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。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 1–20 条 · 共 68 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。
OpenAI News精选AI 评分6262 OpenAI 公布前沿模型在数学开放问题上的新结果
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并公开 Lean 证明形式化及研究细节。相关材料已发布在 GitHub 上。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并同步放出 Lean 证明形式化与细节，可供研究者直接复核。
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。
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。
The Decoder精选AI 评分8080 OpenAI 称已阻断窃取模型推理链的活动，但 Azure 上仍可复现
OpenAI 称其发现并阻断了一场针对模型推理链的蒸馏窃取活动，该活动 7 月 1 日起低量出现，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及 15000 多个关联账号，7 月 28 日前已全部关停。
推荐理由：OpenAI 披露的蒸馏窃取事件与研究者复测结果，呈现同一模型在不同云平台上防护不一致的问题。
NVIDIA Blog精选AI 评分6666 NVIDIA GPU 如何加速 OpenAI 的 GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行在 NVIDIA Blackwell GPU 上。
推荐理由：原文给出 Ultrafast 相对标准模式的加速幅度与开放入口，读者可据此判断它对编码智能体循环的实际影响。
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。
Artificial 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。
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。
Anthropic：Research（发表成果 · 网页）精选AI 评分7070 Claude 完成 N=4 super Yang-Mills 九圈散射振幅计算，物理学家 Matt von Hippel 撰文回顾挑战过程
物理学家 Matt von Hippel 发起的挑战达成：Anthropic 的 Liam Fitzpatrick 与 Siddharth Mishra-Sharma 用 Claude Science（harness）让 Claude 直接算出 planar N=4 super Yang-Mills 六粒子振幅九圈结果。
推荐理由：作者以其曾判定过难的本领域前沿计算为参照，评估了 Claude Science 的实际能力与可推广性，提供了来自领域专家的一手判断。
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。
Epoch AI：研究、数据与评测精选AI 评分6666 Epoch AI 研究报告：达到同等 AI 性能的成本每季度下降约 47%
Epoch AI 发布报告，估算过去三年内达到同等 AI 性能的成本平均每季度下降约 47%，即每年约 13 倍，并认为这一速度可能自 2021 年 11 月商业 LLM 推理开始以来持续至今。分析覆盖数学、硬科学和技能游戏类五个基准；刚达到 SOTA 的性能成本每季度下降 66%，两年后放缓至每季度 32%；报告同时指出基准针对性训练、数据不完整等局限。数据与代码在 GitHub 上公开。
推荐理由：报告用五个基准三年数据量化达到同等性能的成本下降速度，还区分了刚成为 SOTA 与两年后两种情形，数字和方法都值得细看。
- 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。
Artificial Analysis 完整文章（网页）精选AI 评分7878 Artificial Analysis 评测 GPT-6 Sol 和 Luna：价格减半但各项表现有升有降
Artificial Analysis 评测 OpenAI 的 GPT-6 Sol 和 Luna，两模型价格较 GPT-5.6 约减半，Sol 定价 $2/$10、Luna $0.10/$0.50 每百万输入/输出 token。
推荐理由：Artificial Analysis 用自家指数实测两代模型的成本与表现，读者可据此判断 GPT-6 降价后哪些能力持平或退步。
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。
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。
Artificial Analysis@ArtificialAnlys精选AI 评分6565推荐理由：Artificial Analysis 实测 Step 5 Preview 的得分、成本与智能体短板，读者可据此对比同分段模型的表现与性价比。
xAI：News（网页）精选AI 评分7474 xAI 发布 Grok 4.7，主打编码与知识工作
xAI 发布 Grok 4.7，定位为其最强编码与知识工作模型，定价 $2/百万输入 token、$6/百万输出 token，与 Grok 4.6 同价同速，另有速度和价格加倍的快速变体。
推荐理由：官方给出了完整定价、速度和多项基准对比，读者可以据此把 Grok 4.7 放进现有模型选型里横向比较。