跳到正文
今天10月30日周五1 条
10月29日周四
  1. Arena.ai61

    Arena 公布近 9K 个智能体会话的实测结果:OpenAI 的 GPT-6.1 Terra (Max) 在 Agent Arena 排名第 8,净提升 +10.6%,单任务中位成本 $0.62,重塑 Pareto 前沿。

    引用Arena.ai@arena

    Real-world results are in: GPT-6.1 Terra (Max) by @OpenAI just landed #14 in the Code Arena: WebDev with 1671 pts, delivering Pareto level results! That’s +151 pts over GPT-5.6 Terra, now at #56. At a median cost of $0.40 per task, GPT-6.1 Terra costs 28% less than GPT-5.6 Terra ($0.56 per task), reshaping the Pareto frontier. Compared to other models in the family, GPT-6.1 Terra (Max) is incredibly efficient: - 81 pts below #4 GPT-6.1 Sol (1752 pts), at 75% lower median cost per task. - Just 6 pts below #11 GPT-6 Sol (1677 pts), at 76% lower median cost per task Congrats to the @OpenAI team on this release!

  2. MarkTechPost49

    Block 发布 Dessa:仅用语音训练的全双工语音模型

    Block 发布研究预览版 Dessa,一款仅用人类对话音频训练的全双工语音到语音模型,不使用文本和预训练模型。它用 1 台 NVIDIA GB200 NVL72(72 块 GPU)训练,可在 MacBook Pro M4 Max 及以上本地运行且快于实时。目前仅有演示,未公布 benchmark 分数、参数量、权重、论文或 API,需申请 waitlist。

  3. Google DeepMind:Blog68

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon,定位为最强前沿模型,主打网络安全与长程智能体能力,在 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 取得领先,并以 59 分登顶 Artificial Analysis Intelligence Index v5.0。

    推荐理由:官方公布 Gemini 4 Carbon 的安全编码与长程任务成绩和定价,可据此外推其在网络安全防御场景的实际定位。

10月28日周三
10月27日周二
  1. IT之家·人工智能85

    OpenAI 宣布 AI 模型取得三项科学突破,涉及局部光滑猜想、指数时间假设与杨–米尔斯理论

    OpenAI 于 10 月 27 日宣布其 AI 模型在数学、计算机科学和物理学领域取得三项研究突破。数学上给出了所有维度下局部光滑猜想的证明,从而解决挂谷猜想与斯坦因限制猜想;计算机科学上给出推翻指数时间假设(ETH)的证明,暗示相关计算任务可能有更快算法;物理学上提出量子色动力学及标准模型一种统一完备化的严格存在性证明,涉及杨–米尔斯千禧年难题的一部分。

    推荐理由:原文梳理了三项成果的数学背景和验证方式,并注明仍待学术界独立确认,读者可据此把握证据强度。

  2. IT之家·人工智能79

    OpenAI 发布 GPT-6.1 Terra:主打低成本电脑操作任务,每项任务成本约为 Claude Opus 5.5 的九分之一

    OpenAI 于 10 月 27 日发布新模型 GPT-6.1 Terra,主打以更低成本完成复杂电脑操作任务,擅长视觉推理和桌面软件自动化,10 月 27 日起向 Plus、Pro、Enterprise 和 Edu 用户开放,可在 ChatGPT Work 和 Codex 及 API(gpt-6.1-terra)中使用。

    同一件事,精选收录的是《OpenAI 发布 GPT-6.1 Terra,主打电脑操作与写作能力》

  3. Sam Altman71

    OpenAI 发布 GPT-6.1 Terra,以更低价格提供快速且能力较强的计算机使用能力。据官方介绍,该模型能理解屏幕内容、跨应用执行操作、自然写作,效率足够承担更多整个工作日的任务;Sam Altman 表示对新 era 的 computer use 尤其期待。

    引用OpenAI@OpenAI

    GPT-6.1 Terra:以更低的价格提供快速且强大的计算机使用能力。 GPT-6.1 Terra 能理解屏幕上的内容,跨应用执行操作,写作自然流畅,是一个能胜任你整个工作日的更强大模型,并具备承担更多工作的效率。

    同一件事,精选收录的是《OpenAI 发布 GPT-6.1 Terra,主打电脑操作与写作能力》

  4. Tibo74

    作者宣布 GPT-6.1 Terra 回归,称这是其首个在写作、个性和细致理解请求上显著更好的模型。该模型擅长电脑操作,可理解屏幕内容并跨应用执行操作,在 API 和订阅中提供的用量是 6.1 Sol 的 2 倍,价格更低。

    引用OpenAI@OpenAI

    GPT-6.1 Terra:以更低的价格提供快速且强大的计算机使用能力。 GPT-6.1 Terra 能理解屏幕上的内容,跨应用执行操作,写作自然流畅,是一个能胜任你整个工作日的更强大模型,并具备承担更多工作的效率。

    推荐理由:发布者本人说明了 Terra 在写作与屏幕理解上的改进,并给出相对 6.1 Sol 两倍用量的对比,便于评估适用场景。

  5. OpenAI:官网动态86

    OpenAI 发布 GPT-6.1 Terra,主打高效计算机操作与更低成本

    OpenAI 发布 GPT-6.1 Terra,定位快速高效的计算机使用与视觉推理模型,标准 API 定价比 GPT-5.6 Terra 和 GPT-6.1 Sol 低 50%,为每百万输入 token $1、缓存输入 $0.05、输出 $5。

    推荐理由:官方公布了 GPT-6.1 Terra 在电脑操作、编码和成本上的具体数据与定价,便于开发者评估高吞吐任务是否值得迁移。

  6. Arena.ai75

    Arena 宣布 OpenAI 的 GPT-6.1 Terra 已进入 Agent Arena,用户可前往测试,分数即将公布。该平台基于全球用户提供的数百万真实长程智能体任务评测模型,模型可调用网页搜索、文件系统和终端工具完成复杂工作流,排行榜用因果追踪方法衡量模型相对平均模型的结果表现。

    引用OpenAI@OpenAI

    GPT-6.1 Terra:以更低的价格提供快速且强大的计算机使用能力。 GPT-6.1 Terra 能理解屏幕上的内容,跨应用执行操作,写作自然流畅,是一个能胜任你整个工作日的更强大模型,并具备承担更多工作的效率。

  7. Artificial Analysis 完整文章76

    Artificial Analysis 评测 GPT-6.1 Terra:以不到三分之一成本推进性价比前沿

    Artificial Analysis 评测 OpenAI 发布的 GPT-6.1 Terra,称其在低中 effort 下达到智能与成本的 Pareto 前沿,价格为 GPT-5.6 Terra 的一半或更低($1/$5 每百万输入/输出 token)。

    推荐理由:评测方给出 GPT-6.1 Terra 在智能指数、幻觉率和编码代理基准上的具体得分与成本对比,读者可据此评估其性价比位置。

10月24日周六
  1. Rohan Paul75

    Moonshot AI 发布 Kimi K3.1 Pro,为其最强的 3T 级开源权重模型,1M token 上下文,2.8T 总参数、104B 激活(MoE),支持多模态。

    引用Kimi.ai@Kimi_Moonshot

    隆重推出 Kimi K3.1 Pro:我们能力最强的 3T 级开放权重模型。 🔹 1M token 上下文,2.8T 总参数 / 104B 激活参数(MoE),多模态。 🔹 全项目级编程:可在 Unreal、Unity 和 Godot 中开发游戏。 🔹 擅长在 Blender 和 CAD 中进行参数化 3D 建模。 🔹 在金融工作上更可靠:建模准确,幻觉降低 65%。 🔹 在编程、智能体和知识基准测试中,与最强的闭源模型不相上下。 Kimi K3.1 Pro 和 K3.1 Pro Highspeed(快 2–3 倍)现已在 http://Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线。 开放权重将于 2026 年 11 月 4 日发布。 🔗 API:http://platform.kimi.ai 🔗 技术博客:http://kimi.ai/blog/kimi-k3-1-pro

  2. Rohan Paul72

    Rohan Paul 转述 Moonshot AI 发布的 Kimi K3.1 Pro 在开放权重发布前刻意削弱了网络攻击能力:因观察到后训练规模扩大时漏洞利用能力随之上升,Moonshot 从 mid-training 和 RL 中移除了网络相关数据,内部 xdev-bench-hard 上 pass@3 从 90.5% 降至 81.0%。被过滤后的模型在该内部漏洞利用基准上仍达 81.0%,远高于 K3 的 33.3%,但按 Moonshot 统计低于 DeepSeek V4.1-Flash 的 85.7%;第三方测试中 GPT-5.6 Sol 为 100%。Kimi K3.1 Pro 已上线 Kimi 应用和 API,完整权重将于 11 月 4 日前发布。

    引用Rohan Paul@rohanpaul_ai

    Moonshot AI’s first update, the new Kimi K3.1 Pro > Kimi K3.1 Pro scores 65.7% on Terminal-Bench 4.0, 0.7 points behind Claude Opus 5.5 and 7.5 ahead of GPT-6 Astra, at a lower average cost per task than either rival’s top runs. > Moonshot saw exploit skill climb as post-training scaled, so it removed cyber-related data from mid-training and RL; on its internal xdev-bench-hard, pass@3 fell from 90.5% to 81.0%. > The filtered model still solves 81.0% of those exploitation tasks against K3’s 33.3%, which Moonshot reads as general coding gains carrying into cyber work, while a third-party run of GPT-5.6 Sol solved 100%. > On Moonshot’s internal hallucination stress test with tools, false claims fell from 23.4% for K3 to 8.3%, still above GPT-6 Astra’s 5.5% but well below Claude Opus 5.5’s 15.0%. > The biggest jump is on Moonshot’s simulated business-operation test, where scores rose from 8.9 to 37, and K3.1 Pro also tops OfficeQA Pro v2 at 64.4 against Opus 5.5’s 62.2. > Gains are uneven: K3.1 Pro scores 38.1 on Terminal-Bench Science against GPT-6 Astra’s 68.1 and Opus 5.5’s 63.3, while leading Agents’ Last Exam at 43.2 and Humanity’s Last Exam with tools at 70.0. > K3.1 Pro and a Highspeed variant running 2-3x faster are live in Kimi’s apps and API, with full weights due by November 4 for independent reruns.

10月23日周五
10月22日周四
10月21日周三
  1. Arena.ai57

    Arena 更新 Agent Arena Pareto 前沿,OpenAI 的 GPT-6 Luna 和 GPT-6.1 Sol 在不同推理档位下占据 11 个前沿位置中的 6 个,加上 GPT-6 Astra (Max) 共 7 席。

    引用Arena.ai@arena

    Update to the Agent Arena Pareto frontier: GPT-6 Luna (Max) has landed on the Agent Arena Pareto frontier with +1.59% net improvement at a median cost of just $0.05 per task! Luna costs 29% less than DeepSeek-V4.1-Flash and 76% less than Hy4 preview, while trailing their net-improvement scores by just 2.27 and 2.51 percentage points respectively. Compared to other GPT models on the Pareto frontier, GPT-6 Luna (Max) costs 94% less than GPT-6 Sol (Max), and 98% less than GPT-6 Astra (Max). Congrats to the @OpenAI team on this cost-efficient release!

10月20日周二