AI 数学能力两年巨变

Yuchen Jin评价OpenAI一款自称显著强于GPT-6 Astra的模型解决千禧年大奖难题，称其为数学界的AlphaGo时刻。他同时指出AI已比数学博士聪明，却在许多任务上不如实习生，锯齿状智能问题需要被解决。

Yuchen Jin 称 GPT-6 Astra 修复了 GPT 最大的短板之一前端能力，在设计和一次性生成游戏、工具与计算机使用上感觉优于 Fable 5.1。他个人同时付费使用 Claude Max 和 ChatGPT Pro，表示可能到了取消其中一个订阅的时候。

Yuchen Jin 发推调侃听说的 GPT-6 Astra 被称为 AGI 到来和"代际飞跃"的说法，并反讽称这就是今天早上半个互联网宕机的原因，戏称 AGI 已经接管了一切。

Yuchen Jin 分享 Fable 5.1 首日使用印象：说话更像正常人，不再有明显的 Claudish 味。他提到其网页搜索仍不如 GPT-5.6 Sol，常漏掉应搜的关键内容，但在前端方面仍明显强于 GPT 模型。他还表示自己的日常主力模型现在是 Kimi K3，称在 Databricks 内部大量实际使用，效果出乎意料地好。

我现在几乎不用 Claude Opus 5 了。 它说话不像正常人（尤其是中文）。太啰嗦，很少说到点子上。GPT-5.6 Sol 更好。 与此同时，GLM-5.3、GLM-5.3-Flash 和 Kimi K3 等开源模型相当不错，而且性价比高。 已经没有默认赢家了。

我越是使用前沿模型，就越不相信存在一个模型能统治一切。 - Opus 5：最擅长用生成的 HTML 教我东西，但冗长且潦草。 - GPT-5.6 Sol：后端很强，前端较弱。 - Kimi K3 / GLM-5.2：日常编码中 90% 的场景便宜又高效，但在写内核这类 AI 研究任务上较弱。 每个实验室都在为 AGI 而训练。但今天的 LLM 仍然是专才。

OpenAI 发布 GPT-6 家族的实用指南，讲解如何按任务选择 GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna 及推理档位与速度模式。

Artificial Analysis 称本周 MiMo-V2.6-Pro、Claude Opus 5.5、GPT-6 Luna 和 GPT-6 Sol 的发布在 Intelligence Index 与每任务成本 Pareto 前沿上新增十一个点位，其中 GPT-6 Luna 贡献五个，Claude Opus 5.5 贡献四个。

Artificial Analysis 实测 Claude Opus 5.5 在 Intelligence Index 得分 58，为其测得的最高分，并在 Terminal-Bench 4.0 上与 GPT-6 Astra 打平（59.6%）。

Artificial Analysis 发布 Grok 4.7 评测，Grok 4.7（xhigh）智能指数得 46 分，较 Grok 4.6 高 2 分，使 SpaceXAI 进入前四；搭配 Grok Build 的编码智能体指数从 47 升至 56，仅次于 Claude Fable 5.1、GPT-6 Astra 和 Claude Opus 5。