拆解 WorkBuddy、千问办公和豆包工作：同一份脏数据算出三个总额
作者用同一份脏销售流水和同一句提示词实测 WorkBuddy、千问办公和豆包工作，三家都交付了 Excel、PPT 和摘要，但算出的季度总额最高比最低多出 57.7%。
推荐理由：作者用同一份脏数据和同一句提示词实测三款办公 Agent，并拆开安装包对比执行环境，可看到三家在纠错方式与责任归属上的差异。
#评测/基准
#评测/基准
今日 0 条雷锋网精选AI 评分7070 雷锋网精选AI 评分4747 实测 GPT-6 Astra、Fable 5.1 与 GPT-5.6 Sol 控制同一台云台机器人
作者把同一句模糊指令交给 GPT-6 Astra Pro、Claude Fable 5.1 和 GPT-5.6 Sol，三者都让两轴云台转了起来，但对完成的理解不同：Sol 和 Fable 走完四个组合极限角，Astra 只用 7 步分别抵达两轴边界。
推荐理由：作者用同一台云台机器人实测三个模型，从动作数、速度参数和验证机制看它们对完成与风险的不同理解。
雷锋网精选AI 评分5858 用三张圆明园鼠首照片实测：GPT-6 Astra 调度 Aholo Lux3D 与 Blender 生成 3D 资产
作者用三张圆明园鼠首照片和一段自然语言指令，让 GPT-6 Astra 在 Codex 中调度 Aholo Lux3D 生成 3D 模型，再交由 Blender 检查、调材质、加底座并渲染导出。
推荐理由：作者用三张鼠首照片跑通从自然语言到可交付 3D 资产的完整链路，并给出耗时与成本数据，可据此判断专业模型接入通用 Agent 的工程化路径。
量子位AI 评分3636 OpenAI 推理教父 Noam Brown 访谈：数学只是多智能体时代的开胃菜
OpenAI 研究员 Noam Brown 在播客访谈中表示，1 万个 Agent 耗时 88 小时、消耗 1300 亿 token 解出千禧年数学难题，但他认为多智能体最多只占其中 10% 的功劳，核心仍是模型本身足够强。
雷锋网精选AI 评分4949 雷锋网实测：免费 AgnesCode 与 Codex 在 DeepSeek-V3 算子优化任务中互有胜负
雷锋网把 AgnesCode + Agnes 3.0 Flash 与 Codex + GPT-5.6 Sol 放进众智 FlagOS 开放计算全球大赛的 DeepSeek-V3 解码阶段融合 QKV-A 下投影算子题（Task66: dsv3_fused_a_gemm），在 8 款芯片上接受赛事官方自动化评测。
推荐理由：雷锋网用同一道算子优化题对比免费 AgnesCode 与付费 Codex，给出跨芯片加速比与耗时数据，可作 Agent 底层工程能力的参照。
OpenAI NewsAI 评分2222 OpenAI 数据揭示全球用户如何用 ChatGPT 从提问走向做事
OpenAI Signals 数据显示，全球用户正把 ChatGPT 从提问工具变为做事工具，并给出国家级采用情况与使用趋势洞察。该数据覆盖各地采用程度、使用趋势与行为演变。
OpenAI News精选AI 评分3838 OpenAI CFO Sarah Friar 提出 AI 时代的 ROI 记分卡
OpenAI 首席财务官 Sarah Friar 提出一套实用的 AI 记分卡，通过有用工作量、单次成功任务成本、可靠性和算力回报四项指标衡量 AI 的 ROI。
推荐理由：OpenAI 首席财务官提出用有用工作量、单次成功任务成本、可靠性和算力回报四项指标衡量 AI 投入产出。
OpenAI News精选AI 评分3838 OpenAI 发布第三方 AI 评测指南，覆盖能力、防护与有效性评估
OpenAI 发布关于第三方 AI 评测的指导，内容涵盖如何评估前沿系统的模型能力、防护措施与评测有效性。
推荐理由：OpenAI 官方给出第三方评测的评估框架，涉及模型能力、防护措施与有效性，可供关注评测方法的人参考。
OpenAI NewsAI 评分2222 OpenAI 解读 evals 如何驱动企业 AI 新篇章
OpenAI 发文阐述 evals 如何帮助企业定义、衡量并改进 AI 性能，从而降低风险、提升生产力并形成战略优势。
OpenAI News精选AI 评分3636 OpenAI 研究解释语言模型为何产生幻觉
OpenAI 发布新研究，解释语言模型产生幻觉的原因。研究结果显示，改进评测方式有助于提升 AI 的可靠性、诚实性与安全性。
推荐理由：OpenAI 从评测角度解释大模型幻觉的成因，读者可据此理解评测改进与模型可靠性之间的关系。
OpenAI NewsAI 评分2020 OpenAI 研究：用推理时计算换取对抗鲁棒性
OpenAI 提出以增加推理时计算来提升模型对抗鲁棒性的思路，即用更多推理算力换取对对抗攻击的抵抗能力。该方向探讨推理时计算与对抗鲁棒性之间的权衡关系。
OpenAI NewsAI 评分1818 OpenAI 如何用人类与 AI 推进红队测试
OpenAI 发布文章阐述如何结合人类与 AI 推进红队测试。原文未披露具体模型版本、参数规模或 benchmark 数据，仅以标题点明人类与 AI 协同这一方向。