据@TheRundownAI称，Haiku 5.5更快更便宜并在多项基准胜过Luna，起价每百万输入标记$0.10。

据DeepLearningAI称，Meta用记忆代理缓解上下文腐烂，将准确率提至45.9%。

据@godofprompt称，Claude Code可生成用例并量化插件得分差。

据@emollick称，公开AI基准饱和且多错，严重低估模型能力。

据DeepLearning.AI称，Fable 5.1以57分领跑并降本于代理缓存。

据KyeGomezB称，新因果编解码MoE仅8B输入16B输出，成本更低且跑分领先。

据Ethan Mollick称其颠覆性，但X上质疑者建议自测代理任务表现。

据@godofprompt称，AA全知基准显示GPT‑5.6出错仍自信率达88–93%。优化提示可显著降低。

据gdb称，OpenAI内测基准大幅提升，个人理财规划与建议更强。

据emollick称，Codex生成BBBBB，用于验证AI编写的度量一致性套件。

据TheRundownAI称，Anthropic推Claude Opus 5，性能超4.8并优于Fable，且价格减半。

据@CNBC称，Kimi K3在部分基准胜过OpenAI与Anthropic，但总体仍落后。

据gdb称，GPT5.6 Sol Pro在prinzbench得分91/99，基准已饱和。

据CNBC称，智谱GLM凭开源与政策红利追赶美系模型，商业化与融资加速。

据emollick称，GLM5.2擅长约束合规，Fable以主题化消失元音取胜。

据OpenAI于X称，将改进评测以预测模型进展并应对基准饱和与投机。

据God of Prompt称，Anthropic在新基准上领先，显示Claude3.5推理评测优势。

据emollick称，Claude续写古舟子思考10分钟，链式推理复杂但偏直白。

据KyeGomezB称，Hugging Face收购域名与数据集，平台回归可用于基准与检索。

据@ylecun称，该计划号召研究者共建开放基准与工具。