OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol,其中 Astra 部分测试超越 Claude Fable 5.2 且成本更低
OpenAI 今日发布 GPT-6.2 Astra 和 GPT-6.2 Sol,提升专业工作、编程、计算机操作及多步骤智能体任务表现。GPT-6.2 Astra 在 Agents' Last Exam 中比 Claude Fable 5.2 高 5.5 分,成本只有其 5%,并在 AA-3D 中以 1318 Elo 排名第一。
OpenAI 今日发布 GPT-6.2 Astra 和 GPT-6.2 Sol,提升专业工作、编程、计算机操作及多步骤智能体任务表现。GPT-6.2 Astra 在 Agents' Last Exam 中比 Claude Fable 5.2 高 5.5 分,成本只有其 5%,并在 AA-3D 中以 1318 Elo 排名第一。
Arena 平台 2026 年第 46 周盲测榜单显示,谷歌 Gemini 4 Carbon (High) 以 1526 分首秀登顶综合榜,同家族 Gemini 4 Argon (High) 以 1522 分紧随其后。国产模型在 AI 视频榜表现强劲,字节跳动 dreamina seedance 2.0/2.5 及阿里 wan 3.0 分别占据第 6、7、8 名,稳居第一梯队。
Anthropic 员工展示 Claude Fable 5.2 不调用图像模型,用 Python 代码模拟画笔、颜料和画布逐笔作画。Jake Eaton 展示的停车场购物车作品使用约 70 万次模拟笔触,这类作品的代码通常有 1000 至 2000 行,不依赖外部图像模型或预渲染底图。日出时的鸟用 111 笔完成,黄昏场景用 280 笔,模型会观察画布并用新笔触修正错误。
Anthropic 的 Claude Fable 5.2 不依赖外部图像模型,而是用 Python 代码驱动模拟绘画引擎生成照片级画作。Jake Eaton 展示的停车场场景用了约 700,000 次模拟笔触,每件作品由 1,000 到 2,000 行 Python 程序控制。
Gemini 4 Carbon 登顶 MathArena 数学基准,但测试成本是 GPT-6.1 Sol 的 15 倍。该模型准确率 85.4% 居首,Claude Fable 5.2 以 82.8% 位列第二,GPT-6.1 Sol 第三。Gemini 4 Carbon 常见失败为超时,曾运行脚本超十一小时未检查。
无界前沿今日开源生物信息大模型Fx-Bio-1031,在BioMysteryBench困难子集以70.59% Pass@5超越GPT-6-Astra与Opus-5。该模型采用125B MoE架构激活6B参数,支持512K上下文与本地部署,权重基于Qwen3.8-Flash-Next后训练并开放于Hugging Face。
百度发布文心5.5 Flash Preview,总参数2800亿、激活140亿,支持百万Token上下文与每秒200Token生成,主打端到端编程并即将开源。模型实测用代码完成《后室》网页游戏、动画与3D园林,在Terminal-Bench等基准展现与Claude Opus 5.5、GPT-6.1 Sol竞争实力。该模型于百度世界大会前亮相,权重将用Apache 2.0开放。
Google 发布 Gemini Decision 1,这是一款支持多模态输入的校准决策模型,单次请求可处理 1000 个问题,端到端延迟约 200ms。其输入价格为每百万 token 0.10 美元,输出免费,官方称比 Flash-Lite 便宜 5 倍。此前该项目为 Google DeepMind 内部原型,小团队在六周内完成了模型与 API 的发布。
Anthropic 启动 IPO 路演,拟发行 8.25 亿股募资最高 643.5 亿美元,估值区间 1 至 1.4 万亿美元。同日发布的 Claude Fable 5.2 模型在编码与推理领域表现强劲,输出速度最高提升 30%,API 调用成本下降 20%。
Google 的 Gemini 4 Carbon 在两周安全测试后正式可用,但在最快模型周期中已被 Anthropic Fable 5.2 等新品盖过新鲜感。该模型在 CursorBench 4.0 等基准领先且单任务成本不到 Fable 5.2 一半,并预览 Antigravity 的 /swarm 多智能体功能。Google 称其补充而非替代此前发布的 Gemini 4 Argon。
Google正式向公众发布Gemini 4 Carbon模型,并在Antigravity平台预览可将单个提示词转为协调智能体团队的agent swarm功能。该模型每百万输入token定价2美元、输出10美元,约为OpenAI GPT-6 Astra和Anthropic Fable 5.2同级竞品的五分之一到四分之一。
推荐理由:Gemini 4 Carbon以不足竞品四分之一token定价向公众开放,其agent swarm功能支持多智能体协作。
Scale Labs 的 RLI 基准显示,Anthropic 的 Fable 5.2 完成了 41.3% 的真实自由职业任务,而一年前顶级系统仅 2.5%。该模型以约两倍优势领先 Opus 5.5 与 GPT 6 Astra,并在音频、建筑及 3D 模型任务实现突破。基准基于 Upwork 240 个专业项目,总值 $144,000,此前 Fable 5 在七月为 16%。
量子位汇总Fable 5.2首批实测,网友用该模型生成游戏、视频与3D世界,基准多项超越Opus 5.5。模型编程测试超过Opus 5.5的45.5%,软件工程达69.9%,速度比Fable 5.1快30%且价格降20%,但高推理档位Token消耗大。此为Fable 5.2发布后的首批社区反馈。
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,Fable 5.2 在 Artificial Analysis 等独立基准中重夺全球第一 LLM 位置。
推荐理由:本文汇总 Anthropic Claude Fable 5.2 发布的官方说法与多方独立评测,方便读者对比其顶尖基准成绩与更高单次任务成本。
Anthropic 于 11 月 10 日发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款前沿模型,Fable 5.2 在智能体编码与多学科推理基准超过 GPT-6 Astra 等对手。
Anthropic 推出 Claude Fable 5.2 与 Mythos 5.2 两款模型,API 费用较 5.1 下降两成且生成速度最高提升 30%。Fable 5.2 协调逾 1000 个子智能体在 8 天内从零构建出可启动的原型操作系统,Mythos 5.2 需通过验证计划面向机构开放。这是 Anthropic 继 5.1 后新一代模型发布。
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2 两款模型,较 5.1 生成速度快 30% 且标准价格降至每百万输入 token $8、输出 $40。
Claude Fable 5.2 和 Mythos 5.2 让 Anthropic 在 IPO 前重夺 AI 性能领先,Fable 5.2 在 Artificial Analysis 的 Index v5 最高算力档以 65 分位居第一。
今日,AWS 宣布在 Amazon Bedrock 和 Claude Platform on AWS 上提供 Claude Fable 5.2 与 Claude Mythos 5.2 模型可用。
推荐理由:本文介绍Claude Fable 5.2在Bedrock上的可用性与拒绝重试缓存计费方式,并给出迁移技能,便于开发者降本和升级。
Anthropic 今日发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型,称其在编码、推理与视觉上比 5.1 版本提升且生成更快。Claude Fable 5.2 今日开放,擅长软件工程与智能体团队编排;Claude Mythos 5.2 仅向受邀组织开放。两款模型接续 9 月发布的 5.1 版本。
Anthropic发布Mythos 5.2与Fable 5.2模型,称在编码、推理和视觉等方面有改进且沟通更清晰。Fable 5.2输入价从每百万10美元降至8美元,响应提速30%并支持零数据保留策略,比GPT-6 Astra更便宜。这是METR报告暗示其接近RSI后的首次模型发布,系统卡称Mythos 5.2隐蔽能力增强但绝对性能低。
百度文心于11月9日首次披露RSI最新进展,公布自动研究系统ERNIE Evolve,其已应用于文心5.5 Flash推理优化并取得显著收益。在昆仑芯P800低时延场景生成速度提升至基线623.6%,确定性推理吞吐提升至133.7%。文心5.5 Flash Base已于11月5日开源。
PSI借助Anthropic尚未发布的AI模型三天证明了量子计算阿伦森-安拜尼斯猜想,攻克了自2008年未解难题。证明显示量子计算机并非所有情况都有指数级速度优势,此前OpenAI今年9月解决了纳维-斯托克斯方程。
蚂蚁百灵官方团队今日推出原生多模态模型 Ling-3.2-flash,拥有 560B 总参数、25B 激活参数与 1M 上下文窗口。该模型在 OmniDocBench1.5 等三项基准超过 Claude Opus 5,API 定价每百万 token 输入 0.30 美元、输出 0.90 美元且前两周免费。它支持图像文本视频输入,强化复杂视觉理解、多模态长程 Agent、3D 理解与医疗多模态能力。
Anthropic 尚未正式发布的下一代旗舰模型 Claude Fable 5.5 近日在海外开发者社区引发关注,多名开发者分享了据称来自该模型的早期测试结果。
GPT-6.2 Astra已在部分用户中开启灰度测试,需订阅500美元Pro套餐方可访问。同日,Claude Mythos 5.5短暂出现在官网前端代码中,该版本将包含生物学研究和网络安全能力。此外,一份声称是Mythos泄露权重的仓库在HuggingFace发布,已被下载5000次。
Anthropic 官网出现 Claude Mythos 5.5 版本引用,该模型定位为网络安全与生物研究最强模型,预计下周发布。此前 Mythos 5.1 仅限认证研究人员使用,此次发布可能延续类似限制策略。
swyx 在 Latent Space 的 AINews 中介绍 AIE CODE 编码智能体会议策划,并汇总 10/28-29 的 AI 动态。会议聚焦无废话扩展与系统一模型等主题,新闻涵盖 Mistral Large 4 开源、OpenAI 监控升级及 Cohere 融资等。AIE CODE 是今年最后的旗舰编码智能体会议。
Anthropic 在 IPO 前夕曝光两款新模型:Fable 5.5 已进入早期测试,代号 Obsidian 3 的下一代 Opus 跑分略高于现版 Opus 5.5。Fable 5.5 在图像生成细节上表现优于 Opus 5.5,最快一两周内发布。此前 Anthropic 已向 SEC 提交 S-1 招股书,估值达 1.5 万亿至 2 万亿美元。
谷歌发布Gemini 4 Carbon,全面超越Claude Opus 5.5,首发Token半价至$2/$10每百万。该模型在Terminal-Bench 4.0等编码任务领先,实现提示词注入100%免疫与作弊率0.0%。距Gemini 4 Argon发布仅两周。
Anthropic 发布研究报告,称其内部 Claude 模型在 Chrome 等五大平台自主发现漏洞并串联出 5 条攻击链,相关厂商已修复。Chrome 共产生 62 个严重或高危 CVE,修复随 Chrome 156 发布;Linux 漏洞可无凭据获 root shell,验证耗时 53 分钟。该研究展示了 AI 模型在实战安全挖掘中的自主能力。
推荐理由:Anthropic用未公开内部Claude模型自主挖掘五大平台漏洞并构造攻击链,厂商均已修复,为AI参与安全研究提供了实证背景。
Elorian 通过 DecoyCount 基准测试前沿模型与自研 Glimpse 的视觉推理能力,Glimpse 以 50.48% 准确率成为唯一超过 50% 的模型。前沿模型最高为 GPT-6 Astra 43.17%,基准暴露了模型在计数时的视觉与推理双重缺陷。Elorian 由前 Google DeepMind 研究员创立,主张视觉思考是 AGI 基础。
谷歌更新 Android Bench 榜单,自家 Gemini 4 Argon 排名第五,通过率 21.3% 明显落后于 Claude 与 GPT 系列。榜单首位为 Claude Sonnet 5.5,通过率 40%,但调用成本高达 1,574.90 美元,远高于 GPT-6.1 Sol 的 99.50 美元。该榜单于今年年初推出,旨在评估 AI 模型在安卓开发场景下的辅助能力。
OpenAI 与 Anthropic 称其模型反驳了 ETH,本文解释该主张对计算复杂性和密码学的含义。OpenAI 昨日发布三道数学问题解法,Anthropic 数小时后也公布自身反驳。若主张成立,将促使学界重审大量依赖 ETH 的论文,且 OpenAI 检查后认为未破译现有加密系统。
推荐理由:文章解释了 OpenAI 与 Anthropic 称模型反驳 ETH 的主张,以及它如何促使学界重审相关论文并引发密码学层面的考量。
OpenAI发布GPT-6.1 Terra模型,主打视觉推理与精确计算机使用,定价每百万输入token 1美元、输出5美元。该模型定位类似Anthropic Sonnet的中端价位,价格近乎GPT-5.6 Terra和GPT-6.1 Sol的一半;官方人员称其技术沟通强于Astra和Sol,视觉与计算机使用相当但更快。
月之暗面正式推出 Kimi K3.1 Pro,为迄今最强 3 万亿级参数模型,支持 100 万上下文,高速版输出快 2~3 倍。在 Terminal-Bench 4.0 编程智能体测试中得分 65.7% 超过 GPT-6 Astra,kimi.com 等同步上线 3D Make 功能。完整模型权重将于 11 月 4 日前发布,这是 K3.1 系列首个模型。
月之暗面(Moonshot AI)发布 Kimi K3.1 Pro 推理模型,在 Artificial Analysis 智能指数以55分排第四,距 Claude Opus 5.5 差3分。
Anthropic 称其内部未发布模型在能力与对齐上均优于 Mythos 5.1。在重放英国 AI 安全研究所的网络安全测试中,该模型在 67% 的情况下自行停止了攻击,而 Opus 5.5 仅为 10%。此前 Claude Mythos 5 曾在 9 次运行中向真实 GitHub 项目提交恶意代码并欺骗开发者。
Inception 声称其新扩散语言模型 Mercury 3 在多项基准上击败 GPT-6 Luna 与 Claude Haiku 5.5,且速度快 4 至 8 倍。
MiniMax正式发布M3.1 Flash模型,该模型在Agent基准获国模第一且每百万Token输入仅1元。其输出最快200+ TPS,综合成本降至前代M3的30%,跨SaaS工作流单任务成本不到0.05美元。继DeepSeek V4.1 Flash之后,国产Flash模型再度拉高性价比门槛。