搜索
从视觉观察到策略生成，再到物理执行与完成判断，CodeActionBench 在统一条件下评测通用多模态 Agent 的机器人操作能力。在双臂仿真评测中，GPT-6 Astra (Codex CLI) 的尝试成功率达到 73.3%，Claude Opus 5 在 Reference harness 和 Claude Code 下分别取得 49.3% 和 45.3%。
Anthropic宣布Claude Opus 5.5极速模式结束研究预览、取消等待名单并向全体开发者开放，该模式保持相同模型智力，OTPS最高提升2.5倍，API请求中加入speed: "fast"即可启用。
打开浏览器，输入网址，直接开打《使命召唤》、《GTA》？
大模型竞技场Arena让Claude Opus 5.5与GPT-6 Astra各自练棋200局，前者估算评分从约1500升至1760，后者从第29盘的1810降至1400，显示AI仅靠记录与复盘提升能力的表现并不一致。
GPT-6 Astra与Claude Opus 5.5独立破译了1593年天主教联盟的两封密信，揭示法兰西国王亨利四世改宗天主教背后高达50万埃居的政治交易，并牵出教皇、西班牙王室与法国天主教联盟之间的权力背叛。
何恺明团队提出VISTA方法，将ARC-AGI-3的数字表换回图像并配备可随时翻看的视觉记忆相册，使Claude Opus 5拿下满分100分、GPT-5.6 Sol获得99分，证明卡住大模型的是眼睛和记性而非模型能力本身。
Claude Opus 5.5并不具备视频生成能力，它通过编写代码逐帧绘制画面，再由无头浏览器和FFmpeg合成MP4文件，实现所谓的"一句话做视频"。
AIHOT开发者卡兹克正式开源月活百万的AI热点资讯网站AIHOT，并上线利用Claude Opus 5.5等模型重写的AIHOT 2.0版本，以便法律、金融、HR等各行业用户基于该开源框架构建属于自己的行业热点监控产品。
说好的未来几周，Anthropic只等了6天。上周Opus 5.5发布的时候，官方顺手剧透了一嘴，Sonnet 5.5和Haiku 5.5都在后面。刚刚，Sonnet 5.5先到了。而且Claude家的“中杯”，已经撵着刚发布的旗舰追了。
九月的新模型像下饺子一样接连登场，却大多只来得及各领风骚一两天，很快又被下一款抢走风头。