Anthropic 发布 Claude Haiku 5.5，价格对齐 GPT-6 Luna
Anthropic 发布快速低价模型 Claude Haiku 5.5，定价为每百万 token 输入 $0.10、输出 $0.50，与 OpenAI 上月发布的 GPT-6 Luna 一致，超过 100,000 token 后涨至 $0.50/$2.50。
推荐理由：作者实测对比 Haiku 5.5 与 GPT-6 Luna 的价格、tokenizer 与推理档位，给出可迁移的成本判断。
#推理
#推理
今日 2 条Simon Willison精选AI 评分7676 The Decoder精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小型模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%，超过 10 万 token 的提示词价格则是前者的五倍。
推荐理由：Haiku 5.5 的降价幅度与基准提升同时给出，读者可据此判断小型模型在成本敏感任务中的实际定位。
Simon WillisonAI 评分6262 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，基于自有 3800 块 NVIDIA Grace Blackwell GPU 集群训练，目前通过其 API 提供。
The Decoder精选AI 评分7676 Reflection 发布首款开源权重模型 Beam，主打低算力对标 DeepSeek 与 Qwen
AI 公司 Reflection 发布首款免费开放模型 Beam，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿，面向编码、逻辑推理和智能体任务。
推荐理由：Reflection 首款开源权重模型 Beam 以 MoE 架构和超大规模 RL 训练，在推理与编码基准上以更少算力对标 GLM 5.2 和 Qwen 3.8。
TechCrunch · AIAI 评分7171 Reflection 发布开源权重模型 Beam，对标中国开源模型并称推理算力低 3-4 倍
Reflection AI 发布首款前沿开源权重模型 Beam，称其在高级推理基准上追平 Z.ai 的 GLM-5.2，并比当前领先的西方开源模型表现更好，推理算力用量少 3-4 倍。
The Decoder精选AI 评分7878 Google 发布 Gemini 4 Argon：基准追平 OpenAI 与 Anthropic，但未取得明显领先
Google 发布新一代前沿模型 Gemini 4 Argon，在 Artificial Analysis 智能指数上以 53 分追平 GPT-6 Astra（max）和 Claude Fable 5.1，但仍落后 Claude Opus 5.5 的 58 分。
推荐理由：汇总第三方与 Google 自测的基准、价格和 token 消耗差异，可判断 Argon 在头部模型中的实际位置。
Latent Space精选AI 评分8585 Google DeepMind 发布 Gemini 4 Argon，输出上限提升至 1M token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，首批开放给 Fairwind 计划中的政府用户与可信网络安全人员，之后才会向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与可用范围，并列出观察者对公布数据的质疑。
Hugging Face：Blog（RSS）精选AI 评分6767 NVIDIA 发布开源表格基础模型 Kumo Tabular，在 TabArena 等四项基准排名第一
NVIDIA 发布开源表格基础模型 Kumo Tabular，对带标签表格做单次前向推理即可完成分类和回归，无需训练、调参或特征工程。
推荐理由：官方技术博客披露了架构、纯人工数据预训练配方和四项基准成绩，读者可据此评估其替换梯度提升树的可行性。
Hacker News 热门（buzzing.cc 中文翻译）AI 评分4242 Jeeves：基于 Qwen3.5-9B 的推理型 Jev 式决策模型，开源权重与训练代码
PostHog 发布 Jeeves，一个基于 Qwen3.5-9B（LoRA + pointer head）的推理型 Jev 式分类器，采用 SFT 与 CISPO 训练，并配备 block-4 扩散草稿器。
MarkTechPost（RSS）AI 评分8080 Anthropic 发布 Claude Sonnet 5.5：Terminal-Bench 4.0 得分 70.6%，价格维持 $2/$10
Anthropic 发布 Claude Sonnet 5.5，是 Claude 5.5 家族第二款模型，定位为 Opus 5.5 更快更省的补充，已在 Claude Platform、AWS、Google Cloud 和 Azure 上线。
OpenRouter@OpenRouterAI 评分2525Latent SpaceAI 评分6767 Opus 5.5 本周发布，擅长生成讲解视频
Anthropic 的 Claude Opus 5.5 本周发布，社区反馈以正面为主，尤其擅长生成讲解视频。它在 SimpleBench 上以 88.4% 领先，在 Terminal-Bench-Science 上推理强度从 low 的 24% 升到 xhigh 的 62%，max 档反而降到 59%。
SemiAnalysis@SemiAnalysis_AI 评分3030Artificial Analysis 完整文章（网页）精选AI 评分8080 Claude Sonnet 5.5 达到 Artificial Analysis 智能指数第 2 名
Artificial Analysis 发布对 Claude Sonnet 5.5 的评测：其智能指数得分 56，max effort 下比 Sonnet 5 高 18 分，升至第 2 名，仅落后 Opus 5.5 (max)。
推荐理由：Artificial Analysis 实测指出 Sonnet 5.5 逼近 Opus 5.5 依赖约 193k 输出 token，成本细节对选型有直接参考价值。
The Decoder：AI News（RSS）AI 评分7878 Anthropic 发布 Claude Sonnet 5.5，基准接近 Opus 5.5 且每任务成本最多降低 30%
Anthropic 发布 Claude Sonnet 5.5，输出速度提升超过 30%，因每任务消耗 token 更少，有效成本最多降低 30%，多项基准接近 Opus 5.5。
🚨 AI News | TestingCatalog@testingcatalogAI 评分7575
MarkTechPost（RSS）AI 评分7878 Fireworks AI 发布 Ember-1：基于 Kimi K3 的后训练模型，推理 Token 减少约 40%
Fireworks AI 推出 Ember-1，这是基于 Moonshot AI 开源权重 Kimi K3 进行后训练的专用模型。该模型通过优化内部推理过程，在保持任务准确率的同时将生成的推理 Token 减少了约 40%。与单纯降低推理努力程度不同，Ember-1 保留了有用的自我反思并削减了冗余循环。基准测试显示，其在 Terminal Bench 2.1 和 DeepSWE 1.1 上表现优于 K3 Max，且在生产环境 A/B 测试中实现了显著的成本节约。目前仅通过 Fireworks Serverless API 以研究预览形式提供，未开放权重。
elvis@omarsar0AI 评分5555
Arena.ai@arena精选AI 评分7878推荐理由：原文给出具体排名、分数差和混合价格，读者可据此比较 Claude Opus 5.5 与前代的性价比位置。
karminski-牙医@karminski3AI 评分5858MarkTechPost（RSS）AI 评分5858 BottleCap AI 发布 ThinkingCap-Qwen3.8-27B：思考 token 减少 37.2%，精度仅降 0.86pp
BottleCap AI 发布 ThinkingCap-Qwen3.8-27B，这是基于 Qwen3.8-27B 的微调模型，在 12 个基准上平均减少 37.2% 思考 token，宏观精度从 86.65% 降至 85.79%。
Hacker News：AI 热帖AI 评分5858 Stanford 与 NVIDIA Research 发布对比语言模型 CLM-8B
Stanford 与 NVIDIA Research 团队发布 Contrastive Language Models（CLM）及 CLM-8B，用对比学习连接状态与动作，作为快速决策的 System One 模型。
MarkTechPost（RSS）AI 评分6363 Contrastive-LM 发布开源模型 CLM-8B，零-shot 下评分 Agent 动作比 Jev 快最多 9 倍
Contrastive-LM 发布开放模型 CLM-8B，首个对比语言模型（CLM），不为生成文本而训练，而是对候选动作按当前状态打分并返回概率，主打与 TypeSafe AI 的 System One 模型 Jev 相同的接口。
Fireworks AI（网页）精选AI 评分6666 Fireworks 发布 Ember-1，以约四成更少 token 达到 Kimi K3 质量
Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，通过学习精简不必要的推理，在保持质量的同时减少约 35-50% 的 reasoning token。
推荐理由：官方给出了多组基准、A/B 测试和成本数据，读者可以据此评估用 Ember-1 替代 Kimi K3 降低推理 token 开销的可行性。
Aravind Srinivas@AravSrinivasAI 评分6969MarkTechPost（RSS）AI 评分6868 Kyutai 发布 Voice of Reason，用强化学习让语音原生模型解出口算数学题
Kyutai 发布 Voice of Reason，两个基于 GLM-4-Voice-9B 的开源权重语音到语音模型，无需转写和独立文本 LLM 即可口头解数学题。
MarkTechPost（RSS）AI 评分8282 OpenAI 发布 GPT-6 Sol 与 Luna，API 定价降至五折并公布基准成绩
OpenAI 发布 GPT-6 系列两款新模型 GPT-6 Sol 与 Luna，API 定价相比 GPT-5.6 促销价下调约 50%，Sol 为每 1M tokens 输入 $2、输出 $10，Luna 为 $0.10、$0.50，两者已上线 API。
The Decoder：AI News（RSS）AI 评分7373 OpenAI 发布 GPT-6 Sol 和 Luna，价格减半但性能几乎持平 GPT-5.6
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，token 价格较 GPT-5.6 Sol 和 Luna 下降一半，Sol 为每百万输入 token $2、输出 $10，Luna 为 $0.10/$0.50，同时提供缓存输入 token 九折优惠。
- Arena.ai@arena精选AI 评分6363
Arena 宣布 OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 评分即将公布，邀请用户前往 Arena 实测并通过投票真实智能体任务支持其排行榜。
推荐理由：文中提及Peter用相同提示词和max reasoning对比GPT-6 Sol与GPT-5.6 Sol，覆盖输出、token用量和时延，可帮助读者了解两代模型差异。
OpenAI：官网动态（RSS · 排除企业/客户案例）精选AI 评分8282 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格较 GPT-5.6 降 50%
OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，将 GPT-6 Astra 的训练方法用于更快更便宜的模型，API 价格较 GPT-5.6 促销价下调 50%（Sol 输入 $4→$2、输出 $20→$10；Luna 输入 $0.20→$0.10、输出 $1.20→$0.50，每百万 token）。
推荐理由：官方发布给出各档模型的具体基准分数、API 价格降幅和缓存改进数据，可以用来对比 GPT-6 家族在成本与能力之间的取舍。
Sam Altman@samaAI 评分5252TechCrunch：AI（RSS）AI 评分7070 OpenAI 发布 GPT-6 Sol 和 Luna，价格减半并降低错误率
OpenAI 发布 GPT-6 Sol 和 Luna 更新版，扩展本月早些时候推出的 GPT-6 Astra 系列。6 系列 API 价格为 5.6 系列 Sol 和 Luna 的一半，公司归因于缓存和推理改进；内部事实性评测显示 GPT-6 Sol 错误数约为前代一半，达到 Astra 级可靠性。
Anthropic：Newsroom（网页）精选AI 评分9191 Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%
Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。
推荐理由：官方公告同时给出基准分数、完整定价表和防护措施细节，读者可以据此比较它相对 Opus 5 的成本与能力变化。
The Decoder：AI News（RSS）AI 评分8383 Anthropic 发布 Claude Opus 5.5，性能对标 Fable 5.1 且总成本低约 40%
Anthropic 发布 Claude Opus 5.5，称其在多数任务上达到 Claude Fable 5.1 水平，总运营成本比 Opus 5 低约 40%，输出速度快 30% 以上。
- elvis@omarsar0AI 评分7777
The Decoder：AI News（RSS）AI 评分7676 小米发布 MiMo-V2.6 系列，Pro 登顶开源模型榜，Anthropic 指其借 Claude 蒸馏数据
小米发布 MiMo-V2.6 系列，旗舰 MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 得 46 分，居开源模型之首，价格为每百万输入 token $0.435、输出 $0.87。
X.PIN@thexpinAI 评分5858IT之家（RSS）AI 评分7272 小米发布并开源 MiMo-V2.6 系列，窦锦虎评价 MiMo-V2.6-Pro 达训练有素博士研究人员水平
小米发布并开源 Xiaomi MiMo-V2.6 系列，含 Pro 与 Flash 两个原生全模态模型，称这是探索 RSI（递归自我改进）路径的关键一步。
MarkTechPost（RSS）AI 评分7979 xAI 发布 Grok 4.7：更大基座模型，保持与 Grok 4.6 相同的 $2/$6 定价
SpaceXAI 发布新旗舰模型 Grok 4.7，面向编码、智能体任务和知识工作，定价与 Grok 4.6 相同，为每百万 token 输入 $2、输出 $6。
StepFun@StepFun_aiAI 评分6363