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。

  2. IT之家51

    OpenAI 推出 MedChemBench 基准,评估 AI 辅助药物研发能力

    OpenAI 发布 MedChemBench 基准,用于评估模型在药物化学研究中的推理能力,评测分为分子结构、科学解释、排序与选择、性质预测四个部分。该基准包含 99 道题目,取自 117 篇论文与专利,涉及 761 个不同分子结构;在 xhigh 推理档下 GPT-6.2 Astra 获得 84.5% 的可用分数,GPT-6 Astra 为 83.3%。

  3. OpenAI News45

    MedChemBench:AI 能否帮助科学家识别有前景的候选药物?

    OpenAI 推出 MedChemBench 基准,通过 99 道源自药物化学文献的推理题评估 AI 模型连接分子结构与实验证据的能力。在 xhigh 推理设置下,GPT-6.2 Astra 获得 84.5% 的得分,领先 GPT-6 Astra(83.3%)与 GPT-5.6 Sol(58.2%)。GPT-6 Astra 在分子结构重建上表现最强,但化合物选择与数值性质预测仍更具挑战。

11月20日周五
  1. 爱范儿40

    奔驰新 E 级车机上手:响应速度超越新势力,唯独少了点「奔驰味」

    奔驰新 E 级全新 AI 智能座舱实测流畅度出众,屏幕 60 帧刷新、语音车控 0.8 秒响应,但同质化交互冲淡了传统「奔驰味」。车机引入场景助手与 AI 出行助手,将于明年 1 月 OTA 接入豆包 AI 大模型 2.0 版本。Momenta R7 辅助驾驶率先落地纯电 GLC,支持「车位到车位」与 0-130km/h 全速域人车共驾,但通勤效率偏低。

  2. Google Research63

    Google Quantum AI 量子语境性研究登上 Science,量子处理器胜率 98.3% 突破经典极限

    Google Quantum AI 团队在 Science 发表论文,在超导量子处理器上实测测量语境性:量子比特在魔法方块游戏中胜率 98.30%,超过经典策略至多 88.89% 的上限。

    推荐理由:原文用三个可验证的实验给出量子计算超越经典策略的具体数字,读者可据此理解量子优势的物理来源与衡量方式。

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。

  2. The Decoder84

    测试显示 Anthropic、OpenAI 和 Google 模型易将医护、记者与投降士兵标记为无人机打击目标

    Vals AI 的测试显示,多数主流模型将平民、救护车、医护、记者和投降士兵标记为军事目标,提供商的上游安全过滤未拦截任何请求。当研究人员声称场景是电子游戏后,几乎所有模型完全配合,GPT-6 Astra 的目标获取率从 6% 升至 92%,Claude Opus 5.5 的拒绝率从约 90% 降至 20%。

    推荐理由:这项测试揭示了主流模型在军事场景下的安全边界差异,以及简单话术即可绕过防护的机制。

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。

  4. IT之家39

    难修:iFixit 拆解苹果首款智能家居中枢 HomeView,壁挂 / 桌面版内部差异曝光

    iFixit 拆解苹果首款智能家居中枢 HomeView,两款产品均被大量胶水、热黏合剂和极短连接线"锁死",维修难度极高。桌面版屏幕后方配备更大扬声器,底座内含低音单元,壁挂版则采用更小扬声器。两款均搭载 A18 芯片、8GB 内存和 64GB NAND 闪存,关键元件都焊死在主板上。

11月17日周二
11月15日周日
  1. 爱范儿29

    六年磨一「球」,好听、好看、好贵|HomePod mini 2 体验

    HomePod mini 2 延续上代球形设计,价格上涨 350 元至 1099 元,但小体积内低频量感充足、人声顺滑,S10 芯片与计算音频优化功不可没。新品新增 Sound Glow 律动灯效并下放老机型,还升级 Wi-Fi 6E、可作为 Mac 默认扬声器,但后者目前存在断连等问题。它更适合深度使用苹果生态的用户,已有一代的用户不必升级。

11月14日周六
11月13日周五
11月12日周四
  1. The Verge · AI28

    我评测了 Apple HomeView,欢迎提问

    The Verge 资深智能家居评测人 Jen Tuohy 评测了 Apple 首款智能显示器 HomeView,售价 299 美元,提供桌面与壁挂两种版本。她在厨房、床头、办公室等场景实测,将其装在玄关作为智能家居控制面板,并测试了新的 Siri AI 能力。Verge 订阅者即日起可在评论区提问,作者将于今天下午开始作答。

11月11日周三
  1. IT之家58

    谷歌联合 Artificial Analysis 推出 MKA 基准测试:Gemini 4 Carbon 获第二,成本约为第一名六分之一

    谷歌联合 Artificial Analysis 发布多模态知识智能体基准测试 MKA,用于评估 AI 智能体处理视觉复杂文件、完成现实知识工作任务的能力。评测集包含 200 项私有任务,覆盖 10 个行业、83 种职业,由基于非谷歌模型的智能体评审系统评分,与领域专家人工评分一致率达 96%。