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。

据karpathy称，Fable5在多项基准SOTA，长时复杂任务表现出色，并基于Mythos加入更强安全防护。

据karpathy称，Fable 5在多项基准达SOTA，并在长时复杂任务上大幅领先。

据@emollick称，两家公司模型多次在Artificial Analysis指数提升3分以上。

据TheRundownAI称，该月球漫步基准仍在开发中。

据sundarpichai称，新模型上线且较前沿模型快4倍，并超越3.1 Pro基准。

据@OriolVinyalsML称，3.5 Flash更快更强，基准大多胜过3.1 Pro。

据@emollick称，METR评估Claude Mythos任务中位时长16小时，处于可测上限。

据emollick称，OpenAI免费GPT 5.5 Instant在GPQA达晚2025付费水平。

据emollick称AA指数不适合趋势；chatgpt21保守推演GPT至2029年达90分。