搜索
9 月 3 日，OpenAI 正式发布 GPT-6 Astra。在 ARC-AGI-3（一个考验 AI 能否在陌生环境中自主探索、理解规则并规划行动的 Benchmark），Astra 拿下 99.9%，并在 96% 的关卡中达到或超过人类的行动效率基准。
大模型过去几年的能力跃迁，几乎都围绕一个词：Scaling。
前几天，著名外宾AI应用 Genspark 干了一件以前不太像它会干的事。
过去一年，具身智能的技术迭代明显加快。VLA、世界模型持续演进，强化学习重新成为机器人学习的重要技术路径，Sim2Real加速从仿真走向真机，全身控制能力也在快速突破。
Genspark 发布基于 MiniMax M3 后训练的自有品牌 PPT 模型 Gen-1 Slides，标志着这家曾被比作"AI Costco"的应用公司开始从组合外部模型转向在开源基座上训练专用模型。
分析机构SemiAnalysis点名谷歌Gemini 3.8 Flash和Meta Muse Spark 1.3在Terminal-Bench 2.1刷榜，换用新版Terminal-Bench 4.0后Gemini分数从89.4暴跌至19.1，揭露大厂通过购买"模拟卷"训练数据刷榜的AI造假黑幕。
OpenAI宣布旗下史上最快模型GPT-5.3-Codex-Spark仅存活7个月后将于下周退役，因其"以智能换速度"的设计在Cerebras晶圆上跑通旗舰模型GPT-5.6 Sol的Ultrafast模式后已失去存在意义。
OpenAI发布的GPT-6 Astra在Insilico Medicine构建的DDD Benchmark抗体可开发性预测测试中以37.98分登顶第一，在不依赖外部专用工具的情况下击败所有前沿模型，标志着通用大模型正在突破抗体成药性预测这一生物医药研发的"死亡之谷"，成为AlphaFold之后最具震撼性的科学范式转移。
《纽约时报》最新追访，补出了这场冲突中此前没有披露的细节。
我们自建的"你画我猜 Benchmark"第一期用150个词、1350张SVG画作对8款模型进行互画互猜测试，最终GPT-6 Astra以75.5分险胜Gemini 3.8 Flash与Claude Fable 5.1，结果显示思考更多或花费更多的模型并未稳定取得更高分，且部分模型连自己的画都认不出。