英國 AI Security Institute 評估 OpenAI GPT-5.5 的網絡安全能力
英國 AI Security Institute 評估中，GPT-5.5 的 Expert 級進階任務平均通過率為 71.4%，高於 Mythos Preview 的 68.6%。
推薦理由：報告分別測試進階網絡任務、企業攻擊鏈及工控模擬，並交代結果與測試限制，呈現 GPT-5.5 網絡安全能力的不同面向。
#評測/基準
#評測/基準
今日 0 條英國 AI Security Institute：Blog精選AI 評分7676 小米 MiMo：官網發佈與博客AI 評分3232 MiMo 人文與社會科學能力評估
小米 MiMo 的人文與社會科學能力評估顯示，它在創意寫作與藝術感知方面表現較均衡，兼顧邏輯結構與情感表達。評估由 9 名評估者比較 MiMo 與兩個對照模型，創意寫作共設計 40 項任務，涵蓋現代詩、古典詩詞及敍事小説。MiMo 能按文類調整創作側重，但遵守古典詩詞格律及運用相關知識方面仍不穩定。
Liquid AI 模型與工程博客AI 評分5858 LFM2-24B-A2B 在消費級硬件上運行本地工具調用智能體
Liquid AI 以開源桌面智能體 LocalCowork 測試 LFM2-24B-A2B 在筆電本地執行工具調用的表現，模型、工具和資料均留在裝置上。在 Apple M4 Max、36 GB 統一記憶體的筆電上，工具選擇平均耗時約 385 ms、佔用約 14.5 GB 記憶體，單步準確率為 80%。
MarkTechPost精選AI 評分7878 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1：不同工作適合哪款前沿模型？
MarkTechPost 將 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1 的基準、價格及存取條件並列，按工作負載整理各自適用情境。
推薦理由：文章將四款模型的基準、價格、存取限制和任務成本並列，呈現不同工作負載下的取捨，説明排行榜名次不足以單獨決定選型。
Artificial Analysis 完整文章精選AI 評分8484 Claude Opus 5.5 在 Artificial Analysis Intelligence Index 得分居首
Artificial Analysis 評測顯示，Claude Opus 5.5 以 max effort 在 Artificial Analysis Intelligence Index 得分 58，為其測得的最高分。
推薦理由：報告將多項基準表現、Agent 知識工作成績與每項任務成本並列，呈現模型在不同 effort 設定下的表現與成本取捨。
Artificial Analysis 完整文章精選AI 評分7676 GPT-6 Sol 和 Luna 價格約減半，推進成本效率前沿
Artificial Analysis 的評測指出，GPT-6 Sol 和 Luna 定價約為 GPT-5.6 的一半，Intelligence Index 分數大致持平。
推薦理由：文章並列價格、單項任務成本與多項基準結果，呈現降本幅度與不同能力變化並不一致，並指出 GDPval-AA v2.1 的回退與交付內容縮短相關。
Artificial Analysis 完整文章精選AI 評分7979 Claude Sonnet 5.5 在 Artificial Analysis Intelligence Index 升至第 2 名
Artificial Analysis 的評測顯示，Claude Sonnet 5.5 在 Intelligence Index 取得 56 分，於 max effort 下排名第 2，僅落後 Opus 5.5（max）2 分。
推薦理由：評測把 Claude Sonnet 5.5 的基準表現與每項任務的 token 消耗、成本對照，呈現其接近 Opus 5.5 時的資源代價。
Artificial Analysis 完整文章精選AI 評分7777 Gemini 4 Argon 評測：Google 重返模型智能評測前三的實驗室之列
Google DeepMind 的 Gemini 4 Argon（高推理設定）在 Artificial Analysis Intelligence Index 得分 53，與 GPT-6 Astra（max）持平。
推薦理由：文章對照 Gemini 4 Argon 與 GPT-6 Astra 的指數分數、任務成本和智能體評測，呈現相近總分下的成本差距及不同基準表現。
OpenAI NewsAI 評分4444 Parallel 藉助 GPT-6 Astra 將研究時間與成本減半
Parallel 的智能體使用 GPT-6 Astra 研究並綜合勞動市場數據，較先前模型所需時間減半，成本亦減半。
Simon WillisonAI 評分6969 Jev 呈現一種新型態的大語言模型：System One（又稱決策模型）
TypeSafe AI 上週發布 Jev，將其定位為 System One（「決策模型」），可接收文字或半結構化資料，並以浮點數輸出分類、是非判斷或評分及信心度。
Epoch AI：研究、數據與評測AI 評分4545 GPT-6 Astra 數學基準測試領先，但軟件工程未居首
Epoch AI 的 ECI 比較顯示，GPT-6 Astra 在數學基準測試領先，但未在軟件工程領先。比較涵蓋 GPT-6 Astra、Claude Fable 5.1、GPT-5.6 Sol 和 Kimi K3，並以數學及軟件工程專項 ECI 評估模型能力；專項分數可與一般 ECI 比較。
OpenAI NewsAI 評分3939 Playco 使用 GPT-6 Astra 製作遊戲原型，手動修正較前一模型減少 50%
Playco 使用 GPT-6 Astra，從同一個灰盒基礎構建三款主題遊戲原型，手動修正次數較前一模型減少 50%。
ARC Prize：官方博客AI 評分7272 OpenAI GPT-6 Astra 在 ARC-AGI-3 的 Provider Adapter 測試中得分 99.9%
ARC Prize 評測顯示，OpenAI GPT-6 Astra 在 ARC-AGI-3 Semi-Private 的 Standard harness 得分為 62.7%，Provider Adapter harness 的最高分為 99.9%。
OpenAI News精選AI 評分7373 OpenAI Five 基準測試結果
OpenAI Five 昨日以三局兩勝制擊敗一隊排名位於第 99.95 百分位的 Dota 玩家。對手是 Blitz、Cap、Fogged、Merlini 和 MoonMeander，其中四人曾職業參與 Dota；比賽有現場觀眾，直播同時有 100,000 名觀眾觀看。
推薦理由：這場三局兩勝賽呈現 OpenAI Five 對陣 99.95 百分位 Dota 玩家時的直接結果，亦交代對手中有四人曾以職業身份參與 Dota。
OpenAI NewsAI 評分2929 OpenAI Five Benchmark 對賽結束
OpenAI Five Benchmark 對賽現已結束；公告確認比賽完結，但未列出賽果、比分或其他賽事資訊。