全部动态
Mistral 上了个 1T 参数的大家伙，激活只有 49B，Agent Arena 排名升了 11 位，10 月底开源，可以等等看。
35B 的模型离线跑在 iPhone 上只占 1.8GB 内存，这压缩水平真少见，做端侧 AI 的朋友可以看看他们的开源方案。
Anthropic 刚发了小模型 Claude Haiku 5.5，成本比 Haiku 4.5 便宜约 75%，Genspark 的聊天和代码功能已经能直接用了。
有个叫 AREX 的研究智能体，答完题会自己逐条核对再补漏，BrowseComp 拿了 82.5%，微调过的 4B 小模型还打赢了 35B。
LightOn 的开源 OCR 模型 OCR-3 出了，0.8B 和 4B 两个版本都能自己部署，表格图表效果不错，价格比 Gemini 便宜不少，做文档处理可以试试。
SpaceXAI 出了个便宜版视频模型，排名超过 Veo 3.1 但价格只有三分之一，10 秒 1080p 一分钟内就能生成，API 上就能调。
Anthropic 的小模型 Haiku 5.5 上榜了，价格和 GPT-6 Luna 一样但分数更高，比自家 Haiku 4.5 便宜九成还涨分，做 Web 开发的可以看看性价比。
Anthropic 的新 Haiku 5.5 在 Code Arena WebDev 榜拿了 1587 分，比上一代多 257 分，写前端页面的可以留意一下这个榜单。
GPT-6.1 Sol 出了 ultrafast 版，steering 改成即时生效了，跑偏了能马上掰回来，不浪费算力。
OpenAI 给 GPT-6.1 Sol 出了个快 8 倍的 Ultrafast 版，OpenRouter 上已经能直接调，跑对话或编程场景会很爽。
OpenAI 给受信访问的 GPT-6 Sol（Daybreak Blue）几乎没有网络安全防护，跑分直接登顶还比 Grok 4.7 便宜好几倍，值得看看细节。
OpenAI 推出 GPT-6.1 Sol Ultrafast，生成速度最高快 8 倍，价格输入 12 美元、输出 60 美元每百万 token，对要低延迟的场景很有用。
法律基准加了幻觉门槛后排名大洗牌：Muse Spark 本来领先，过滤幻觉后掉到第二，GPT-6 Astra 几乎不缩水。看各家法律任务幻觉差距挺有意思。
OpenAI 给 GPT-6.1 Sol 加了 Ultrafast 模式，比标准版快 8 倍，Codex 和 API 都能用，价格也公开了。
GPT-6.1 Ultra fast 已经推送到 API 和 Codex 了，速度更快，写代码的朋友可以直接上手试试。
Perplexity 的 Decider V1.1 在 DecisionBench 拿了第一，准确率 93.9%，每千次决策才 0.016 美元，做决策路由的可以看看。
StepFun 的 Step 5 Preview 免费进 Cline 了，DeepSWE 成绩压过 Kimi K3 和 GLM-5.3，写代码的可以直接试试。
Odyssey-3 能生成会对你操作实时反应的互动世界，Flash 版免费可玩，还顺手在 Physics-IQ 拿了 66.1 的高分，去看看 demo。
Arena 拿 9 万条真实智能体会话做了个安全排行榜，GPT-6.1-Sol 拿了第一。想知道你用的模型会不会偷偷越权、谎报任务完成，看这份榜单最直观。
Nvidia 的 Long-WAM 把机器人模型的上下文拉到 19.2 秒，RoboCasa GR-1 成功率直接从 63.3% 涨到 78.7%，做机器人方向的可以看看。
一周模型动态都在这：Gemini 4 追平 GPT-6 还便宜四成，Mistral 放了个 1T 参数的开源模型，做选型或追前沿的可以扫一眼。
StepFun 把旗舰模型 Step 5 Preview 放在 Nous Portal 免费开放一周，还配了 Hermes Agent 智能体，想试智能体调用的可以去薅一把。
StepFun 把 Step 5 Preview 放上 OpenRouter 了，写代码跑 Agent 的朋友可以在 Cline、Kilocode 里免费用一周，顺便试试任务成本能省多少。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档