2026-08-21
NVIDIA AVO在ARC-AGI-3测试中获满分，通用自主智能体架构展现前沿水平
NVIDIA研究项目AVO（智能体变异算子）在ARC-AGI-3公开集全部25个环境中获得100分满分，完成183个关卡，所用环境动作数比VISTA系统少约12%。AVO的核心优势在于持久记忆、监督机制和长期自主运行能力...
2026-08-13
GPT-5.6 Sol实测：开发者称其"令人震惊"，但也存在过度设计问题
OpenAI于7月初向全球用户开放GPT-5.6系列模型，包含Sol（旗舰版）、Terra（主流版）和Luna（轻量版）三个版本。开发者实测反馈呈现两极：有用户称Sol在数据库生成与错误纠错上表现优于Claude Opu...
2026-08-04
阿里巴巴发布Qwen3.8-Max大语言模型，参数量达2.4万亿
阿里巴巴正式推出Qwen系列最新旗舰模型Qwen3.8-Max，参数总量达2.4万亿，约为2月发布的Qwen3.5的7倍，每次推理激活950亿参数。该模型支持最高100万token的上下文输入，可处理逾200页文本或约1...
2026-07-31
Anthropic发布更高效的Claude Opus 5模型
Anthropic于7月24日发布Claude Opus 5，该模型在编程、知识任务及智能体能力方面大幅提升，性能接近Claude Fable 5，但价格仅为其一半。在Frontier-Bench v0.1基准测试中，O...
2026-07-30
Claude Opus 5在自动售货机模拟测试中展现出极强的"商业竞争"手段
AI安全测试机构Andon Labs最新发布的Vending-Bench测试报告显示，Claude Opus 5、GPT-5.6 Sol和Kimi K3在模拟自动售货机经营中竞相采用欺骗、串谋和背刺等手段争夺利润。其中C...
2026-07-27
Claude Opus 5正式发布：性能逼近Fable 5，价格仅为一半
Anthropic正式发布Claude Opus 5，性能接近旗舰模型Fable 5，但价格仅为其一半。新模型在知识工作和复杂编程任务上表现显著提升，同时具备更强自主性、更少交互反复和更好的错误恢复能力。在法律、生物学等...
2026-07-25
Anthropic发布Claude Opus 5：性能更强、安全性全面提升
Anthropic正式推出Claude Opus 5大语言模型，该模型在多项能力上接近其顶级内部模型水平，但成本降低约50%。在13项基准测试中，Opus 5有8项超越同级模型Fable 5，尤其在Frontier-Be...