Simon Willison 引述 Anthropic Frontier Red Team 关于 GLM-5.3 网络攻击能力的评测
Anthropic Frontier Red Team 在内部 Binary Exploitation benchmark 的 100 个任务上评测发现，GLM-5.3 在 4% 的试验中实现完整控制流劫持，Claude Mythos Preview 为 6%，而 Claude Opus 4.6 和 GLM-5.2 均无一成功。
#评测/基准
#评测/基准
今日 1 条Simon WillisonAI 评分4747
OpenAI NewsAI 评分2424 Basis 使用 GPT-6 Astra 将税务工作簿处理速度提升 2 倍
Basis 的税务工作簿场景中，GPT-6 Astra 完成 50 个 tab 的税务工作簿速度比 GPT-5.6 Sol 快一倍。其对用户意图的理解更强，让 Basis 在实际使用中更有信心。
NVIDIA BlogAI 评分4242 NVIDIA Vera Rubin NVL72 首次参加 MLPerf Inference v6.1 即获领先性能
NVIDIA Vera Rubin NVL72 首次提交 MLPerf Inference v6.1 预览成绩，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7x，在 DeepSeek-R1 上达 2.5x，使用 vLLM、Dynamo 和 TensorRT-LLM。
Hugging Face BlogAI 评分3030 DharmaOCR 如何以领域专精持续领先新发布的 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在巴西葡萄牙语 OCR 基准上以 0.925 的得分领先新模型 Mistral OCR4（0.798）和 Unlimited-OCR（0.7587），证明领域专精的优势依然成立。该模型先通过葡萄牙语文档监督微调对齐词汇与文档结构，再用 DPO 从偏好数据中学习以降低输出退化率和推理成本。专项化训练使全部参数集中于单一语言，这一结构性取舍构成了对多语言模型的可量化优势。
Import AIAI 评分4949 Import AI 464：Fable 写出 GPU kernel，RLI 显示 AI 自动化在线工作能力飙升
AI 系统 Fable 在 KernelBench-Mega 上写出首个真实且最快的 megakernel，在 RTX PRO 6000 Blackwell 上实现 18.71X 加速，超过 Claude Opus 4.8（14.4X）、GLM-5.2（11.14X）和 GPT 5.5（4.34X）。