AI基准测试

GPT-5.6 Sol (max) 领跑 CritPt，一个由未发表物理研究问题构成的新基准

GPT-5.6 Sol (max) 在 CritPt, , 一个由未发表的研究生级别研究问题构建的新物理基准测试中领先。根据 Artificial Analysis 的独立测试，其得分比 GPT-5.5 高出约 5 分，比 Claude Fable 5 高出 4 分。

2026-07-13

前沿AI部署

Claude Fable 5与Mythos 5：AI的未来是门控智能

Anthropic的Claude Fable 5将Mythos级能力带给公众用户，而Mythos 5仍仅限可信访问。其部署模式, , 能力路由、回退分类器与分层访问, , 标志着前沿AI发布与使用方式的根本性转变。

2026-07-10

人工智能

IFBench：测试AI指令遵循能力的新基准

IFBench衡量语言模型遵循精确自然语言指令的能力，这一能力至关重要但常被忽视。早期结果显示，xAI的Grok模型领先，而Claude模型尽管整体智能评分很高，却在此项测试中表现落后。

2026-07-07