「GPT 比 Claude 高 20 分」是怎么算出来的？Elo 等级分用一场对局的期望胜率换算积分涨跌，Bradley-Terry 模型再把它升级成全量数据的联合估计——Chatbot Arena 2023 年底悄悄完成了这次换引擎。本文拆解两代算法的数学，以及排行榜置信区间的正确读法。

Large language model (LLM) agents allocate test-time compute adaptively as they revise solutions, use tools, explore alt…

每个 LLM 基准都逃不过同一条生命周期曲线：出生时区分力强 → 大家刷分 → 分数挤在 90% 以上失去区分度 → 被质疑数据污染 → 退役换下一代。本文用 MMLU 的饱和与 Scale AI 的 GSM1k 对照实验拆解这条曲线的两个关键节点，并给出一套读分数的自查清单——看完你就知道哪些榜单数字可以直接划掉。

OpenAI 已把 GPT-6 推向全体 ChatGPT 用户，官方口径周活超 12 亿。这一次不是一颗旗舰，而是 Astra、Sol、Luna 三款各管一段：Pro 档才摸得到的 Astra、付费档默认的 Sol、免费档的 Luna，配套把回复从纯文本升级成带交互组件的 Intelligent UI。本文梳理三款模型的定价与能力坐标、第三方评测里的真实站位，以及 GPT-6.1 Astra 因安全原因被取消的罕见一幕。

量子位的朋友们* 2026-10-07 19:34:47 来源：量子位 咱就是说啊，专业的事情，还得交给专业的人来做。 这不，独立评测机构**Artificial Analysis**（下文简称AA）发了最新的**文生视频**榜单。 第一…

盘点 2026 年 10 月主流开源 TTS 七个项目（GPT-SoVITS、CosyVoice、F5-TTS、Fish Speech、IndexTTS、Kokoro 等）：机制、音色克隆方式、中文支持与许可证商用限制，附中文效果/实时率/长文本对比表与 F5-TTS 上手示例，兼谈声音克隆的授权与深度伪造合规风险。

AI 原生影视公司 Utopai Studios 的自研视频生成模型 Utopai X 在 Artificial Analysis 带音频文生视频盲评榜位列全球第二，是该榜排名最高的美国公司模型，公司模型与平台服务于实际电影和剧集生产流程。

NVIDIA has released Kumo Tabular, a new family of tabular foundation models (TFMs) for classification and regression. If…

Anthropic has released Claude Opus 5.5, the first model in its new Claude 5.5 family. The team states it performs at the…

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。 就在刚刚，Anthropic 正式发布了 Claude Opus 5.5。这是 Claude 5.5 家族的首款模型，未来几周内还会有 Sonnet …

Sep 22, 2026 Nano Banana Pro prompted by THE DECODER Update – Sep 22, 2026 Added Artificial Analysis benchmark results A…

Sep 22, 2026 Nano Banana Pro prompted by THE DECODER With GPT-6 Sol and Luna, OpenAI adds two cheaper models to its line…

Object permanence and solidity are hallmarks of human cognitive priors. Recent studies show that video generation models…

SpaceXAI has released Grok 4.7, its new flagship model for coding, agentic tasks, and knowledge work. Grok 4.7 is built …

基于 2026-09-22 独立研究整理：拆解 Meta Muse 的三层产品谱系与时间线、Secure VM 六层防护（凭据代理替换 / tainted egress / 审批绕过模型）、Muse Spark 1.3 能力口径（AA 指数 61–62 vs Claude Fable 5.1 的 66）、定价与商业模型、三情景推演与风险矩阵，并给出核心判断——Agent 的天花板由平台开放意愿决定，而非模型智力。

Evaluating world models requires assessing both the quality of the worlds they generate and their consistency and respon…

激活参数仅27B]

LimiX让模型理解数据背后的因果机制]

Nums AI has released Causilo, a pretrained tabular foundation model for classification and regression with a scikit-lear…

9月16日，稳准智能联合清华大学发布新一代数据大模型 LimiX-2，模型参数规模提升至400M。]

Prior Labs released TabPFN-3.5, a tabular foundation model pretrained only on synthetic data that beats Otto's winning s…

We introduce LimiX-2, a new model in the LimiX family, developed through model and data scaling guided by our previously…

We introduce StepAudio 3 Music, a large-scale, long-form music generation model that supports explicit musical planning …