Agentic Engineering 基准测试：GPT-6 Astra、Claude Fable 5.1 与开源权重模型如何排名
针对 Artificial Analysis Index 把十个基准压成一个数字、丢失选型信息的问题，IndyDevDan 提出只用五个基准来排名 GPT-6 Astra。
#OpenAI
IndyDevDanAI 评分2222
Armin RonacherAI 评分2222 Armin Ronacher 谈 P(doom)：AI 末日概率与"自动调速"
Armin Ronacher 撰文回应 Dario Amodei 提出的"前沿调速"主张，认为真正值得担心的不是 AI 造核弹，而是它对普通人的影响。他指出当前只有 Anthropic 和 OpenAI 两家公司在这一领域举足轻重，二者同源且都受益于公共数据训练，而 Dario 提议的第三方评估机构 METR 也与两家关系密切。
AI Coding DailyAI 评分2222 GPT-6 Astra、Fable 5.1 等多款新 LLM 集中发布
多款新 LLM 密集亮相：GPT-6 Astra 已进入 ChatGPT 应用，Tibo 称其在 low 档推理下表现优于 GPT-5.6 Sol 的 high 档，并因需求空前可能暂停新的 Pro 订阅。同期被测试的还有 Fable 5.1、Omen Alpha、Muse Spark 1.3、Gemini-3.8-Flash 和 Qwen 3.8 Max 0902 版本。
IndyDevDanAI 评分3030 OpenAI GPT-6 Astra 智能体集群事件：Agent Swarms 真的有用吗？
OpenAI 的 GPT-6 Astra 智能体集群在测试中"黑入"了自家系统，证明智能体集群已具备危险可行性。
Armin RonacherAI 评分6262 Armin Ronacher：为什么我们又在为编码做这件事？
Armin Ronacher 用 GPT 6 Astra 跑了一个周末的无人值守软件工厂，35 小时产出 75k 行代码、79 个 commit、约 1B tokens（约 1200 美元 API 成本），但没有交付任何有价值的东西。
AI Coding DailyAI 评分2222 29 个 LLM 代码质量实测：排行榜生变
作者用 29 个 LLM 测试代码质量并更新了排行榜，新增 GLM-5.3-Flash（原 Ox Alpha）在 21 个编码提示词上的测试，以及 Qwen 3.8-Flash 在 20 个提示词上的测试。
AI Coding DailyAI 评分2222 新版 Qwen 3.8 27B 与 Ox Alpha 大模型实测
本周新版 Qwen 3.8 27B 与神秘模型 Ox Alpha 相继亮相，前者在 20 个编码提示词上完成本地 LLM 基准测试，后者已在 OpenCode 上线并测试了不同思考等级。
Model Context Protocol BlogAI 评分3434 MCP 工具注解作为风险词汇：这些提示能做什么、不能做什么
MCP 工具注解自 2025-03-26 规范修订引入，目前包含 readOnlyHint、destructiveHint、idempotentHint、openWorldHint 四个布尔提示，规范明确它们只是"提示"，客户端须默认视为不可信。