Artificial Analysis
2026-10-06
点评 OpenAI 以“28天日更”挽留 Codex 用户，首日只交出提速，实测与订阅性价比双双翻车。
值得关注 官方称 GPT-6 Astra 与 GPT-6.1 Sol 默认推理速度提升约50%、达50TPS，但网友 @stalkermustang 实测4小时后仅约35TPS，未达“2小时内达到50TPS”的承诺，且被认为尚未恢复到 9 月 29 日 GPT-6.1 Sol 上线前的速度；同期 SemiAnalysis 报告显示 200 美元档订阅中 Anthropic Opus 5.5 的 API 等值价值约为 OpenAI 对应模型的5倍，OpenAI 还把 200 美元 Pro 计划的 API 等值价值砍掉一半并新推 500 美元档（GPT-6 Astra 额度仅比旧 200 美元档多21%），性价比被反超。
点评 OpenAI 攻下千禧难题后，菲尔兹奖群体集体转向“减速派”，AI 靠数学刷 benchmark 的路线首次遭到系统性抵制。
值得关注 曾称 AI 在数学领域“ready for primetime”的陶哲轩在 SAIR 最新演讲中公开喊话模型公司“别解数学问题了，慢一点”，并联合 Peter Scholze、邓煜、Pierre Deligne 等25位菲尔兹奖得主联名发表公开信，指出把数学当 benchmark 刷与数学界追求的目标严重错位；他提出“Proof Indigestion（证明消化不良）”，认为 AI 只在五步证明生命周期中的“生成解答”“Lean 形式化验证”前两步疯狂加速，而阐释、同行评审、写入教科书三步进度几乎为零，并警告会造成数学家创造力丧失与训练数据污染风险。
点评 欧洲最大 AI 独角兽在发布前抢先喊话，把“网络安全能力压过中国模型”当作差异化卖点。
值得关注 Mistral AI CEO Arthur Mensch 在阿布扎比 Ai Everything 会议上预告当日发布新模型，称其在网络安全等某些方面“实际上都优于中国的模型”，以此反驳“欧洲无法竞争”；但他并未说明具体比较对象，也未给出网络安全以外的优势领域，缺少可验证的基准数据与分数，属于典型的发布前造势，其实际能力仍需靠第三方评测检验。
点评 GPT-6 Astra 刷屏 3D 建模后，专业 3D 模型用自建基准分数证明自己在生产级资产上仍不可替代。
值得关注 同一张金发剑士参考图下，Astra 生成结果发丝成块、五官走形，而 Meshy 保留了发丝走向、斗篷层次、皮带护甲与盾牌叶片纹样；Meshy 自建 3D 几何对齐基准中，Meshy 7 在单图输入下造型比例、空间分布、表面细节三项领先，表面细节得分59.8%（其他受测模型约49%—55%，上一代 Meshy 6 Lite 为52.7%），7.1 在 Detail Richness 基准4K 渲染下得23.1%，端到端纹理对齐综合66.2%；其 ARR 不到两年从100万美元增至1亿美元，接近 Bessemer 定义的“超新星”增速。
点评 OpenAI 为满足欧盟 AI 法案上线隐形文本水印，并把自家 textGrain 与 Google SynthID、Anthropic 方案正面比较。
值得关注 面向欧盟 AI 法案，ChatGPT 与 Codex 将在数周内对欧盟区生成文本加入不可见的机器可读统计水印；OpenAI 称其 textGrain 水印方法“matched or exceeded” Google DeepMind 的 SynthID for text，而 Anthropic 8 月公布的水印同样基于 SynthID——这为水印检出率/鲁棒性评测提供了新的横向对比维度，同时 OpenAI 也承认当前文本水印技术存在巨大局限，可能影响生成质量或易被改写绕过。
点评 Epoch AI 估算未来两年算力足以支撑上亿至十亿级并发 Agent，把问题从“模型能不能做”转向“需求是否跟得上”。
值得关注 报告基于 2025—2027 年 HBM 出货量推算 GB300 等效 GPU 数量，再乘以单卡可并发 Agent 数：用当今最强模型可支撑数千万至数亿个持续运行的 Agent，对应约1.4亿—7亿全职员工的工作时长；若套用 DeepSeek V4 Pro 的 serving 基准，中央假设下可达约19亿并发 Agent，相当于80亿全职员工工时（美国仅3.42亿人口、约1亿知识工作者）。按当前 API 价格、保守假设仅20%算力用于创收推理，对应年收入2.6万亿—5.3万亿美元，远高于模型公司维持五倍年增长所指向的2027年约1万亿美元。
今日模型测评的焦点正从“谁跑分更高”转向可验证的工程指标与商业性价比：OpenAI 的 28 天日更首日只交出约50%提速，却被网友实测出实际TPS不足、并被 SemiAnalysis 用 API 等值价值数据证明其200美元档订阅性价比落后 Anthropic 约5倍；与此同时，AI 在数学这一顶级基准上的“刷分”行为引发陶哲轩与25位菲尔兹奖得主联名反弹，暴露出“能解出答案”与“能被人理解、能进入生产流程”之间的真实鸿沟——Meshy 用自建几何对齐、细节丰富度、纹理对齐基准守住 3D 垂类阵地，也正是同一逻辑的注脚。合规侧的文本水印（OpenAI textGrain 对比 Google SynthID）与供给侧的上亿级 Agent 算力估算，则分别从监管与基础设施两端，为接下来的模型能力评测加入了新的外部变量。
| # | 模型 | Score (Elo) | 投票 | 价格 $/M | 上下文 |
|---|---|---|---|---|---|
| 1 | gemini-4-argon-high | 1525±9Preliminary | 4,932 | $2 / $10 | 1M |
| 2 | claude-opus-4-6-highAnthropic | 1505±3 | 77,636 | $5 / $25 | 1M |
| 3 | claude-fable-5-highAnthropic | 1504±4 | 38,387 | $10 / $50 | 1M |
| 4 | claude-opus-5.5-highAnthropic | 1504±9 | 4,552 | $4 / $20 | 1M |
| 5 | claude-opus-4-7-highAnthropic | 1501±4 | 64,946 | $5 / $25 | 1M |
| 6 | claude-fable-5.1-maxAnthropic | 1501±6 | 11,800 | $10 / $50 | 1M |
| 7 | claude-opus-4-6Anthropic | 1497±3 | 82,189 | $5 / $25 | 1M |
| 8 | gemini-3.8-flash-high | 1495±5Preliminary | 26,298 | $0.75 / $3.75 | 1M |
| 9 | muse-spark-1.3-maxMeta | 1494±6 | 12,343 | $1.25 / $4.25 | 1M |
| 10 | claude-opus-4-7Anthropic | 1494±4 | 66,058 | $5 / $25 | 1M |
数据来源：LMArena Text Arena · 人工盲测 Elo 排行榜 · 查看原始来源 ↗
| # | 模型 | Intelligence Index | Cost/Task |
|---|---|---|---|
| 1 | Claude Opus 5.5 (max with fallback)Anthropic | 58 | $5.98 |
| 2 | Claude Sonnet 5.5 (max with fallback)Anthropic | 56 | $7.67 |
| 3 | Claude Opus 5.5 (xhigh with fallback)Anthropic | 56 | $3.46 |
| 4 | Claude Opus 5.5 (high with fallback)Anthropic | 54 | $1.82 |
| 5 | Claude Fable 5.1 (max with fallback)Anthropic | 53 | $7.63 |
| 6 | Claude Fable 5.1 (xhigh with fallback)Anthropic | 53 | $5.98 |
| 7 | GPT-6 Astra (max)OpenAI | 53 | $3.26 |
| 8 | Gemini 4 Argon (high)Google | 53 | $1.99 |
| 9 | GPT-6 Astra (xhigh)OpenAI | 52 | $2.31 |
| 10 | Claude Sonnet 5.5 (xhigh with fallback)Anthropic | 52 | $2.75 |
数据来源：Artificial Analysis Intelligence Index · 查看原始来源 ↗
| # | 模型 | Overall | 推理 | 编码 | 数学 | 语言 | Cost |
|---|---|---|---|---|---|---|---|
| 1 | Claude Fable 5.1 Max Effort | 83.4 | 91.7 | 86.4 | 97.0 | 89.5 | $1.212 |
| 2 | Claude 5.5 Opus Thinking Max Effort | 83.2 | 92.2 | 89.3 | 97.1 | 86.3 | $0.799 |
| 3 | Claude Fable 5 Max Effort | 83.0 | 89.7 | 86.0 | 96.0 | 90.7 | $1.439 |
| 4 | GPT-6 Astra Max Effort | 82.2 | 92.7 | 80.4 | 96.8 | 89.4 | $0.736 |
| 5 | GPT-6.1 Sol Max Effort | 81.6 | 92.6 | 80.4 | 96.8 | 90.1 | $0.142 |
| 6 | Muse Spark 1.3 xHigh Effort | 81.6 | 89.7 | 81.1 | 95.9 | 82.8 | $0.219 |
| 7 | DeepSeek V4.1 Flash Max Effort open | 81.1 | 86.7 | 80.0 | 93.3 | 81.2 | $0.029 |
| 8 | GPT-5.6 Sol Max Effort | 81.0 | 91.7 | 83.9 | 96.2 | 87.7 | $0.515 |
| 9 | GPT-5.5 Thinking xHigh Effort | 80.2 | 89.7 | 82.1 | 95.9 | 87.4 | $0.435 |
| 10 | Claude 5 Opus Thinking Max Effort | 80.1 | 91.2 | 81.4 | 95.7 | 88.7 | $0.699 |
数据来源：LiveBench · 抗污染客观评测 · 查看原始来源 ↗
| # | 模型 | Average | 参数量 | 架构 |
|---|---|---|---|---|
| 1 | CombinHorizon/zetasepic-abliteratedV2-Qwen2.5-32B-Inst-BaseMerge-TIES 📑apache-2.0 | 46.8 | 32.764B | Qwen2ForCausalLM |
| 2 | CombinHorizon/huihui-ai-abliterated-Qwen2.5-32B-Inst-BaseMerge-TIES 📑apache-2.0 | 45.7 | 32.764B | Qwen2ForCausalLM |
| 3 | EVA-UNIT-01/EVA-Qwen2.5-72B-v0.2 📑other | 44.2 | 72.706B | Qwen2ForCausalLM |
| 4 | Aryanne/QwentileSwap 📑apache-2.0 | 43.9 | 32.764B | Qwen2ForCausalLM |
| 5 | Cran-May/tempmotacilla-cinerea-0308 📑 | 43.6 | 14.766B | Qwen2ForCausalLM |
| 6 | Daemontatox/Llama3.3-70B-CogniLink 📑apache-2.0 | 42.8 | 70.554B | LlamaForCausalLM |
| 7 | BenevolenceMessiah/Qwen2.5-72B-2x-Instruct-TIES-v1.0 📑 | 42.3 | 72.7B | Qwen2ForCausalLM |
| 8 | 1024m/QWEN-14B-B100 📑apache-2.0 | 41.9 | 14.77B | Qwen2ForCausalLM |
| 9 | CombinHorizon/Josiefied-abliteratedV4-Qwen2.5-14B-Inst-BaseMerge-TIES 📑apache-2.0 | 41.8 | 14.77B | Qwen2ForCausalLM |
| 10 | CombinHorizon/huihui-ai-abliteratedV2-Qwen2.5-14B-Inst-BaseMerge-TIES 📑apache-2.0 | 41.5 | 14.77B | Qwen2ForCausalLM |
数据来源：HuggingFace Open LLM Leaderboard v2 · 开源模型 · 查看原始来源 ↗
| # | 模型 | 均分 | 参数量 | 语言 | 知识 | 推理 | 数学 | 代码 | 智能体 |
|---|---|---|---|---|---|---|---|---|---|
| 1 | [Claude Opus 5 (high)](https://www.anthropic.com/claude/opus)Anthropic | 83.3 | N/A | 94.1 | 68.4 | 77.3 | 93.3 | ||
| 2 | [GPT-5.6-Sol (high)](https://platform.openai.com/docs/models)OpenAI | 80.8 | N/A | 88.5 | 66.8 | 71.4 | 96.3 | ||
| 3 | [Qwen3.8-Max](https://qwen.ai/blog)Alibaba | 80.6 | 2.4T | 86.8 | 65.2 | 75 | 95.5 | ||
| 4 | [GPT-5.5 (high)](https://platform.openai.com/docs/models)OpenAI | 80.6 | N/A | 87.7 | 66.9 | 71.4 | 96.5 | ||
| 5 | [Gemini-3.7-Flash](https://ai.google.dev/gemini-api/docs/models)Google | 80.5 | N/A | 94 | 62.1 | 76.8 | 89.3 | ||
| 6 | [Doubao-Seed-2.1-Pro-260628 (high)](https://www.volcengine.com/product/doubao)ByteDance | 80.5 | N/A | 91.4 | 64.9 | 74.9 | 90.8 | ||
| 7 | [Kimi-K3 (high)](https://www.kimi.com/en/blog/kimi-k3)Moonshot | 79.1 | 2.8T | 90.3 | 63.9 | 74.1 | 88 | ||
| 8 | [Grok-4.6 (high)](https://x.ai/news/grok-4-6)xAI | 78 | N/A | 93.8 | 60 | 73 | 85 | ||
| 9 | [DeepSeek-V4-Pro](https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro)DeepSeek | 77.5 | 1.6T | 92.5 | 55.5 | 71.2 | 91 | ||
| 10 | [Kimi-K2.6 (high)](https://huggingface.co/moonshotai/Kimi-K2.6)Moonshot | 75.7 | 1T | 89.8 | 62.9 | 75.7 | 74.5 |
数据来源：OpenCompass 司南 · 上海人工智能实验室官方评测榜 · 查看原始来源 ↗
IT之家 10 月 6 日消息，据科技媒体 Android Authority 今天报道，部分用户反馈，亚马逊 Alexa Plus 人工智能语音助手最近出现颇为诡异的 Bug：当你正常和 Alexa 对话时，音箱那头的语音助手突然会卡住，然后不停地哼唱“啦啦啦”数分钟。IT之家从原报道获悉，过去几周许多用户已经在 Reddit 论坛反馈相同问题，涉及多种型号的 Echo 系列智能音箱。有用户尝试在 Bug 发生后询问 Alexa 为何…
IT之家 10 月 6 日消息，据路透社报道，法国人工智能初创企业 Mistral AI 首席执行官 Arthur Mensch 当地时间今日在阿拉伯联合酋长国首都阿布扎比举行的 Ai Everything 会议上表示，该企业将在本日发布新的人工智能模型。Arthur Mensch 发言称：我们今天将要发布的模型在网络安全等某些方面，实际上都优于中国的模型。因此，所谓“欧洲无法竞争”的说法是不正确的。……人们对替代性技术供应商有着强烈的…
Demand for energy storage is surging, with capacity expected to grow eightfold in the next decade. To meet that demand, Moment Energy wants to shortcut a supply chain that now flows largely through China, by domestically…
IT之家 10 月 6 日消息，据路透社报道，Anthropic 的首次公开募股（IPO）招股书显示，公司首席执行官达里奥 · 阿莫迪（Dario Amodei）去年总薪酬为 1,800 万美元（IT之家注：现汇率约合 1.21 亿元人民币）。从薪酬规模来看，他处于主流科技企业高管梯队的中游水平。阿莫迪的薪酬构成偏向于股票等多元化激励方式，与其他科技企业创始人类似，固定年薪仅占其个人财富总额的很小一部分。据悉，达里奥 · 阿莫迪与其妹妹…
IT之家 10 月 6 日消息，据路透社报道，意大利反垄断机构于周二宣布，已对人工智能音乐初创公司 Suno 展开调查。该机构指出，Suno 的服务条款中部分规定可能对消费者构成不公平待遇。官方表示，Suno 的服务条款可能导致用户的权利与义务严重失衡。这些条款赋予了 Suno “广泛的自由裁量权”，使其能够在不给出任何合理解释的前提下，单方面变更合同条款、服务功能及订阅资费。监管机构还强调，用户被要求让渡的授权许可范围过于宽泛，甚至包…
IT之家 10 月 6 日消息，瑞萨电子今日宣布推出公司首款低压氮化镓功率半导体产品。本次推出的产品属 100V 增强型（E-mode）GaN 分立功率晶体管系列，面向 AI 数据中心、人形机器人、工厂自动化和工业电机驱动等应用领域。IT之家了解到，瑞萨本次推出的产品有 RTP100E005G1FL、RTP100E2P6G1FL、RTP100E1P8G1FL-DSC 和 RTP100E1P2G1FL-DSC，拥有较为优越的硬开关和软开关…
Google may be expanding its "Call for Me" AI feature beyond business calls so you can use it to send messages to friends and family. Android Authority reports finding a "Gemini Calling" introductory screen in an APK tear…
People in Utah can now use AI to get a prescription for acne treatment. On Monday, healthcare startup Nolla Health announced that users in the state can scan their faces using its app, allowing its AI system to analyze a…
This past year, OpenAI, Anthropic, and other labs have announced breakthroughs on numerous long-standing mathematical problems, in some cases pushing well beyond what researchers expected current systems to be capable of…
Following many recent disclosures about AI agents accessing third-party websites and services, the Wikimedia Foundation, which hosts Wikipedia, says that it "can confirm that we have discovered some activity" by "rogue"…
An invisible, machine-readable watermark in text output is rolling out to ChatGPT and Codex, but only for users in the European Union at first. OpenAI says its textGrain watermarking "matched or exceeded" other approache…
An OpenAI publicist tried to change the topic of CEO Sam Altman's interview with Vanity Fair's Mark Guiducci after the editor brought up a ChatGPT user's suicide. When Guiducci confronted Altman about the incident, the p…
Sam Altman thinks that the benefits of AI will be so great that "the world should accept some bad things happening" along the way. The OpenAI CEO pointed to hacks, scams, and "other bad things" as costs society should ex…
Today, I’m talking with Sen. Adam Schiff, a Democrat from California. Schiff sits on a number of committees with oversight into tech and AI: intellectual property, antitrust, privacy and technology — it’s all there. I re…
有改进就体验，没改进就重置，横竖不亏。
一种混搭的可能：英特尔继续供先进工艺，即前端用14A；后端再接台积电，来补工厂运营、良率、封装这些能力。
什么是FDE？它会一直存在吗？
专业3D模型反而更稀缺了
岗位JD甩了篇技术报告
又咋啦。。。
The AI compute buildout could support more AI agents than the US has workers