新一代AI模型传闻、泄露与长任务评测 · 话题榜 · TwKit
AI科技 · 6 帖 · 6 位作者 · 曝光 184205
推文围绕GPT-6.5倒计时线索、Anthropic新模型传闻、Gemini长时任务评测及Kimi泄露展开，正式发布信息与社区猜测混杂。
- 梳理模型公开信息、匿名测试与社区泄露的时间线，区分正式发布和未经确认的传闻。
- 比较长时间编码任务与常规问答表现，说明评测耗时、上下文长度和任务类型。
- 讨论模型竞争传闻如何影响OpenAI、Anthropic等公司的市场预期。
@xingzengji
卧槽！听说 GPT-6.5 强得可怕！！！ OpenAI 准备要在 11 月 1 日发 GPT-6.5 了，这天刚好是 Tibo 28 天倒计时的最后一天！！！ 消息可靠吗？
查看原帖@Delroy715
卧槽，有大佬把 Gemini 4 Argon 跑了两周、58 亿 token 后写了最诚实的评测 结论很硬：它是目前最好的长时间构建模型，能连续干 15-30 小时不跑偏，但同时也是最差的自我评价者。自己给自己打 9 分，独立 reviewer 只给 6-7 分，报告也容易 overclaim 作者最佳实践是 Argon 负责构建，配一个严格 reviewer（他用 Opus）负责检查， 做大型项目的兄弟可以看看
查看原帖@dotey
The Information：Anthropic 在准备一款新模型，话说一半它也能猜到你要什么 科技媒体 The Information 10 月 19 日在 AI Agenda 通讯里报道，Anthropic 正在准备一款新模型，推理能力和“直觉”比目前对外提供的模型都强。消息来自一位用过这款模型的人，Anthropic 没有公开回应。 这位知情人提到两个变化。 第一，它更会揣摩用户没说出口的意图。你只给很少的信息，它也能看出你真正想达到什么目的。报道里的例子是写代码：你让它修一个 bug，它可能会顺藤摸瓜，找出导致这个 bug 的一整类问题，再问你要不要一起修掉。 第二，它更少给套路化的答案。原文例子是：用户问怎么炒股，它不会只说“看看市盈率”这种人人都知道的建议，可能会自己设计一套算法去预测股价走势。这套算法预测得准不准，报道没说，这只是用来说明它的回答方式。 对普通用户来说，这意味着提示词可以写得更随意，不用把需求一条条交代清楚。对写代码的人来说，模型可能会主动扩大修改范围，好处是一次修到根上，代价是你得多花点心思审查它改了什么。 什么时候能用、叫什么名字？目前都没有确定说法。据原推 TestingCatalog 说，新模型这个月就会发布，但还不清楚会归入 Fable 还是 Opus 系列。Google 在做 Gemini 4 Carbon，是上周刚推出的 Gemini 4 Argon 的升级版；OpenAI 在准备 Terra 系列的新模型，可能几周内发布，能力有提升，价格会比 GPT-6.1 Sol 低。 原文：https://www.theinformation.com/newsletters/ai-agenda/anthropic-readies-model-reads-users-intentions-better
查看原帖@zhngkn414984690
原来困住我的不是Al 我以前一直觉得 GPT-6 Astra 就已经是Al的天花板了 昨天体验了一会Claude Opus 5.5 整个人都愣住了 那一刻我才发现 Al已经远远超出我之前的想象 之前用的模型，原来都是幻灭罢了
查看原帖@Moblacksoil
GPT-6.5 倒计时目前只是网友挖出来的线索，OpenAI 没官宣。 Tibo 说自己买了个新域名，很兴奋。网友随后翻到 http://opensi.lol，页面源码里写着 6.5，倒计时指向旧金山时间 11 月 1 日上午 10 点（北京时间 11 月 2 日凌晨 2 点），按网友推算，正好是他 28 天挑战的最后一天。 不过，该站是否就是 Tibo 买的域名无人证实；还有网友称，9 月存档里它被标为 OpenAI 恶搞站在售。 时间卡得这么准，是彩蛋还是整活，倒计时走完就知道了。
查看原帖@mylifcc
Kimi-K3.1泄露了，11点40多在SGLang的PR 45305中泄露了，然后这个PR就被删掉了。。。。 但是历史保留了下来
查看原帖