速度与执行效率》
Google 宣布 Gemini 4 Carbon 正式可用。它定位于 Gemini 4 Argon 之上,通过消耗更多 token 的深层推理和验证循环来处理多步编码和开放式科学问题。
谷歌首次公开 GPT-6.1 Terra、Kimi K3.1 Pro 及 DeepSeek V4.1 Flash 在 Android Bench 的跑分。 Kimi K3.1 Pro 通过率达 24.0%,高于 GPT 6 Astra 但低于 GPT-6.1 Terra;DeepSeek V4.1 Flash 仅 9.9 美元成本,适合预算敏感团队。
ChatGPT 成功疏散全部 48 人,DeepSeek 疏散 32 人,Claude 在辅助指令下疏散 34 人。 三个模型均执行了登人、电池管理和撤离的四项指令,并在首次移动后遭遇电池故障。
Anthropic 的 Fable 5.2 在 Scale Labs 的 RLI 真实自由职业基准测试中,以41.3%的成功率登顶排行榜,相比一年前最高分2.5%有16倍提升,且领先于第二名 Opus 5.5(21.25%)。
Keln 发布基准测试结果,对比了 Fireworks、Together、Baseten、Modal、DeepInfra 和 Z.ai 六家服务商在 DeepSeek V4.1 Flash 和 GLM-5.3 Flash 模型上的表现。
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。
作者使用同一“行走城市穿过沙漠”提示词,在 Seedance 2.5、Kling 4.0 和 Gemini Omni 1.1 Flash 上生成 720p、8 秒含原生音频的视频片段。
Thinking Machines 发布 Inkling 2 Small,这是一款 594B 总参数量 / 17B 激活量的多模态 MoE 模型,采用 NVFP4 原生精度在 GB300 集群上耗时 68 小时完成预训练。
推荐理由:原文给出训练参数与评测结果,读者可据此判断该模型对西方开源生态与微调工作流的影响。
SemiAnalysis 推出 GDPx 基准测试,让 AI 智能体在 11 个领域(含芯片设计、量化交易、法律)的 206 项任务中模拟最长八小时工作。Claude Opus 5.5 以 12% 完成率居首,Gemini 4 Carbon 以 10.9% 次之(单任务成本约 16.29 美元),GPT-6 Astra 为 9.6%。
360 自研 AI 安全系统图龙锋在 CyberGym 榜单上以 99.4% 的漏洞复现成功率创下单项最高纪录。该系统基于 360 团队二十余年的安全专家经验和过程数据训练,通过“安全领域大模型+专业智能体蜂群”架构实现自动化漏洞挖掘。自今年 6 月发布以来,图龙锋累计发现漏洞超 1.5 万个,并成为全国唯一通过中国信通院首批“漏洞挖掘智能体能力评估”的产品。
推荐理由:360 图龙锋系统在 CyberGym 基准取得 99.4% 成功率,展示了将专家经验转化为 AI 能力的具体路径。
Anthropic 发布开源 zkSNARK 原型 FlashProve。在 Llama 4 Maverick 上,单张 H100 约 110 tokens/s 生成证明;单个证明约 19 MB,CPU 验证需 17 秒。
在 1,300+ 词联线索评测中,Google 的 Gemini 4 Argon 平均分 67,领先 OpenAI 的 GPT-6.1 Terra(64)及 Anthropic 的 Claude Opus 5.5(58)。 低级档位中,GPT-6 Luna 在 16 局对战中 14-2 击败 Claude Haiku 5.5;旧版 Claude Opus 4.6 得分 55,未遵循此规律。
OpenAI 下一代模型 GPT-6.2 Astra 疑似进入灰度测试,Codex 用户用量统计中已出现独立标识 gpt-6.2-astra,但官方 API 目录及公告尚未确认该型号。
OpenAI 推出 LifeVal,这是一个用于衡量 AI 如何帮助人们完成日常事务(如寻找托幼服务、管理财务及政府文书)的基准。
OpenAI 已发布由其内部模型生成的722份数学手稿,分为372个主题簇。Gil Kalai 博客更新梳理了其中26项结果与其过往文章的关联,涵盖 Mahler 猜想、平面色数、Kakeya 问题、Erdős 算术级数猜想等经典难题,部分结果如 Unique Games 猜想已获证明。他提醒学界,这些结果目前仍处于不同验证阶段,需数学家在未来数月的消化与检验。
Anthropic 官网源码意外泄露 Claude Mythos 5.5,Fable 5.5 疑似支持 100 万 token 上下文及 3D 生成功能;OpenAI GPT-6.2 Astra 出现在 Codex 统计中,具备 1M 窗口。 厂商未官宣,新模型线索密集出现引发社区对 11 月旗舰模型集中更新的猜测。
Avartha 发布名为 Ava Zero 1 的开源权重语音模型,其在 Sierra 的 τ³-Voice 基准测试中以 86.0% 的任务完成率位居榜首,超越 OpenAI GPT Live 1、xAI Grok 及 Google Gemini。
推荐理由:原文通过对比任务完成率,展示该开源语音系统在实时场景下超越主流闭源闭环的能力。
Gemini 4 Argon 在 Scale AI SEAL 11 类基准中确认 6 项优势,其中 Humanity's Sixth Sense 排名 #1,SWE-Bench Pro V2 排名 #2 得分 99.22。其在多模态视觉理解、复杂软件工程及高级学术推理方面表现突出,但金融、法律及心理危机支持场景未进前三。
Artificial Analysis Intelligence Index v5榜单显示Claude Opus 5.5以58分险胜GPT-6 Astra(57分),但谷歌随后发布的Gemini 4 Carbon以59分反超夺魁。
Westphalia Labs 测试了 11 个 AI 模型主持起草多边联合声明的能力,仅 Claude Opus 5.5、GPT-6.1 Sol 和 Grok 4.7 在所有 10 次运行中表现可靠。
Mistral 在 Hugging Face 上开源了迄今最大模型 Mistral Large 4(绰号“Le Chonk”),采用修改版 MIT 许可证,允许商用但提供云服务需额外授权。
同一新闻,精选展示《Mistral Large 4 (Le Chonk) 上线 Hugging Face:多模态 MoE 开放权重模型》
XHEART 新芯航途 X7 系列芯片量产 8 个月,累计出货超过 20 万颗。 已搭载 10 款量产车型,并获得超过 40 款车型订单;基于双 X7 的 L3/L4 平台已获多个车型项目定点。 以规模交付验证“大模型定义芯片”的技术路线,推动大模型芯片向更高等级自动驾驶落地拓展。
苹果发布配备PROLED XDR显示屏的触屏MacBook Pro,提供14和16英寸机型,国行起售价22999元。 屏幕峰值亮度2000尼特,支持最高128GB统一内存,并搭载M5 Pro/Max芯片。 Google同日发布Gemini 4 Carbon,在Intelligence Index v5.0中以59分超越Claude Opus 5.5。
谷歌发布全新前沿旗舰模型 Gemini 4 Carbon,官方称其在网络安全与长程任务能力上全面斩获 SOTA(当前最高水平)。Gemini 4 Carbon 在 Artificial Analysis v5.0 全球智能指数榜以 59 分登顶,并在 14 项核心基准中拿下 12 项第一。