近日，阿里千问Qwen4系列大模型跑分被曝光，在面向游戏开发的创造力评测基准GameFeel Bench中，Qwen4-Flash以49.9分的成绩超越了Opus 5.5 xHigh的47.2分，成为国产大模型中首个在该评测中领先Opus 5.5的型号。这次的基准并非大家熟悉的AA或Arena，而是一个聚焦游戏内容
蚂蚁百灵发布 Ling 3.2 Flash：三项核心基准超越 Claude Opus 5，前两周限时免费开放
谷歌宣布：Claude Opus 5.5 与 Claude Sonnet 5.5 正式接入 Antigravity 平台
Opus 5.5来了！性能赶超Fable，成本低至40%
Anthropic这次的模型内部命名风格也发生了改变。
至少在这几款旧Claude模型上，当遵守内容政策和遵循用户需求发生冲突时，后者有机会压过前者。
Qwen-UI-Agent搭建了覆盖100多台真实手机、150多款应用的真机移动环境，用于任务构建、轨迹采集、模型训练与评测，并自建MobileWorld-Real真机基准（400多项任务、100多款应用），打通“从模拟到真实”的最后一公里。
脚手架正在变成绳子。
一些泄漏恰恰发生在用户要求Agent“清理隐私”时
本周前端开发榜榜首依旧是 claude-opus-5-max，ELO 1686 分，月之暗面 kimi-k3-max 稳定保持第二位，ELO 1675 分，仅下跌 1 分，仍紧逼头部海外模型。
可如果你没同时修第六个bug，代码会按80来判断，收用户15块运费。
前端开发榜中，claude-opus-5-max 以 1705 分守住榜首位置，月之暗面 kimi-k3-max 以 1676 分位列第二，阿里 qwen3.8-max 以 1668 分排名第四，国产模型共有三款进入 Top 8，占据半壁江山。
再来看下面这个，Opus 5跑了一整天后，0代码生成了这款《辐射》游戏的一切。
11/10 12:13
11/10 12:11
11/10 12:10
11/10 10:19
11/10 10:18
11/10 10:09
11/10 10:08
京公网安备 11011402013531号