Arena 评测：GPT-6 Luna (Max) 列 Agent Arena 第 23 名，单任务成本仅 $0.05
Arena 评测显示，OpenAI 的 GPT-6 Luna (Max) 在 Agent Arena 上以 +1.6% 的净提升排到第 23 名，虽未进入帕累托前沿，但单任务成本中位数仅 $0.05，是当前成本效率最突出的 agent 模型之一。
标签： GPT-4
Basis 借助 GPT-6 Astra 将税务工作簿处理速度提升一倍
会计 AI 创业公司 Basis 用 OpenAI 的 GPT-6 Astra 处理一份 50 个工作表的复杂税务工作簿，耗时比上一代 GPT-5.6 Sol 减少约 50%，内部评估分数提升约 20%。这说明大模型在长链路专业任务上的可靠性正在跨过一道实用门槛。
Meta想让Muse成为赚钱利器，计划向企业出售AI服务
Meta 成立企业级业务部门 Meta Enterprise Platform，把 Muse 智能体、Muse API 等 AI 产品直接卖给企业客户，并由前 MongoDB CEO Chirantan Desai 领导、直接向扎克伯格汇报。这意味着 Meta 开始为巨额 AI 算力投入寻找企业级收入来源。
AI 中的快思考与慢思考：元认知的作用（2021）
Hacker News 上围绕一篇 2021 年“AI 快思考与慢思考、元认知”的论文展开争论：有人质疑这种类比对现有模型没意义，也有人指出最近大模型的“自适应推理”其实正是在往这个方向走。
自信心暴涨但正确率暴跌?最新研究揭示AI辅助下的人类决策悖论
一项涉及 3132 名参与者、共五组实验的研究发现，接入 GPT-5.5、Claude 4.6 Sonnet、Gemini 3.5 Flash 等大模型后，人们回答问题的信心大幅上升，但正确率反而暴跌，并且越来越不愿意说“我不知道”。
OpenAI 重排 Pro 档位：5x和20x用量承诺下线
OpenAI 悄然把 ChatGPT 付费页上的 Pro 档位改名为 Pro Standard 和 Pro More，同时删掉了“5 倍 Plus”“20 倍 Plus”的具体用量承诺，只留下“比 Plus 更多”的模糊表述；代码库中还露出一档可能月费 500 美元的 Pro Max，引发用户对权益缩水和透明…
2026年LLM进展盘点（迄今为止）
Simon Willison 在 WeAreDevelopers 北美大会的主题演讲中，按时间线盘点了 2026 年大模型进展：从 2025 年 11 月 Claude Opus 4.5 和 GPT-5.1 发布后，编程智能体首次跨过“可靠到能日常使用”的门槛，并由此带来一整年的开发方式变化。
Show HN：TinyAIArena 看 AI Agent 一决高下
开发者 hp6 在 Hacker News 上发布了 TinyAIArena，让多个 AI Agent 在一个回合制对战游戏里互相对打，任何观众都能点开比赛实时围观。它值得关注的地方不在于游戏本身，而在于这是一次用博弈环境测大模型决策能力的公开实验。
戳破AI的虚张声势：加上“不要猜测”指令，编造说法从71%降到20%
一项针对网页信息抽取的测试显示，只要在指令中加入“缺失字段填 null、不要猜测”，16 个模型的编造率从 70.7% 降到 20.2%。这说明很多“自信的错误”并非能力上限，而是提示词没有把“我不知道”设为一个合法答案。
Ember-1
Fireworks Research 发布专用模型 Ember-1，基于 Kimi K3 训练，在保持同等质量的前提下减少了约 40% 的 token 消耗。它试图解决推理模型在自动化编码和智能体任务中“想太多、花太贵”的问题。