B站上線"AI 無限競技場"測評榜：上百模型同場廝殺，GPT-6 暫坐頭把交椅

2026年9月20日 14:20

站內 AI 整理稿

AI資訊AI新聞資訊正文B站上線"AI 無限競技場"測評榜：上百模型同場廝殺，GPT-6 暫坐頭把交椅發佈於AI新聞資訊發佈時間 :2026年9月20號 14:13閱讀 :1分鐘B站今天端出了一塊大模型擂臺——"AI 無限競技場"測評榜，並同步亮出首輪排行榜。在10位 UP 主的真機實測裡，GPT-6Astra 拿下榜首、並且搶下"登頂次數冠軍"，把 GLM-5.3壓在身後;前五名裡國產大模型佔了三席，和海外巨頭貼身肉搏。這塊競技場和傳統跑分榜的玩法不一樣。

它把 B站各領域 UP 主對上百個大模型的真實場景實測匯成一個廣場，涵蓋代碼、推理、協作、知識等多種主題，而且不設固定的測評維度限制——來自不同分區的創作者拿真實工作流、專業應用乃至趣味腦洞自主命題，讓模型在同題 PK 裡把實際差距攤開給人看。DeepSeek、Kimi、ChatGPT、Claude、Gemini、豆包、千問、Hy、MiniMax 等主流模型都在對比之列，排名實時刷新，並持續向全站 UP 主開放報名。B站押注這塊榜單，底氣來自平臺上 AI 內容的爆發。過去一年，B站 AI 知識內容消費時長同比增長72%，月均觀看 AI 內容的用戶超過1.

9億，圍繞模型發佈、討論、測評、使用、求助、共建的內容已經成體系。當模型迭代快到跑分榜追不過發佈節奏，把評測權交還給真實創作者和真實工作流，反而更貼近用戶心裡那句"到底哪個好用"——B站想做的，是把自家的社區生態變成大模型走向大眾的另類裁判臺。相關推薦 Anthropic考慮推出新模型，擬應對OpenAI GPT-6Astra競爭路透社稱，Anthropic籌備IPO期間擬推新AI模型，以應對OpenAI GPT-6Astra在企業市場的競爭，但安全性仍在評估，發佈時間未定。此舉與其CEO阿莫代9月12日呼籲放緩AI能力迭代、重視安全的主張形成對照。2026年9月20號 9:50146.

0kOpenAI 宣佈 GPT-5.5 將於 10 月 14 日下線：ChatGPT 與 Codex 同步移除OpenAI宣佈GPT-5.5將於10月14日從ChatGPT、ChatGPT Work及Codex下線，覆蓋所有訂閱方案。官方提醒Codex用戶儘快切換至GPT-5.6 Sol或GPT-6 Astra。此次停用涉及全部計劃，替代模型為上述兩個。該模型於今年4月24日推出，較GPT-5.4在同等任務上有所優化。2026年9月16號 9:22178.9kGPT-6 Astra 模擬經營售貨機一年狂賺 1.

5 萬美元，成績碾壓 Claude 近 3 倍Andon Labs的Vending-Bench2測試中，AI以500美元模擬經營售貨機一年。GPT-6 Astra平均賬戶餘額達15515美元首次登頂，最差一輪也超過Claude Fable5.1最佳表現。差距不僅在於盈利，更在策略：Astra持續壓低採購價，一度砍至原價約48%。2026年9月15號 9:54256.6kGPT-6 Astra展現恐怖統治力：模擬售貨機一年狂攬1.5萬美元，成績碾壓Claude近3倍Andon Labs的Vending-Bench2測試中，AI代理用500美元模擬經營自動售貨機一年。

GPT-6Astra平均餘額達15515美元，最差一輪也超Claude Fable5.1最好成績，首次登頂，優勢體現在供應鏈管理和規則執行力。2026年9月14號 17:45217.4kOpenAI發佈金融服務版ChatGPT：集成GPT-6 Astra重構投行核心業務OpenAI於9月10日推出ChatGPT for Financial Services，聯合摩根士丹利與Evercore開發，聚焦投資銀行和股票研究場景，標誌大模型深入金融機構核心業務。該服務集成GPT-6 Astra推理能力，可高效處理海量數據。2026年9月11號 9:54328.

原始來源：AIbase ↗

查看原始來源

AIBase生成式AI

機器人距離自主完成複雜任務還有多遠?王興興談具身智能突破方向

目前，頂尖模型已非常接近這一目標。王興興指出，當前具身智能模型已具備較強規劃能力，但在拆機、裝配等精細操作中，仍面臨物理對齊和觸覺接觸方面的挑戰，即“最後幾毫米”問題。他認為，2027年可能成為具身智能泛化部署的臨界點，一旦這一技術瓶頸得到突破，行業規模化應用的障礙將大幅減少。

46 分鐘前5400閱讀分析

AIBase生成式AI

字節跳動收緊內部AI權限：網傳將全公司封禁外部AI訪問L4 代碼庫，高管迴應保密與體驗平衡

據悉，從本月起，字節跳動將會對全公司所有 L4級別的代碼倉庫和飛書文檔實施外部 AI 訪問封禁，員工個人採購的 AI 賬號將無法繼續在上述核心區域使用。核心資產安全與分級管控的考量在字節跳動的內部職級體系中，L4通常對應原3-1級別，屬於團隊的 TL（團隊主管）或初級經理，處於核心技術骨幹與管理層的分水嶺位置。

46 分鐘前7600閱讀分析

AIBase生成式AI

普林斯頓AI Lab推出SSoN基準，人類準確率83.3%而大模型最高僅39.7%

該測試旨在剝離動態交互與動作控制的幹擾，專門檢驗人工智能在靜態跨視角下的三維空間理解能力。測試結果顯示，在“四選一挑異常”的室內空間考題面前，人類的準確率高達83.3%，而受測的主流視覺語言模型最高僅有39.7%，甚至多數模型的表現低於四選一的隨機基線，暴露出當前 AI 在空間幾何推理上的核心短板。

1 小時前7000閱讀分析

AIBase生成式AI