OpenAI模型同日破解三大数学难题 验证机制引学界讨论
北京时间2026年10月27日，OpenAI宣布其内部模型完成三项科学发现，包括证伪指数时间假设、解决Kakeya猜想与给出Yang-Mills存在性证明。三项结论已提交独立专家验证，ETH部分由提出者主持审查且不附NDA。此事从bench
AI基准测试 相关资讯
谷歌发布Gemini 4 Argon：定价仅对手五分之一，Vals Index夺冠但胜差不足2%
谷歌于2026年10月13日正式发布Gemini 4 Argon，定位企业级复杂任务旗舰。发布价$2/$10每百万tokens，不及GPT-6和Claude Fable定价的五分之一；在Vals Index行业基准中以68.90%排名第一，
GPT-6.1 Sol"接近 Astra"：官方声明的独立核查
OpenAI 称 GPT-6.1 Sol 能力接近 GPT-6 Astra。赢政指数用同一批 18 题各跑 1-2 次：Sol 6.1 两次均 95.91，Astra 两次 89.97 与 95.91——二者差距小于 Astra 自身的波动
同日宣告：OpenAI称AGI到来，美国国会提案将开发超级AI列为刑事罪
2026年9月3日，OpenAI发布GPT-6 Astra，总裁格雷格·布罗克曼宣告"欢迎来到AGI时代"；同日，美国参议员桑德斯与众议员卡萨提出《禁止人工超级智能法案》，个人违规最高面临20年监禁。但支撑AGI宣言的核心测试，在统一评测环
ARC-AGI-3框架差异致GPT-6 Astra成绩现37点鸿沟
2026年9月3日ARC Prize发布报告显示，GPT-6 Astra在ARC-AGI-3上因测试框架不同得分出现37个百分点差距，标准harness为62.7%、Provider Adapter harness为99.9%。本文从事实还
声称全球第三、支持8小时长时推理：未官宣的GLM-5.1真能刷新开源模型天花板？
winzheng.com Research Lab监测到突发行业信号：Z AI发布未官宣的GLM-5.1模型，声称位列全球关键基准第三、属开源顶流，当前该信号尚未经独立核实。本文梳理已披露信息、待验证疑点及潜在行业价值，后续将推出实测报告。
Anthropic推出Claude 3.5 Sonnet：在编码与视觉任务上领先GPT-4o
Anthropic发布Claude 3.5 Sonnet模型，在SWE-bench编码基准达75%，数学和视觉任务超越GPT-4o。X平台互动超10万，转发量暴增，开发者赞其推理能力革命性提升，点燃OpenAI与Anthropic新一轮AI