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 DeepMind 发布 Gemini 4 Neon,定价为 $3/M 输入、$0.15/M 缓存输入、$15/M 输出,支持 1M token 上下文。
推荐理由:把 Gemini 4 各型号的价格、上下文窗口和发布节奏放在一起对照,读者可以判断 Neon 在现有工作流中的位置。
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。
OpenAI 发布 GPT-6.2 Astra 与 GPT-6.2 Sol,两款模型已在 ChatGPT Work、Codex 的 Plus、Pro、Enterprise 和 Edu 用户中开放。
同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》
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 GPT-6.2 Astra 和 GPT-6.2 Sol 模型,前者提升专业工作与编程能力,后者优化日常任务效率。GPT-6.2 Astra 在 Agents' Last Exam 中比 Claude Fable 5.2 高 5.5 分且成本仅为其 5%,API 价格输入输出均较上代降低 20%。
同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》
OpenAI 发布了 GPT-6.2 Astra 和 Sol 两款语言模型,API 价格更低且部分基准测试有进步。Astra 面向专业场景,首次达到 OpenAI“高”AI 自改进阈值;Sol 面向日常使用,在多项任务上以极低价格接近 Astra 的性能。第三方评测显示两者在科学和 3D 设计等任务上得分较高,但法律类基准排名靠后,且编码能力相比前代基本停滞。
同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 和 Sol 模型》
论文介绍 3200 亿参数的混合专家模型 Sage S1.5 Flash,专为科学证据推理与交互式环境行动设计。 模型采用专用编码器处理分子图谱与生物序列,并构建可验证环境以提升 Agent 能力。 在 33 个基准中,该模型在 OfficeQA Pro 和 MLE-bench Lite 等任务上表现领先。
Anthropic 发布 Claude Fable 5.2,其生成输出速度比 Fable 5.1 和 Mythos 5.1 快 30%,若接受双倍价格可再提速 2.5 倍。定价调整为每百万输入 token $8、输出 token $40,较 Fable 5.1 更便宜。Ethan Mollick 称其为“接近 AGI”或“参差不齐的 AGI”,该模型在网络安全工程领域表现最为出色。
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。
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。
Anthropic 新语言模型 Claude Fable 5.2 通过代码模拟画布笔触生成复杂绘画。开发者 Jake Eaton 在 X 展示模型利用约 70 万条 Python 指令绘制停车车库,无需依赖外部图像模型。该路线将生成转化为包含物理纹理和错误覆盖的逐步执行过程。
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%。
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。
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 发布 Claude Fable 5.2 和 Mythos 5.2,具备更快的生成速度和更低的价格,并在编码、推理和视觉能力上有所提升。Meta 推出小型推理模型 Muse Ember,主要用于工具调用和文档解析,宣称性能对标 Claude Haiku 5.5。Google 发布 TPU 8i Max 以支持长上下文窗口,以及用于安全推理的 TPU 8tx。
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%)。
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,两款模型本质相同,但访问方式不同:Fable 面向所有用户并附带安全限制,Mythos 仅面向经过审核的机构。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,两者在多份独立评测中超越 Gemini 4 Carbon 与 Opus 5.5,重回全球 LLM 榜首。
Anthropic 于 11 月 10 日发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款模型,在编码、推理及网络安全领域表现显著提升,输出速度提高 30%,成本下降 20%。
同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》
Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,从空文件夹开始由 1000 多个 Agent 耗时 8 天自主编写完整操作系统并在笔记本上跑通。
同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,两款模型在 AA Intelligence Index v5 中分别以 65 分登顶,并在 ARC-AGI 3 达到 81%。
同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》
Anthropic 于 11 月 9 日发布 Claude Fable 5.2 与 Claude Mythos 5.2,该模型在编码基准上超越 Opus 5.5,并提供 2.5 倍速的 Fast 模式。此次发布是 METR 报告指出 Anthropic 接近递归自我改进之后的首个模型更新,报告称内部模型使 AI 研发速度提升约 2 倍。
同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》
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。
Anthropic 官宣推出基于同一底层模型的 Claude Fable 5.2 和 Claude Mythos 5.2,面向不同用户场景开放。
同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》
Claude Fable 5.2 和 Claude Mythos 5.2 在 Amazon Bedrock 和 Claude Platform on AWS 推出。Claude Fable 5.2 面向编码、数学和科学类技术任务,能自主迭代和长时间运行;Claude Mythos 5.2 在网络安全和生命科学领域通过 Anthropic 的验证项目提供服务。
同一新闻,精选展示《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。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 模型,称两款模型在编码、推理与视觉方面均有提升,且生成速度高于 5.1 版本。
同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》
Anthropic 发布最新大模型 Mythos 5.2 和 Fable 5.2,称两者在编码、推理和视觉领域均有提升,并将 Fable 的每百万输入 token 价格从 $10 降至 $8,比 GPT-6 Astra 更便宜且推理速度快 30%。
同一新闻,精选展示《Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2》
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。
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。
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。
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%。
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。
疑似 Anthropic Fable 5.5 模型泄露 Hugging Face 仓库,显示 14 万亿参数、1224 个 MoE 专家及 7.72 TB 权重。