搜索
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。
模型的发布流程，早已在密集迭代中演变为精准的工业流水线：技术报告开路，Benchmark榜单刷屏，紧接着开放API，最后以开源权重收尾。
8 月 13 日，DeepSeek 开源 Agent Harness dsh，将 “Harness” 这个原本更偏工程语境的概念，推到了整个 AI 行业讨论的中心。
最近，葬AI和我们的朋友钟经纬、正阳一起，推出了懂模帝这个产品，现在任何人都可以登陆 fuckai.md 去看各种各样的benchmark。
2026 年 3 月，轨道数据中心公司 Starcloud 宣布完成 1.7 亿美元 A 轮融资，由 Benchmark 与 EQT Ventures 领投，估值达到 11 亿美元，累计融资额达到 2 亿美元。
近日，浙江大学 OmniAI 团队在 《Show, Don’t Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text》 中提出 ProVisE，让图像生成模型直接在图中回答空间问题，并将视觉答案还原为原 benchmark 可以评分的结构化预测。
本期播客，No Priors 请来了一位在 AI 推理领域被业内称为「教父级」人物的研究者Noam Brown。他是 OpenAI 的研究科学家，也是推动「test-time compute scaling」成为行业主流方向的关键人物之一。从扑克 AI 到前沿大模型的评估方法论，Brown 的研究轨迹几乎与整个行业对「推理」认知的升级同步。
你可能已经在各种 benchmark 榜单上看过 GUI Agent 的 "大胜" 了。