Anthropic Claude 30分钟破解NSA 25年密码学谜团
Anthropic的AI模型Claude在不到30分钟内解开了困扰业界25年的NSA椭圆曲线数字签名标准（ECDSA）种子生成之谜。该谜题源于2000年NIST标准化时NSA提供的无解释种子值，曾引发后门担忧。
#评测/基准
The DecoderAI 评分7575 Artificial AnalysisAI 评分4040 d1-ultra非幻觉率达85%
d1-ultra 在 AA-Omniscience-Decision 上实现了最高的非幻觉率，达到 85%，是 Microsoft-Decision-1 的 40% 第二高率的倍以上。与 d1 相比，更多的弃权导致准确率降至 32%，而 d1 为 41%。
Artificial AnalysisAI 评分4242 Liquid AI 发布 d1-ultra 登顶决策指数
Liquid AI 发布了 d1-ultra，在 Artificial Analysis Decision Index v1.0 中占据第 1 位，得益于幻觉率的降低。d1-ultra 是 @liquidai 推出的新决策模型，继本月早些时候发布 d1 之后推出。其定价为 $0.042
Artificial AnalysisAI 评分4040 Beam 领跑美开源模型 Cyber 指数
Beam 在 Artificial Analysis Cyber Index 上得分 34%，是我们测试过的领先的美国开源权重模型。得益于其 token 效率，它也与 GPT-6 Sol (Daybreak Blue) 一起位于 Cyber Index vs. Output Tokens per task frontier 上
Artificial Analysis精选AI 评分6060 Reflection 发布开源模型 Reflection-3.7-70B
Artificial Analysis 报道 Reflection 发布了其首个开源模型 Reflection-3.7-70B。该模型拥有 50B 总参数和 70B 激活参数，在 Artificial Analysis Intelligence Index 中得分为 42。
推荐理由：原文给出了 Reflection 新模型的基准分数和参数规模，读者可据此快速评估其在开源阵营中的性能定位。
TechCrunch · AIAI 评分6565 Vercel 数据：Jev 成为其史上最快普及的 AI 模型
Vercel 发布的数据显示，由 TypeSafe AI 开发的 Jev 模型在上线两周内即被 35% 的付费团队使用，成为该平台历史上普及速度最快的 AI 模型。
The Decoder精选AI 评分7878 Gemini 4 Argon 在 ARC-AGI-3 基准测试中的表现分析
Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 基准测试中使用 Provider Adapter Harness 获得 97.5% 的分数，成为继 OpenAI 之后第二家突破 95% 的 AI 实验室。
推荐理由：原文对比了不同测试环境下的分数差异，并指出模型在数学和软件工程领域的相对短板。
Artificial AnalysisAI 评分2929 Muse Spark Open 幻觉率最低
Muse Spark Open (xhigh) 在 AA-Omniscience (25) 上领跑所有开源权重模型，其驱动力在于它是得分 30 分以上的开源权重模型中幻觉率最低的（24%）
Artificial AnalysisAI 评分4242 DeepSeek V4.1 Flash 刷新吞吐纪录
在 DeepSeek V4.1 Flash 上，Vera Rubin 在每用户约 230 至 350 tok/s 区间内，每兆瓦吞吐量约为 GB300 的 3.4 至 3.6 倍，并在单台 4-GPU 服务器上达到每用户 906 tok/s，这是我们在排行榜上任何模型的最快结果
Artificial AnalysisAI 评分5353 Artificial Analysis 发布 NVIDIA Vera Rubin NVL72 初步性能结果
Artificial Analysis 在 AA-AgentPerf 上发布了 NVIDIA Vera Rubin NVL72 的初步测试结果。数据显示，该硬件在 DeepSeek V4 Pro 上的每兆瓦总吞吐量约为前代 GB300 NVL72 的 ~5.7x，在 DeepSeek V4.1 Flash 上约为 ~5.4x，在 GLM-5.2 和 Kimi K3 上分别约为 ~3.0x 和 ~2.8x。Vera Rubin 是 NVIDIA 的下一代架构产品。
Artificial Analysis精选AI 评分6262 Artificial Analysis 发布模型评测分析
Artificial Analysis 发布了针对 AI 模型的评测分析内容。该报告基于独立测试数据，展示了相关模型的性能表现与对比结果。
推荐理由：第三方机构对模型性能进行独立实测，提供了可参考的量化数据与对比视角。
Artificial AnalysisAI 评分4242 Nemotron 3.5 Super VL登顶美开源
Nemotron 3.5 Super VL 是美国得分最高的开放权重模型，在智能指数中得分为 26。它略胜 Thinking Machines 的 Inkling Small（26），并超越了 NVIDIA 之前的旗舰产品 Nemotron 3 Ultra（23）以及 Meta 的 Muse Glimmer（17）。尽管取得了这一进步，美国
Artificial Analysis精选AI 评分6868 Artificial Analysis：Nvidia Nemotron 3.5 Super VL 成为美国领先开源权重模型
Nvidia Nemotron 3.5 Super VL 目前在 Artificial Analysis Intelligence Index 上得分为 26，成为领先的美国开源权重模型。该模型实现了前代 Nemotron 3 Super（得分 13）两倍智能水平，且每任务输出 token 减少约 60%。
推荐理由：原文提供了Nemotron 3.5 Super VL在智能指数上的具体得分及与上一代模型的效率对比数据，有助于评估其性能提升幅度。
Artificial AnalysisAI 评分3838 AI模型离线构建埃菲尔铁塔
我们要求AI模型在离线状态下以3D形式构建埃菲尔铁塔。其中两个模型凭记忆按顺序添加了全部72位科学家的名字。这出乎我们的意料。每个AA-3D模型都收到了约200字的相同简报，内容涉及塔的形状、格构、平台和照明。它从未
Artificial AnalysisAI 评分3838 MI355X在DeepSeek V4 Pro性能领先
MI355X 在 DeepSeek V4 Pro 0813 上表现最强。在每用户 35 至 75 tok/s 区间，其每兆瓦吞吐量比 B200 高约 15% 到 40%，峰值达每兆瓦 94M tokens/s（对应每用户 33 tok/s），此水平 B200 需降至每用户 13 tok/s 才能达到。当每用户速度超过约 80 tok/s 时，B200
Artificial AnalysisAI 评分2828 AA-AgentPerf新增AMD MI355X测试
除了新的 DeepSeek V4.1 Flash 结果外，我们还在 AA-AgentPerf 中为 Kimi K3、GLM-5.2/5.3 和 DeepSeek V4 Pro 添加了 AMD 的 MI355X - 将其与我们在编码智能体工作负载上最新的 NVIDIA 系统结果进行比较。AA-AgentPerf 是我们的智能体推理性能
Artificial AnalysisAI 评分3737 Grok Voice 3.0语音榜第三
在我们的语音智能体竞技场中，人们进行盲测实时语音对话并选择他们偏好的模型，Grok Voice 3.0以1070的Elo分数位列第3，落后于Gemini 3.1 Flash Live Minimal（1100）和Gemini 3.8 Live（1088），领先于GPT-Live-1 (Sol, low)（1057）。它还
Artificial AnalysisAI 评分5555 Artificial Analysis评测显示Grok Voice 3.0登顶Speech to Speech Index
Artificial Analysis评测显示SpaceXAI的Grok Voice 3.0以86.9分位居Speech to Speech Index榜首。该模型作为Grok Voice 2.0的继任者，在保持延迟竞争力的同时取得了新的领先成绩。
DeepLearning.AIAI 评分4242 FLUX 3 Action登顶RoboLab-120
FLUX 3 Action，一款视频优先的世界动作模型，在 RoboLab-120 的模拟中排名第一，成功率为 42.9%。它在超过 95% 的视频上进行了预训练。它通过约 200 个演示适应了新机械臂。它尚未在真实机器人肢体上进行测试
The DecoderAI 评分5858 Artemis Security 发布 Orion-1 网络安全模型
美国初创公司 Artemis Security 推出 Orion-1，这是一款专为企业网络攻击调查与响应设计的大语言模型。该模型通过处理日志数据关联攻击信号，并在公司自建的 Decision-Grade Readiness (DGR) 基准测试中得分超过 Claude Opus 5.5 和 GPT-6 Sol。
Artificial AnalysisAI 评分3838 DeepSeek V4.1 Flash 基准测试结果
我们已将 DeepSeek V4.1 Flash 添加到 AA-AgentPerf，并提供了 NVIDIA 和 AMD 硬件的测试结果。在每用户 100 tokens/s 的条件下，NVIDIA GB300 以高达 261M tokens/s per MW 的吞吐量位居第一。AA-AgentPerf 是我们的智能体推理性能基准测试。它重放真实的智能
Artificial AnalysisAI 评分3838 Perplexity Decider v1.1成本最低
在 Artificial Analysis Decision Index v1.0 的四个基准测试中，Perplexity 的 Decider v1.1 27B 每百万任务成本最低，为 $17。它与 Microsoft-Decision-1 ($31) 和 Jev 1.13 ($42) 一起位于能力与成本的帕累托前沿。Celeris-1 Decision 具有
Artificial AnalysisAI 评分1212 Artificial Analysis发布Gemini 4 Argon基准
Artificial Analysis上的完整基准测试集：https://artificialanalysis.ai/models/gemini-4-argon…
Artificial Analysis精选AI 评分8080 Gemini 4 Argon 正式发布 GA
Gemini 4 Argon 现已正式进入 GA（一般可用性）阶段。根据 Artificial Analysis Intelligence Index，Argon 的排名与 GPT-6 Astra 持平，但每任务成本仅为后者的 60%。这是 Google 重新向公众发布前沿模型，且在 11 月 30 日前提供折扣价格。
推荐理由：原文提供了 Gemini 4 Argon 与 GPT-6 Astra 在智能指数和任务成本上的具体对比数据，有助于评估其性价比。
Artificial AnalysisAI 评分2525 Drama 3 Preview语音鲁棒性领先
Pronunciation Robustness（发音鲁棒性）衡量文本转语音模型在四个类别中正确发音挑战性文本的能力，由人工评审员根据预先商定的可接受发音对每个音频片段进行评判。Drama 3 Preview 以 93.2% 的得分位居整体榜首。➤ 独立术语：Drama 3
Artificial AnalysisAI 评分3737 Fish Audio Drama 3 Preview登顶TTS榜
Fish Audio的Drama 3 Preview是Artificial Analysis文本转语音排行榜上新的第一开源权重模型。该模型在我们的发音鲁棒性排行榜中也领先所有模型，超过Eleven v4和Eleven v4 Turbo
Artificial AnalysisAI 评分1515 GLM-5.3 各提供商任务成本
在此探索所有 GLM-5.3 (max) 提供商的任务成本：
Artificial AnalysisAI 评分5252 Artificial Analysis 上线按服务商统计的缓存命中率与任务成本数据
Artificial Analysis 平台现已上线按服务商维度统计的缓存命中率和单任务成本（Cost per Task）数据。以 GLM-5.3 (max) 为例，不同服务商间的单任务成本差异约为 9 倍，这主要由缓存命中率和 token 定价共同决定。由于 Agentic 工作负载每轮需重发完整对话历史，该指标对评估实际运行成本具有重要参考价值。
DeepLearning.AIAI 评分5555 Gemini 4 Argon 在 AA-Omniscience 幻觉率测试中优于 GPT-6 Astra
Gemini 4 Argon 在 AA-Omniscience 基准测试中的幻觉率为 15%，显著低于 GPT-6 Astra 的 51%。该模型目前在 Vals Index 上排名第一，反映了其在法律及其他知识工作中的高性能表现。现阶段仅 Google Fairwind 项目中的网络安全防御人员可访问相关资源。
Artificial AnalysisAI 评分3535 Muse Wonder Full 六项评测进前三
Muse Wonder Full (max) 在 Artificial Analysis Intelligence Index v4.3 的十项评估中，有六项进入前三名：➤ CritPt (33%) 和 GDP.pdf (33%) 排名第 1 ➤ GDPval-AA v2.1 (1857 Elo) 排名第 2 ➤ AA-Briefcase (1729 Elo)、AutomationBench-AA (71%) 和 SciCode (63%) 排名第 3
Artificial Analysis精选AI 评分6262 Artificial Analysis 发布新模型基准测试报告
Artificial Analysis 发布了针对最新 AI 模型的基准测试结果。该报告由第三方独立机构提供，旨在通过标准化评测展示模型性能表现。
推荐理由：第三方评测机构发布了新模型的基准测试结果，提供了独立于厂商的性能数据参考。
Artificial AnalysisAI 评分4242 FrontierCode任务成本差异显著
在 FrontierCode 上，单任务成本跨越两个数量级，从 GPT-6 Luna (max) 的 $0.09 到 Claude Fable 5.1 (max with fallback) 的 $12.00。四个模型位于得分与单任务成本的帕累托前沿：GPT-6 Luna (max) 得分为 42%，每任务成本 $0.09；MiMo-V2.6-Pro 得分为 45%
Artificial AnalysisAI 评分3030 Artificial Analysis 上线 FrontierCode 1.1 榜单
我们推出了 FrontierCode 1.1 排行榜，这是 Cognition 的一项私有评估，测试模型完成编码任务的能力，其结果需能被真实仓库维护者实际合并。@cognition 于 2026 年 6 月宣布推出 FrontierCode 并进行了更新
DeepLearning.AI精选AI 评分8282 DeepLearning.AI 报道某新模型发布及性能表现
DeepLearning.AI 转发消息指出某新模型已发布，该模型在多项基准测试中展现了显著的推理能力提升。具体版本号及详细评测数据未在短文中列出。
推荐理由：原文提及了特定模型版本的发布及其在推理能力上的表现，读者可据此了解最新模型迭代的关键特性。
IT之家AI 评分4242 Arena 发布第 41 周 AI 大模型榜单：Claude Opus 5.5 Max 首夺智能体榜首，国产模型稳居中上游
Arena 平台发布 2026 年第 41 周 AI 大模型排行榜，Anthropic Claude Opus 5.5 Max 首次入榜即以 15.53% 净提升度夺得智能体榜第一。综合榜方面，Gemini 4 Argon High 以 1525 ELO 分蝉联榜首，Kimi K3 Max、Qwen3.8 Max 等国产模型排名稳定在中上游梯队。
IT之家AI 评分3636 华为与华东师大联合研发“七曜”时序模型登顶 TIME-leaderboard 和 GIFT-Eval
华为云与华东师范大学联合研发的昇腾原生时序预训练模型“七曜”，成功登顶国际权威评测榜单 TIME-leaderboard 和 GIFT-Eval（Pretrained 类目）。该模型基于华为昇腾生态深度优化，具备高精度、高鲁棒性，支持零样本预测及低成本二次微调。这一突破标志着国内时序基础模型正式跻身全球第一梯队，可适配气象、能源、金融等核心场景。
Artificial AnalysisAI 评分5858 Artificial Analysis 发布图像生成模型能力评测
Artificial Analysis 发布了针对主流图像生成模型的能力评测结果。该评测基于独立测试数据，对比了不同模型在生成质量、一致性等维度的表现，帮助用户直观了解各模型的实际效果差异。
Artificial AnalysisAI 评分3535 HeyGen Voice登顶TTS排行榜
HeyGen Voice 在 Artificial Analysis Controlled Voice TTS Arena Leaderboard 上占据第 #1 位置，领先于阿里巴巴的 Qwen-Audio-3.1-TTS-Plus 和 ElevenLabs 的 Eleven v4 Turbo。HeyGen Voice 是 @HeyGen 推出的首个 Text to Speech 模型，在我们的 Controlled Voice Arena 中接受评估，其中
Artificial AnalysisAI 评分3333 HiDream-O1-Video-1.0 视频榜第六
HiDream-O1-Video-1.0 在 Artificial Analysis 带音频图生视频排行榜上 debut 排名第 6。HiDream-O1-Video-1.0 是 HiDream 推出的新视频模型，该团队自称“专注于生成式 AI 和原生全模态世界模型”。HiDream 将其定位为
Artificial AnalysisAI 评分4949 Grok视频模型性价比超Veo 3.1
Grok Imagine Video 1.5 Lite 在 AA-Video-T2V v2.0 上排名超过 Google 的 Veo 3.1，价格约为其三分之一。在带音频的 1080p 分辨率下，Grok Imagine Video 1.5 Lite 每秒成本为 $0.14，而 Veo 3.1 为每秒 $0.40。它在 AA-Video-T2V v2.0 上排名第 17，比 Veo 高两位