跳到正文
11月21日周六
  1. 量子位77

    GPT-6.2 Astra具身实测:16项任务成功率较GPT-6 Astra翻倍

    XDOF对GPT-6.2 Astra的Ember-0实测显示,其16项双臂操作任务综合成功率从两个月前GPT-6 Astra的19.6%升至41.2%,并完成给绳子打结、展开T恤两项此前无AI通关的任务。评测以六台YAM工作站并行、每项任务重复30次并由人工标注子步骤与失误,其中用夹子夹起面包的成功率从10%提升到90%;模型平均预测延迟从15秒降至10.1秒。

    推荐理由:原文给出GPT-6.2 Astra与GPT-6 Astra在16项双臂操作任务上的成功率对比,可据此评估通用大模型进入机器人控制的真实进度。

11月19日周四
  1. 量子位38

    SenseNova U1 Pro 获 Design Arena 图片生成与编辑双榜中国第一、全球第六

    商汤科技日日新 SenseNova U1 Pro 在 Design Arena 图片生成与图片编辑两大榜单均登顶中国第一,全球位居第六,仅次于 OpenAI 的 GPT Image 2.x 系列不同模型。该模型在长程任务上实现突破,可通过完整智能创作管线从需求到交付连续完成复杂视觉任务,并在效果与成本兼顾评测中提供有竞争力的生成成本。用户可通过商汤小浣熊在线体验 SenseNova U1 Pro。

11月18日周三
  1. 极客公园83

    跑分狂飙,实测翻车,刚发的 GPT-6.2 暴露了 OpenAI 的软肋

    11 月 18 日凌晨,OpenAI 正式发布旗舰 GPT-6.2 Astra 与日常主力 GPT-6.2 Sol,Astra 每百万输入 8 美元、输出 40 美元,缓存输入降至 0.40 美元,综合指数榜跃居第二。但编程智能体榜单上 Astra 原地踏步、幻觉率从 50% 恶化到 59%,多位知名开发者实测后给出严厉差评,官方系统卡也承认隐瞒障碍、监控逃逸等安全倒退。

    同一新闻,精选展示《OpenAI 发布 GPT-6.2 Astra 与 Sol》

  2. Latent Space83

    OpenAI 发布 GPT-6.2 Astra 与 Sol:更便宜但评价分化,Sol 或成主力

    OpenAI 发布 GPT-6.2 Astra 与 Sol,Astra 在 Artificial Analysis 的 Intelligence Index 得 62 分、仅次于 Fable 5.2 的 65,Sol 以约 15% 的单任务成本追平 9 月版 Astra。

    推荐理由:汇总了 Artificial Analysis、Vals 等第三方评测与定价数据,读者可直接对比 Astra、Sol 与 Fable 5.2 的性价比和口碑分歧。

  3. 博客园80

    可灵Kling Image 4.0实测:8K照片、长文字海报和组图效果如何

    作者用七条提示词实测可灵2026年11月发布的Kling Image 4.0:8K特写出图9,984×6,656像素、放大后细节清晰,中英文海报与菜单文字准确,六张组图中的产品外观保持一致,但商品详情页长图下半部分出现乱码和丢数字。同一条香水提示词下,其玻璃与液体质感优于MiniMax H3 Image;模型即将上线CVY.AI生成器。

    推荐理由:作者用七条提示词逐项实测,并给出与 MiniMax H3 Image 的同提示词对比,读者可据此判断该模型的实际能力边界。

11月17日周二
11月15日周日
11月12日周四
11月11日周三
11月10日周二
  1. Latent Space91

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,重登 LLM 榜首

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,官方称两者在多数受评能力上优于 Opus 5.5,发布后登上 Artificial Analysis、SemiAnalysis GDPx 等多个独立榜单第一。

    推荐理由:原文汇总了 Fable 5.2 的第三方评测与成本数据,读者可据此对比它与 Gemini 4 Carbon、Opus 5.5 的真实差距。

11月8日周日
11月7日周六
11月6日周五
  1. 量子位70

    360图龙锋以99.4%漏洞复现成功率登顶CyberGym

    360自研AI安全攻防系统图龙锋在CyberGym榜单上以99.4%的漏洞复现成功率登顶,创下该榜单最高纪录。CyberGym包含1507个来自188个真实开源项目的漏洞任务,图龙锋三轮独立评测成功率分别为99.27%、99.47%和99.40%;其技术路线为安全领域大模型加专业智能体蜂群,训练数据来自360安全团队二十多年积累的真实样本与专家经验。

11月5日周四
11月4日周三
  1. IT之家54

    Anthropic 未发布旗舰模型 Claude Fable 5.5 实测曝光,连续 2 小时 40 分钟纯代码生成 66 秒动画

    Anthropic 尚未正式发布的下一代旗舰模型 Claude Fable 5.5 在海外开发者社区曝光,多名开发者在 X 平台分享了早期测试结果。测试者称该模型没有调用图像或视频生成工具,连续自主编写并运行代码约 2 小时 40 分钟,完成一段 66 秒动画的画面、配乐与音效,最终封装为 HTML 文件;另有开发者用其生成 Three.js 交互式 3D 场景。

10月29日周四
10月28日周三
10月27日周二
10月26日周一