Mistral Large 4 发布

Mistral 发布 Mistral Large 4，模型可通过 llm 命令行工具以 mistral/mistral-large-4 调用。Simon Willison 用同一提示词让 Mistral Large 4 与 Claude Opus 5.5、GPT-6.1-sol、Gemini 3.8 Flash 分别生成 SVG 进行对比。

Simon Willison 测试 Claude Opus 5.5 作曲能力：结果出人意料地好

Simon Willison 让 Claude Opus 5.5 为电脑游戏作曲，要求先设计简单的文本音乐格式，再构建可播放的 artifact 并附示例曲目，风格对标《猴岛小英雄》。结果模型比预期更贴近猴岛主题，成品质量出人意料地好。他猜测这种作曲能力可能类似文本模型的 3D 图形能力，是近几个月才涌现的新能力，但需用更多新旧模型做实验才能确认。

NASA 与 IBM 发布开源月球基础模型，基于 17 年轨道器数据

NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。

AINews 日报：GPT-6.1 Sol 与 Sonnet 5.5 重塑性价比前沿

OpenAI 发布 GPT-6.1 Sol，定价 $2/$10 per million input/output tokens，比 Astra 的 $10/$50 大幅降低；据称在 DeepSWE v1.1 上超 GPT-6 Sol 6.4 分、在 AutomationBench 上超 Opus 5.5 2.2 分。

百灵 Ling-3.0-flash-Fin 在两项金融智能体评测中取得领先

蚂蚁百灵 Ling-3.0-flash-Fin 在 FrontierFinance System Performance 与 Vals AI Finance Agent v2 两项金融智能体评测中取得领先。

实测 Claude Sonnet 5.5：代码动画断档领先 gpt6，但 3D 不如 Opus 5.5

作者实测 Anthropic 新发布的 Claude Sonnet 5.5，用代码动画、HTML PPT、3D 网页和写作四项任务对比 Opus 5.5 与 gpt6。

Thomas Wolf@Thom_WolfAI 评分5555

@classiclarryd 通报 Deven Pzak 将 NanoGPT 训练纪录从 67.6 秒压缩至 39.9 秒，PR 为 KellerJordan/modded-nanogpt#360。核心思路是在单个 flop 层面按价值取舍而非只优化 matmul，包括采样 softmax（约 8 秒）、ngram 嵌入的稀疏更新与优化器状态、分片稀疏通信、手写 64 维 head 的 flash attention、最后 300 步 EMA 与新优化器 Anvil2（约 1 秒）等。稀疏嵌入参数扩到 65B，贡献该 PR 约 25% 的收益；Thomas Wolf 转发并称 impressive，附上与 Deven 访谈整理的技术复盘 https://hyperstition.cc/training-nanogpt-in-39-9-seconds。

Claude Opus 5.5 写作特征减少：破折号用量下降约 95%、分号下降 73%

Arena 于 9 月 26 日分析 Text Arena 高推理回复，发现 Claude Opus 5.5 相比 Opus 5 破折号使用量下降约 95%（每 1,000 个单词从 15.2 个降至 0.8 个），分号下降 73%（从 6.10 个降至 1.64 个）。

Elon Musk@elonmuskAI 评分3131

不错 （引用推文核心要点：Grok 4.7 xHigh 在 Artificial Analysis Cyber Index 中排名第一，作为前沿模型在企业网络防御领域表现顶尖，超越 Fable 5.1 Max、Opus 5.5、Astra 6、GPT-6 等领先 AI 系统。）

Arena.ai@arenaAI 评分5959

Arena 宣布 GPT-6 Luna (Max) 进入 Agent Arena Pareto 前沿，净改进 +1.59%，中位成本每任务 $0.05。

Arena.ai@arena精选AI 评分7777

Arena 公布 GPT-6 Luna (Max) 在 Agent Arena 排名第 23，基于 8K 真实智能体会话，净提升 +1.6%，比 GPT-5.6 Luna (xHigh) 上升 6 位。

Claude Sonnet 5.5 达到 Artificial Analysis 智能指数第 2 名

Artificial Analysis 发布对 Claude Sonnet 5.5 的评测：其智能指数得分 56，max effort 下比 Sonnet 5 高 18 分，升至第 2 名，仅落后 Opus 5.5 (max)。

Arena.ai@arena精选AI 评分6969

Arena 宣布 Anthropic 的 Claude Sonnet 5.5 已进入 Agent Arena，并开放投票。Agent Arena 基于全球用户数百万个真实的长程智能体任务评测模型，模型可使用 web search、filesystem 和 terminal 工具完成复杂工作流，榜单用因果追踪方法衡量模型相对平均模型的结果表现。

Artificial Analysis@ArtificialAnlys精选AI 评分8282

Anthropic 发布 Claude Sonnet 5.5，在 Artificial Analysis Intelligence Index 得 56 分，仅比 Opus 5.5（max）低 2 分，max effort 下比 Sonnet 5 高 18 分。

Arena.ai@arenaAI 评分6868

Arena 公布 Claude Opus 5.5 (High) 以 +12.15% 净提升分数进入 Agent Arena 第二名，仅低于 Claude Fable 5.1 (Max)。其每任务中位价格为 $1.31，比同水平低 64%，成本比 Opus 5 (High) 低 40%、比 Opus 5 (Max) 低 56%；分项信号中 Steerability 排名第一（+14.50%）。

Arena.ai@arenaAI 评分7373

Arena 官方宣布 Claude Opus 5.5 (High) 进入 Agent Arena 排名第 2，净改进分 +12.15%，仅次于 Fable 5.1 (Max)。其中位价格为每任务 $1.31，比 Opus 5 (High) 便宜 40%、比 Opus 5 (Max) 便宜 56%，分项上 Steerability 排名第 1（+14.50%）。

Arena.ai@arena精选AI 评分7575

Arena 公布 Claude Opus 5.5 (High) 进入 Agent Arena 排名第 2，净改进分 +12.15%，仅次于 Fable 5.1 (Max)。

Artificial Analysis@ArtificialAnlysAI 评分6161

Artificial Analysis 评测显示，ElevenLabs 的 Eleven v4 在 Provider Voice TTS Arena 排行榜和 Pronunciation Robustness 基准上排名第一。

Artificial Analysis@ArtificialAnlysAI 评分5555

Artificial Analysis 发布 Cyber Index 与 Cyber Index Alliance，联合 @CollinearAI、@IBM、@nvidia、@vercel 作为启动伙伴，用 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三个开放基准评估智能体发现和修复漏洞的能力。

Microsoft Research 推出 CARE-X：面向临床放射学的胸部 X 光 VLM

Microsoft Research 发布研究模型 CARE-X，一个面向胸部 X 光多种临床解读任务的统一视觉语言模型，结合生成式与结构化预测，并用强化学习（DAPO）在多任务设置下奖励临床正确性。