内容形态
模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
47 条精选近 30 天 46 条共收录 131 条
通义千问宣布 Qwen-Image-2.1 在 Image Edit 和 Text-to-Image 两个 Arena 中均成为排名第一的开源模型。官方感谢 Arena 的认可，并邀请用户上手体验并分享生成作品。
选题角度：官方宣布 Qwen-Image-2.1 在 Image Edit 与 Text-to-Image 两个 Arena 登顶开源第一，适合结合榜单截图做效果对比实测。
OpenAI GPT-6 Astra 自主破译了 1941 年 7 月 10 日的德国陆军 Enigma 密电 MVUEH，该密电自 2005 年以来一直未被破解。
选题角度：原文完整记录了 GPT-6 Astra 自主选定目标、用 ROSENOW crib 写模拟器破译的全过程，适合按时间线复盘这次自主密码分析。
小米发布 MiMo-V2.6-Pro 和 Flash，Pro 为1.02万亿参数、420亿激活，在 Artificial Analysis Intelligence Index 上拿到46分，位列开源第一。
选题角度：小米把6天RL训练直播全过程公开，可围绕350万美元账单和30个Step后的评测涨幅，讲清开源模型冲进第一梯队的成本账。
第三方公益机构 Robocurve 发布机器人安全基准 RoboHarm，把 GPT-6 Astra、Fable 5.1 和 MolmoAct2 接入同一套双机械臂机器人，测试刺伤类人生物、加热压缩气体、制造有毒烟雾等五类危险任务，每个任务重复 20 次。
选题角度：第三方机构把多个前沿模型接入真实机械臂做危险任务测试，公开了完整视频和数据，适合做效果对比与安全争议讨论。
阶跃星辰发布新一代旗舰基座模型 Step 5 Preview，采用 MoE 架构，600B 总参数、激活参数仅 27B，支持 1M 上下文，在 Artificial Analysis 评测中取得 44 分，位列全球开源 Top 2。
选题角度：作者用同一批 Prompt 实测 Step 5 Preview 操作 Blender 建模、搓乐高赛车游戏，并对比上一代官网 Demo 的生成差异，适合做上手实测与效果对比。
GPT-6 Astra 在 ARC-AGI-3 标准接口下得分 62.7%，使用 OpenAI 自家 harness 时约 99.9%，而 GPT-5.6 Sol 仅 7.78%、Claude Opus 5 略高于 30%。
选题角度：原文给出 Astra 在 ARC-AGI-3 与多款游戏中的具体成绩和失败细节，适合做新旧模型同一任务的效果对比。
OpenAI 发布 GPT-6 Astra，AI Explained 在视频中将其与 Fable 对比，并梳理最亮眼的结果、额外对比和交易相关表现。视频还提到一个令人担忧的趋势，即 GPT-6 Astra 的思维链可监控性正在减弱，并附上 OpenAI 的 GPT-6 Astra 页面与部署安全论文链接。