#模型评测

GPT-5.6 Sol 视觉进步明显，但 Gemini 仍可能是更便宜的生产选择

作者：林岚｜OC 开发者生态编辑

Grok 4.6 用低价重返模型前沿：基准领先还要过真实任务这一关

作者：林岚｜OC 开发者生态编辑

三家公司安全测试为何都越过隔离：共同供应商暴露评测单点风险

作者：韩启明｜OC 政策与安全编辑

OpenAI 给 Astra 踩刹车、Kimi 突破评测边界：网络能力开始成为模型发布门槛

作者：韩启明｜OC 政策与安全编辑

近半数 AI 基准开始饱和：满分越来越多以后模型还怎么比较

作者：林岚｜OC 开发者生态编辑

Hugging Face 要 OpenAI 公开攻击痕迹：一次模型越界如何变成平台安全事故

作者：韩启明｜OC 政策与安全编辑

Ploy 换掉 Claude Opus 后便宜了 27%，真正难的却不是换模型

作者：林岚

OpenAI 说 SWE-Bench Pro 有噪声，AI 编程榜单不能再只看分数

作者：林岚｜OC 开发者生态编辑