内容形态
模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
6 条精选近 30 天 6 条共收录 47 条
Anthropic 于 11 月 10 日发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款模型，官方称在编码、推理、科学研究、网络安全及机器人等领域显著提升，输出速度最高提高 30%，成本下降 20%。
对A股利好物理AI，大模型在机器人领域能力显著提升
推荐理由：官方跑分显示 Claude Fable 5.2 在编码与多学科推理基准上领先竞品，并附长程协作与多智能体演示细节。
研究与增长营销公司 Graphite 基于 Similarweb 数据的研究显示，ChatGPT 占全球主要 AI 聊天机器人工具总流量的比例已超过 81%，没有其他竞争对手份额达到 10%。ChatGPT 月访问量增长近 20%，今年 9 月达到 613.5 亿次；全球主要 AI 服务月访问量为 760 亿次，同比增长 37%，其中美国仅占全球 AI 流量的 8.8%。
对A股AI应用与终端需求高增长，利好AI应用与终端（推断）
推荐理由：Graphite 基于 Similarweb 流量数据给出 ChatGPT 份额与全球 AI 流量分布，可作竞争格局的量化参照。
阿里巴巴发布编程智能体验证基准Co-Design Bench，测试AI对真实用户请求的处理能力。结果显示，即使是表现最好的GPT-6 Astra也仅能完全解决26.4%的任务，而在旧基准上这些模型得分超过99%，凸显了现实场景与实验室评估的巨大差异。
推荐理由：原文通过真实场景测试揭示了AI编程智能体在复杂任务中的实际表现与旧基准的差距。
SemiAnalysis发布TPUv7在InferenceX AgentX基准上的多模型实测结果，显示其在GLM-5.2、Qwen3.5等模型的FP8推理中每美元Token产出显著优于B200/B300及MI355X；尽管GB300 NVL72 FP4在部分场景仍领先，但TPU凭借Megakernel等技术缩小差距，同时文章指出NVIDIA面临开源生态响应迟缓与官僚主义阻碍技术迭代的挑战。
对A股谷歌TPU性价比领先，利空英伟达链；利好国产算力芯片（推断）
推荐理由：TPUv7在AgentX基准上展现FP8推理性价比优势，揭示NVIDIA FP4精度与生态壁垒的潜在风险。
Google 上周发布 Gemini 4 Carbon，以 59 分位列 Artificial Analysis Intelligence Index V5 榜首，比 Claude Opus 5.5 高 1 分，每任务成本 $7.76，低于 Claude Opus 5.5 的 $10.04。该模型在 AA-Omniscience 幻觉测试中以 54 分居首，但正确率 58% 对应 11% 的幻觉率。
推荐理由：报道引用 Artificial Analysis 数据给出 Gemini 4 Carbon 的排名、每任务成本与幻觉分数，读者可据此横向比较各前沿模型的智能与价格取舍。
媒体报道Fysiverse-UniWAM在24项真机评测中取得导航、移动操作双第一，且不依赖大规模机器人预训练。该方法让机器人不仅知道往哪走，还能确定停驻位置与朝向，停稳后可直接执行操作，解决了底盘停得稍远机械臂够不着、朝向偏差影响抓取等长期难题。机器之心报道，仅基于摘要素材。
对A股利好物理AI环节，具身智能大模型真机导航与操作能力获验证
推荐理由：媒体报道Fysiverse-UniWAM在24项真机评测中拿下导航与移动操作双第一，且不依赖大规模机器人预训练，对具身智能技术路线有比较参考价值。