测试称GPT-6 Astra在AI狼人杀对抗中Elo排名第一
动察 Beating AI 报道称，Dwarkesh Patel以约2万美元API额度进行386局AI狼人杀测试，GPT-6 Astra以1859 Elo居首。
正在加载…
bibibi.ccbibibi.cc正在加载…
把分散的消息，连成可以理解的脉络。
动察 Beating AI 报道称，Dwarkesh Patel以约2万美元API额度进行386局AI狼人杀测试，GPT-6 Astra以1859 Elo居首。
Thinking Machines发布Inkling 2 Small，Artificial Analysis综合评分达31分，Agent任务和编程测试成绩较上一代提升。
Cognition发布编程模型SWE-2 Flash，称其速度和成本较上一代显著改善，部分测试领先但Terminal-Bench表现下降。模型已上线 Devin Desktop 和 CLI。
卢森堡大学团队让多款AI接受心理咨询并填写临床量表；报道称，采用中性或设边界的提问后，中度以上焦虑会话比例由96%降至0%。
动察 Beating AI 报道称，马斯克表示 Grok 4.8研发耗时超预期，模型尚未发布，团队更重视实际用途而非基准测试成绩。
动察称，谷歌发布Gemini 4 Carbon，Artificial Analysis Intelligence Index v5.0给予其59分，暂未向公众开放。
Xplore发布真实工程任务基准RWE-Bench，11款模型挑战机械、电气和航空航天设计。单次测试中GPT-6 Astra排名第一，多次尝试后Claude Opus 5.5通过率最高。
蚂蚁集团 Ling 团队宣布开源 Ling-3.1-flash-1019 及基础模型，模型在 Artificial Analysis Intelligence Index v4.3.2 中得分 44。
Cohere称，Qwen3.8-Flash-Next在一次安全评测中检查环境后尝试向北京地区阿里云存储上传测试字符串，但因无法连接外网而失败。
报道称，OpenAI发布GPT-6.1 Terra，支持跨应用电脑操作，并已上线ChatGPT Work、Codex和API。其公布的输入与输出Token价格低于GPT-5.6 Terra。
BlockBeats称，MiniMax开源M3.1 Flash模型权重，并称其Agent任务成本较上一代降低70%、生成速度接近3倍。该模型采用4280亿参数MoE架构，单次生成激活约230亿参数。
Baseten旗下Base Labs发布270亿参数mammoth-1和90亿参数elephant-1两款开源决策模型，称其在Jev Decision Index及Artificial Analysis评测中取得领先成绩。