Anthropic 的评测显示，智谱开放权重模型 GLM-5.3 的漏洞利用开发能力接近 Claude Mythos Preview，但安全防护容易被绕过。ExploitBench 的 410 次尝试中，两者分别构建了 50 和 56 个有效漏洞利用；内部二进制漏洞利用测试中，完全控制目标程序的任务占比分别为 4% 和 6%。
推荐理由：同一漏洞利用基准下的直接对照，让开放权重模型与受限模型的能力差距更具体，也将攻击能力与拒绝机制的有效性区分开来。
Anthropic 前沿红队评测发现，GLM-5.3 在内部二进制漏洞利用基准测试中实现完整控制流劫持的成功率为 4%。评测随机选取 100 项任务，Claude Mythos Preview 成功率为 6%，Claude Opus 4.6 和 GLM-5.2 均未成功。
Basis 使用 GPT-6 Astra 完成含 50 个标签页的税务工作簿，速度是 GPT-5.6 Sol 的 2 倍。GPT-6 Astra 对用户意图的理解能力更强，让 Basis 对其实际应用更有信心。
Simon Willison 对 Claude Opus 5.5、GPT-6 Sol 和 GPT-6 Luna 进行了初步实测，并比较了新模型降价后的使用成本。
推荐理由：价格对照与失败测试提供了模型选型的成本视角，单价下降之外，高推理档位耗尽输出额度的费用与等待时间也应纳入比较。
Parallel 借助 GPT‑6 Astra，让其 AI 智能体研究并综合劳动力市场数据的耗时与成本均降至此前模型的一半。对比结果针对劳动力市场数据的研究与综合任务。
DharmaOCR 在专为葡萄牙语设计的基准测试中得分 0.925，优于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。其训练结合巴西葡萄牙语文档的监督微调与 DPO，分别强化领域能力和输出稳定性；团队三个月前已开源其中一个模型。