美国三机构指控 DeepSeek 等 6 家中国 AI 公司非法蒸馏
相关推荐
Claude、Grok、ChatGPT出现宕机或访问异常
动察 Beating AI 快讯，多家 AI 服务出现宕机/访问异常，包括： Claude：Claude 4.6/4.8/5/5.1 系列错误率均在上升。 Grok：Grok for Android 存在异常，grok api 服务在美东 1 区出现异常。 ChatGPT：网页版异常，部分用户客户端异常，未登录时登录可能出问题。
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。
视频｜Dario Amodei：为安全推迟发布Claude六个月，亲手错过了「ChatGPT时刻」
Anthropic CEO Dario Amodei 在参加 CFR CEO Speaker Series 时表示，Anthropic 当年其实有机会抢在 ChatGPT 之前发布 Claude，但出于安全考虑，主动将发布时间推迟了大约 6 个月，也因此错过了「ChatGPT 时刻」。这个决定确实让 Anthropic 付出了商业上的代价，但也奠定了公司此后更重视安全的文化。
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。
DeepSWE一夜两换榜首：Gemini刚上去，Meta又报75.4%
动察 Beating AI 快讯，Gemini 3.8 Flash 刚发布时，Google 在 DeepSWE v1.1 上跑出 73.7%。DeepSWE 官方榜目前将它显示为 74%±1%，排在 Claude Opus 5 和 GPT-5.6 Sol 前面。几个小时后，Meta 又公布 Muse Spark 1.3，自己在同一套 DeepSWE 上跑到 75.4%，把公开成绩再往上推了 1.7 个百分点。 这项测试让 Agent 独立处理 113 个真实代码库里的长周期软件工程任务。Google 和 Meta 都使用 mini-swe-agent，Google 跑的是 high 推理档，Meta 跑的是 max。Meta 上一代 Spark 1.2 只有 55.0%，这次直接涨了 20.4 个百分点。不过 Meta 的 75.4% 目前还没进入 DeepSWE 官方榜。 在 Artificial Analysis 的 Coding Agent Index 中，限量预览的 Spark 1.3 max 得到 68 分，仅次于 Claude Opus 5；目前公开可用的 xhigh 版本则是 64 分。
DeepSeek-V4-Flash-Vision-Exp 登陆 B.AI，全量免费开放
ChainCatcher 消息，B.AI 平台上线 DeepSeek 全新多模态实验旗舰模型 DeepSeek-V4-Flash-Vision-Exp，目前 API 官方组已率先完成全量接入并面向所有用户免费开放。 该模型在延续 V4-Flash 顶尖纯文本与代码 Agent 能力的基础上，正式解锁原生图像理解能力，多模态 Agent 综合表现已接近 Claude Opus-4.8 旗舰水平。 新模型支持图文混合输入与 1M 超长上下文，可轻松驾驭多模态 PPT 生成、复杂 UI 重构及前端特效等硬核场景，图片输入按 token 计费，单张图片最高仅 384 tokens。现所有用户登录 B.AI 平台即可零门槛免费调用这一最新多模态模型能力，让顶尖算力为创意与生产力加速落地。