第三代推理評測的環境到底長什麼樣子
每一個環境都是一款規則未知、分關進行的回合制解謎小遊戲，連過關目標都要自己摸索出來，這篇把規格一次講清楚。
OpenAI、Claude、Grok 為何同時掛點？HN 500+ 則討論的四個假說
三家 AI 同一早晨接連故障，HN 吵的是連鎖遷移壓垮還是共用承重服務出事，外加 Downdetector 可信度與護城河之死。
GPT-6 Astra：開創智慧與安全的新世代模型
GPT-6 Astra 是 OpenAI 最新推出的高智慧、高對齊模型，在電腦操作、程式開發、網路安全、科學研究與專業工作皆達頂尖水準，FrontierMath Tier 4 達 98%、ExploitBench 滿分。本文為官方公告繁體中文翻譯整理。
GPT-6 Astra 在 ARC-AGI-3 拿下近滿分：HN 934 則留言吵的其實是 AGI 定義
OpenAI GPT-6 Astra 在 ARC-AGI-3 接近滿分，HN 934 則留言吵的不是分數，是 AGI 到底該怎麼定義。
李飛飛的 Atlas：一張照片生成可 3D 重建的世界模型，但數字先打折再看
World Labs 2026-09-01 發表 Atlas omni 世界模型：單一模型同時生成影片、重建 3D、模擬機器人訓練環境。效能數字全部來自官方自測，只開放 early access。
GLM 5.3 Flash 寫程式能力有多強？跑分、社群實測與盲測封神一次看
先有口碑、後有名字：ox-alpha 盲測衝上 OpenRouter 用量第一，揭曉是 GLM-5.3-Flash。程式能力約等於 Claude Opus 4.8，價格卻是零頭，本文整理官方跑分、第三方指數與 Reddit、X 社群實測。
宇樹科技黑料整理：100元報銷、只罰不獎，哪些是真、哪些是加料？
核心事件是真的，罰款價目表沒出處。整理《財經》報導中有背書的料，和頭條號加料的部分。
世界最大暗物質探測器只看到一個粒子：LZ 的 248 keV 事件與 HN 爭點
LZ 在高能量區看到 1 個排除不掉的 248 keV 事例，誤報機率約 1/200。整理 Science 原文重點與 HN 81 則留言爭點。
Gemini 3.8 Flash 與 Flash Cyber：六週三發，最強推理編碼主力加資安專家
Google 9 月 2 日推出 Gemini 3.8 Flash 與 Flash Cyber：同速度同價格接棒 3.7，推理編碼大躍進；Cyber 版專攻漏洞挖掘與自動修補，僅對可信防禦方開放。整理官方資料與 HN 近 500 則討論的正反交鋒。
Meta Muse Spark 1.2 研究：1M 視窗、MCP 90.3% 與最透明的 Contributor 定價（含 HN 社群反應）
Muse Spark 1.2 是 Meta 的 coding-focused update，1M context、與 Muse Code 共訓，MCP Atlas 90.3% 業界第一，contributor /bin/bash.10//bin/bash.20 定價最激進。HN 2026-09-03 登頂 355pts，社群肯定 tool-like 特質但質疑 benchmaxxing 與 harness 耦合。