Graphite 研究：Claude Opus 5.5 爱说"this matters"，各前沿模型写作痕迹各不相同
Graphite 研究分析前沿模型写作习惯后发现，Claude Opus 5.5 最爱用"dependable"（比人类样本高 23 倍）和"this matters"（高 116 倍），OpenAI Astra 则偏好"another dimension"与"not simply X"式修正性表述（超人类 100 倍）。
#评测/基准
#评测/基准
今日 1 条TechCrunch · AIAI 评分3636
Google ResearchAI 评分4242 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“答案优先”的工具调用数据集生成范式：先生成 ground-truth 工具链，再反推用户 prompt，从而以更低成本生成更复杂的长程工具调用数据。
Import AIAI 评分3838 Import AI 469：DiG-bench 游戏发现基准、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 期介绍了新基准 DiG-bench，其包含 70 款规则与目标均隐藏的探索类游戏，公开 21 款并设七档难度，Opus 5 与搭配 Claude Code 的 Fable 5 表现最佳，仅这两者在 Tier 7 取得 0.2 成功率，而人类可达 100%。
Microsoft ResearchAI 评分3232 MindTopo 基准揭示 VLM 的空间推理能力短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大语言模型的拓扑推理能力，涵盖连续性、分离、顺序、包围与打结五类任务，并区分静态推理与交互规划两个层级。测试显示，当前闭源与开源模型在静态识别上表现明显优于交互规划，且均远低于人类水平；失败多出现在规划阶段而非感知阶段，模型在场景变化后难以维持结构关系。图像与视频生成仅在单帧保留结构约束时才有帮助。