Claude Opus 5.5 擅长制作讲解视频
Claude Opus 5.5 本周发布后获得积极评价，凭借讲解视频表现迅速成为社交平台讨论焦点。它在 SimpleBench 取得 88.4%，并被评价为 Anthropic 迄今最佳视觉模型；视觉表现优于 Fable 5 和 GPT-6 Sol，但不及 GPT-6 Astra。
#评测/基准
#评测/基准
今日 0 条Latent SpaceAI 评分4848
OpenAI NewsAI 评分2828 Basis 使用 GPT-6 Astra 完成税务工作簿速度提升 2 倍
GPT-6 Astra 完成一份包含 50 个工作表标签页（tab）的税务工作簿的速度比 GPT-5.6 Sol 快 2 倍。该模型具备更强的用户意图理解能力，让 Basis 在实际业务场景的使用中更具信心。
OpenAI NewsAI 评分3535 OpenAI 推出 MentalHealthBench 评测基准
OpenAI 推出 MentalHealthBench 评测基准，用于评估 AI 在真实心理健康对话中回复的有效性与安全性。该基准结合专家知识构建，旨在检验 AI 模型在心理健康场景下提供有益且安全响应的能力。
Simon Willison精选AI 评分8686 Claude Opus 5.5 与 GPT-6 Sol/Luna 实测：新模型定价对比与推理表现分析
Anthropic 与 OpenAI 分别推出 Claude Opus 5.5 以及 GPT-6 Sol 和 Luna，带动前沿与高性价比模型迎来大幅降价。GPT-6 系列定价相比 GPT-5.6 对标型号直接减半，Opus 5.5 定价降低 20% 且缓存读取价格下调 60%。
推荐理由：原文对比了新一代模型的定价降幅与实测表现，并指出 Opus 5.5 在极高思考配置下可能因推理过长触发输出上限。
NVIDIA Blog精选AI 评分6868 NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 评测中亮相
NVIDIA 公布 MLPerf Inference v6.1 评测结果，Vera Rubin NVL72 系统在 Qwen3-VL 上吞吐量最高达到 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上吞吐量提升最高达 2.5 倍。
推荐理由：原文给出了新一代机架在主流推理模型上的基准吞吐数据，读者可以据此评估大规模算力集群的推理能效与扩展收益。
Microsoft ResearchAI 评分4949 扩大 Skala 的可用范围，为预测性 DFT 提供更快路径
Microsoft Research 发布 Skala-1.1，并扩大 Skala 在计算化学软件中的可用范围。Skala-1.1 使用比首个公开版本多 2.5 倍的数据训练，在 GMTKN55 的 55 个类别中有 32 个排名第一，加权平均误差为 2.8 kcal/mol。
Microsoft ResearchAI 评分4949 MindTopo揭示视觉语言模型的空间推理能力
Microsoft Research推出MindTopo基准，评估多模态大语言模型对拓扑关系的静态推理和交互规划能力。测试涵盖连续性、分离、顺序、包围和打结，结果显示模型在静态识别任务中的表现明显强于交互规划。规划失误常发生在感知之后，模型会在多步操作中丢失结构关系或提出违反环境规则的动作。