Hermes模型榜上线，Opus 5.5第一，Astra第二却最贵
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。
一夜两条路线：Opus5.5冲到第一，GPT-6把同档成本砍半
动察 Beating AI 快讯，Artificial Analysis 完成对昨夜几款新模型的第三方实测。Claude Opus 5.5 max 在 Intelligence Index v4.3 拿到 58 分，目前排名第一。GPT-6 Astra 和 Fable 5.1 都是 53 分，Opus 5 为 51 分。Opus 5.5 在 10 项评测里拿下 6 项最高分。 但这个最高分也用了更多 token。Opus 5.5 max 每项任务平均输出约 11.9 万 tokens，比 Opus 5 的 7.3 万多约 60%。靠 API 降价 20% 和缓存读取降价 60%，单任务成本最终为 5.98 美元，和 Opus 5 的 5.86 美元基本持平。更实用的 medium 档拿到 51 分，已经追平 Opus 5 max，单任务成本只有 1.34 美元。 OpenAI 走的则是另一条路。GPT-6 Sol 和 Luna 的 Intelligence Index 表现与 GPT-5.6 前代接近，但价格明显下降。Sol max 每项任务成本从 1.99 美元降到 1.06 美元，Luna 从 0.18 美元降到 0.07 美元。编码 Agent 评测里，Sol 从 55 分升到 57 分，成本也下降约一半；Luna 从 43 分降到 41 分，但单任务成本低约 60%。 两家的路线已经开始出现分化：Opus 5.5 用更多推理把能力上限推到新高，GPT-6 Sol 和 Luna 则主要把原有能力做得更便宜。 在 Artificial Analysis 的性能/成本图上，两家的新模型都占据了新的 Pareto 前沿。
Cyces收购AI用户研究平台Looppanel，将加速布局Agentic UX Research
动察 Beating AI 快讯，AI 产品工作室 Cyces 宣布已收购 AI 驱动的用户研究平台 Looppanel。交易完成后，Looppanel 将继续服务现有客户，Cyces 计划加快其产品开发，进一步拓展 AI 能力，并推动平台进入更多全球市场。 Looppanel 主要面向 UX 和产品团队，提供多语言转录、AI 辅助分析、主题标签、研究内容搜索及协作等功能，帮助企业从用户研究中提取洞察。Cyces 表示，未来将推动 Looppanel 向「Agentic UX Research」（智能体驱动的用户研究）方向发展。此次收购未披露具体交易金额。 Looppanel 成立于帮助企业更高效地开展定性用户研究，曾入选红杉资本 Spark 早期创业项目，并参与 TechCrunch Disrupt。
微软收拢Agent研发：AI Frontiers从Research并入MAI
动察 Beating AI 快讯，微软把 AI Frontiers 从 Microsoft Research 调入 Mustafa Suleyman 领导的 Microsoft AI（MAI）。这支实验室 2023 年 10 月成立，主要研究小模型和 Agent。 AutoGen、FARA、Magentic-One、Magentic-UI、Phi 等项目都曾由这支团队参与开发。多 Agent 开源框架 AutoGen 后来与 AI 应用开发 SDK Semantic Kernel 一同汇入微软统一 Agent 开发框架 Microsoft Agent Framework。 AI Frontiers 接下来会继续做前沿 Agent 和模型研究。MAI 自己也在训练一系列模型，并组建了 Superintelligence 团队，目标是开发所谓「Humanist Superintelligence」。微软给它的定义是面向具体问题、保持在人类控制之下，并服务于人的高能力 AI。 AI Frontiers 原负责人 Ece Kamar 最近刚离开微软，结束 16 年任职。她把建立 AI Frontiers 称为自己微软生涯的亮点之一，目前还没有公布下一站。
OpenScience自测75.7%超过Codex：科研Agent开始自己循环跑实验
动察 Beating AI 快讯，Y Combinator 2026 冬季批次（YC W26）公司 Synthetic Sciences 正式发布开源科研 Agent OpenScience。它能查论文、处理数据、写代码和调用科研数据库，新加入的 Autoresearch 还能让 AI 自己连续跑实验。 比如训练一个模型，研究者只需要告诉它「把验证集 loss 降下来」。OpenScience 会先跑基线，再自己提出修改方案，一轮轮执行实验。结果变好就保留，变差就回退，再根据前面的结果决定下一步试什么。用户也可以提前限制运行次数、总时长和停止条件，或者规定「接下来只改优化器」。 OpenScience 把原本需要研究者反复盯着做的实验迭代自动化了：提出方案、执行实验、比较指标、淘汰失败方案，再继续下一轮。实验可以在本机运行，也可以交给远程 GPU、SSH 服务器和 Slurm/PBS 集群。每轮实验的代码、结果和判断都会留下记录，方便后续检查。 它还支持直接登录 ChatGPT/Codex 订阅，也可以接入自己的 API Key、本地模型，或使用官方按量付费的 Ace。 官方自测中，OpenScience 在 70 道 Terminal-Bench Science 任务中完成 53 道，得分 75.7%。作为对比，Codex + GPT-6 Astra 的公开成绩为 68.1%。
OpenAI个人助理Agent再泄露：这次名字可能叫Dots
动察 Beating AI 快讯，OpenAI 新一代个人 Agent 可能叫 Dots。M1Astra 和 ChrisGPT 放出的未发布文案显示，它可以自己执行任务。用户能通过消息、电话、Slack 和邮件联系它，经批准后还能直接替用户买东西。 Dots 还能自己判断什么时候直接行动、什么时候先向用户申请批准，用户也可以提前设置规则。每个 Dot 都有独立 VM，界面叫「Your dot's computer」。它还可以获得用户电脑的访问权限，用户能随时撤销，再通过桌面 App 重新授权。 同一批文案还出现了浏览器安全保存密码的能力，让 ChatGPT 可以自动登录网站。每个 Dot 还会有独立 3D 形象，首发仅面向 Pro。 几天前 ChatGPT Pro 升级页曾短暂出现「o, your always-on assistant」，客户端配置里也出现过 `o` 和 `-o` 邮件后缀；此前泄露的代码中，Dots 又和 Orbit、Aeon 等内部名称存在关联。OpenAI 还没正式公布这款产品，所以 `o`、Dots 和 Aeon 究竟是不同产品、内部代号，还是同一产品不同阶段的名字，目前还无法确认。