搜索
最近翻各家大厂的技术报告，很容易生出一种错觉：大模型好像已经把人类的网络安全防线打穿了。NYU CTF、Cybench、CyberGym 排行榜上，不管闭源大厂还是开源新秀，漏洞解决率动不动就 80% 往上。
EinsiaAI旗下Navers Lab发布Quant Arena，将6家厂商的9个模型置于A股历史数据中评测，4个代表策略盈利、5个亏损，最佳GPT-6 Astra年化收益10.7%仍低于17.1%的市场基准。
团队盯住的是一个很实际的问题：Agent 明明保存了项目计划，预算更新后却仍按旧版本行动；看过环境截图，下一步又忽略了画面里已改变的状态。它究竟是没记下来、没及时更新，还是找到了证据却没用上？
OpenAI API 模型列表短暂出现 aurora-red-alpha、aurora-green-alpha 和 aurora-blue-alpha，随后被移除，Arena 盲测显示三者可能均为生图模型，但 OpenAI 尚未确认其身份。
腾讯AI负责人姚顺雨带领腾讯混元Hy4 Preview在Arena Alignment Index中以78.5分位列全球第5、中国第1，越权率为1.47%，虚假完成率为13.24%。
谷歌推出Nano Banana 2.1，出图价为Nano Banana 2的一半，支持蒙版局部编辑、最高4K直出和最多14张参考图，并在Arena多图编辑榜排名第4，陆续登陆Gemini App、搜索AI模式、AI Studio等平台。
Utopai Studios打造的Utopai X在Artificial Analysis Video Arena盲评中以1150 Elo位列全球第二，其核心竞争力是将模型深度集成PAI制作系统，并通过真实影视项目、专家反馈与系统迭代形成持续进化的数据飞轮。
大模型竞技场Arena让Claude Opus 5.5与GPT-6 Astra各自练棋200局，前者估算评分从约1500升至1760，后者从第29盘的1810降至1400，显示AI仅靠记录与复盘提升能力的表现并不一致。
谷歌正式发布前沿AI模型Gemini 4 Argon，其在Text Arena排名第一、Vals RSI指数超越GPT-6 Astra达30%，单任务成本仅1.99美元，单次输出上限升至100万Token，并在谷歌内部以Rust安全语言重写了80万行系统内核代码。
Opus 5.5因网友用其设计含1113个真实零件的Microduck乐高版本并生成141页说明书、将宜家说明书转为3D配音教学视频以及尝试重现《塞尔达传说：时之笛》等"vibe coding"新玩法持续走红，并在Code Arena: WebDev榜单以低于第二名60%的价格拿下第一。