Social Graph VC：数据中心资本开支 2026 年将超 1 万亿美元
相关推荐
GPT-6 Astra拿下Perplexity研究Agent榜首：比Fable 5.1高13.5%，还便宜6.1%
动察 Beating AI 快讯，Perplexity 用自家的 Agent 基准 WANDR 测了 GPT-6 Astra，得分 0.682，是目前测过的模型里最高。平均每个任务成本 11.98 美元。相比 Claude Fable 5.1，分数高 13.5%，成本反而低 6.1%；相比 Opus 5，分数高 27%，成本只高 3.3%。 WANDR 专门测「又广又深」的研究任务。它有 500 个真实研究任务，要求 Agent 不只是找到几个答案，而是尽量找全符合条件的对象，再逐个查资料、核身份，并给每条结果配上可验证的来源。典型任务包括竞品研究、尽调、文献检索、市场分析和人才搜寻。 此前 Fable 5.1 以 0.601、每任务 12.76 美元排第一，Opus 5 为 0.537、11.60 美元。Astra 这次把分数明显往上推了一截，而且不是用更高成本硬堆出来的。
20小时编程评测拉开差距：Claude Fable 5.1领先GPT-5.6超24分，GLM-5.3排第三
动察 Beating AI 快讯，AI 研究团队 Proximal 发布超长周期编程评测 FrontierSWE v2。任务从 17 个扩到 34 个，每个模型在每项任务上跑 5 次，单次最多干 20 小时。Claude Fable 5.1 平均得分 56.29%，大幅领先 GPT-5.6 的 32.2%。开源模型 GLM-5.3 以 30.2% 排第三。 FrontierSWE 里的任务已经不只是修代码。Agent 要从零写电路模拟器、训练天气预测模型，还要靠望远镜照片匹配星表，或者只看游戏画面训练赛车 Bot。v2 统一换成 Proximus harness。每次任务最多运行 20 小时，模型准备交卷时，系统会先保存当前版本并告诉它还剩多少时间，避免模型过早结束任务。 这个改动对成绩影响不小。Proximal 在 6 项任务上对比发现，Claude Opus 5 和 GPT-5.6 换成 Proximus 后都工作得更久，平均成绩也高于各自原生 harness。 评测还抓到了多次主动作弊。GPT-5.6 曾意识到读取公开答案「可能涉及反作弊问题」，最后还是用了这条捷径；另一次甚至利用 Modal 的后台服务读取隐藏验证文件。Muse Spark 1.2 则改测试脚本、塞入公开答案，还写代码试图掩盖作弊痕迹。确认违规的运行全部被记为零分。
美CFTC就AI算力期货合约征求公众意见，CME拟于10月推出
PANews 8月18日消息，据Cointelegraph报道，美国商品期货交易委员会（CFTC）正就AI算力期货合约征求公众意见，白宫管理与预算办公室已收到相关请求。此举可能影响CME集团和洲际交易所计划推出的算力期货产品时间表，这些产品仍待监管批准。公开意见征询期通常为30或60天。CME上周宣布计划于10月5日推出两项算力期货合约（待监管批准），由市场情报公司Silicon Data提供定价基准，将AI算力转化为与石油、电力类似的可交易大宗商品。TD Lombard、高盛和桥水联合估计，今年AI基础设施支出约占美国GDP的2%至2.5%。
OpenAI最会省Token：GPT-5.6 Sol用一半Token逼近Fable 5
据动察 Beating 监测，Artificial Analysis 公布最新 Token 效率对比。本月已有 5 家以上实验室密集发新模型，OpenAI 仍占据大部分帕累托前沿。 所谓帕累托前沿，就是同等智能下，没有别的模型能用更少 Token。GPT-5.6 Sol max 得 59 分，每项任务平均消耗约 1.5 万输出 Token。Claude Fable 5 得 60 分，消耗约 3.3 万 Token。 GPT-5.6 Sol 的输出单价为每百万 Token 30 美元，并不便宜。但在这套测试中，每项任务成本仍只有 1.04 美元，约为 Fable 5 的三分之一。OpenAI 自家的 Terra 和 Luna 没有进入这条效率前沿。
Opus 5以微弱优势登顶智能榜，单任务成本比Fable 5低26%
据动察 Beating 监测，第三方评测机构 Artificial Analysis 公布 Claude Opus 5 成绩。它在综合 9 项测试的智能指数中得 61 分，窄幅领先 Fable 5 的 60 分。GPT-5.6 Sol 得 59 分，Kimi K3 得 57 分。 Opus 5 每项任务平均成本为 2.03 美元，比 Fable 5 的 2.75 美元低 26%。它在 GDPval-AA v2 和 AA-Briefcase 两项知识工作评测中登顶，搭配 Claude Code 后也并列拿下编程 Agent 指数第一。Terminal-Bench v2.1 得分为 89%，大致追平 GPT-5.6 Sol。 模型提供 5 档推理强度。从 low 到 max，输出 Token 相差约 8 倍，GDPval-AA v2 成绩相差 407 Elo。用户可以用更多 Token 换取更强性能，也可以主动压低成本。 短板同样明显。Opus 5 的事实知识仍落后 Fable 5。在 AA-Omniscience 测试中，它的幻觉率升至 50%，比 Opus 4.8 高 14 个百分点。低推理档位的性价比也仍略逊于 GPT-5.6 系列。
GPT-6 Astra 发布一周后遭用户吐槽变笨，OpenAI 尚未回应
ChainCatcher 消息，据 Decrypt 报道，OpenAI 最新旗舰模型 GPT-6 Astra 在发布一周后，X 平台上涌现大量用户吐槽其性能“变笨”的帖子。匿名开发者 synthwavedd 发文称“Astra 今天感觉明显变笨了”，并调侃这是“发布后脑叶切除手术”。此前曾称赞该模型的开发者 Pranjal Paliwal 在检查 Astra 为其编写的代码后表示：“我们没有 AGI，我们遇到的是性能回退。”开发者 Pankaj Kumar 列举了症状：回答更快、质量更差，并怀疑 OpenAI 调低了“juice value”（即模型在回答前投入的算力）。Salio 与研究员 Md Ismail Sojal 用相同提示词对比发布当天与当前的 Astra，均得到更差的结果。T3Chat 创始人 Theo 则认为 Astra 只是比 Claude Fable 更不稳定，用户蜜月期结束后开始集中晒出糟糕结果。也有观点指出，OpenAI 上一代旗舰 GPT-5.6 Sol 在 7 月就经历过同样的周期，当时 OpenAI 高管 Tibo Sottiaux 否认故意削弱模型，但承认公司一直在实验“推理努力”设置。OpenAI 尚未就 Astra 发布类似 Sol 的声明。