Sonnet 5.5 实测：表现接近 Opus 5.5，Max 档 token 消耗成本与之持平
用 Sonnet 5.5 前先看这篇：max 深度下 token 消耗几乎和 Opus 5.5 一样，选档位前算算账。
全部动态
AI 相关资讯全量信息流 · 7918 条
9月29日
TypeSafe AI 推出 Jev 模型：让软件直接消费 AI 输出
TypeSafe AI 创始人在 a16z 节目里讲他们的新模型 Jev，思路和 Claude Code 不一样，输出是带置信度的选项，软件能直接用，聊自动化为什么一直没来。
OpenAI 的 GPT-6 Sol 限时上线 Arena Direct Mode 可直接测试
OpenAI 把 GPT-6 Sol 短暂开放到 Arena 的 Direct Mode，想去试试新模型手感的可以抓紧这 24 小时。
RespanAI 发布 Span-01 与 Span-01 Lite，上线 OpenRouter
RespanAI 出了两个专给 Agent 轨迹打分的分类模型，判断用户情绪、工具调用安全性这类行为，Lite 版免费，比 Jev 还准。
Claude Opus 5.0 识别 IP 共享路径后主动拒绝执行
同一道题，Claude Opus 5.0 找到漏洞但选择不用，GPT-6 Astra 直接拒绝，几个顶级模型的安全表现差距一眼就能看出来。
9月28日
VoiceArena 发布 Monsoon：50 语言语音数据集让 Telugu 语音识别错误率从 92.7% 降到 16.1%
同一个 Whisper Medium，换个数据集微调就把 Telugu 错误率从 92.7% 干到 16.1%，还故意保留噪声做分层，思路很值得学。
TypeSafe AI 推出模型 Jev：让软件直接消费 AI 输出
a16z 聊了个新模型 Jev，它不输出文本，而是给软件返回带置信度的选项，开发者能直接用来写自动化程序，跟 Claude Code 思路完全不同。
传闻：OpenAI 将发布个人智能体，并预发布新模型 Bel 对标 Gemini 4.0 Pro
OpenAI 要做个人智能体了，还有个叫 Bel 的新模型跟 Gemini 4.0 Pro 打对台，这几个模型代号你可以先记一下。
ElevenLabs 发布 Eleven v4，登顶 Artificial Analysis 语音合成榜
ElevenLabs 新的 Eleven v4 拿了语音合成榜第一，支持 90 多种语言，发音准确率 91.7%，就是价格比 Google 贵不少。
月之暗面 Kimi K3.1 模型标识在 API 平台泄露，或支持 100 万 Token 上下文
月之暗面的 Kimi K3.1 被开发者从 API 后台挖出来了，100 万上下文加三档推理强度，定价可能和 K3 持平。
IT之家原文
社区推出 MiniCPM5-2B 的 EXL3 4-bit 量化版，权重仅 1.61 GB
MiniCPM5-2B 出了 4-bit 量化版，权重才 1.61 GB，T4 上能跑 70 tokens/s，想在自己机器上跑小模型可以试试。
Artificial Analysis 推出 Cyber Index，评估 AI 模型的企业网络防御能力
网络安全方向的新基准，Grok 4.7 和 MiMo-V2.6-Pro 并列第一，但 GPT-6 Sol 在端到端任务上全部拒绝执行，这个对比挺有意思。
开源视觉决策模型 Valen：基于 Qwen3.5 的高频 Agent 反射层
看图直接给候选动作打分的开源小模型，底座是 Qwen3.5-0.8B/2B，单步 122ms，做 GUI Agent 或机器人反射层挺合适。
华为开源 openPangu-2.0 预训练与 RL 训练代码
华为把 openPangu-2.0 从预训练到 RL 的训练代码全开源了，配昇腾 MoE 栈，之前 Pro 505B 和 Flash 92B 权重也能配上完整流程。
测试者评价 Claude Opus 5.5 视觉设计能力为当前所有模型中最强
有人实测了 Claude Opus 5.5 做视觉设计，说是目前所有模型里最强的，视频里有实际效果，做前端设计的可以看看对比。
StepFun 发布 Step 5 Preview：约 600B MoE、1M 上下文，10 月 15 日开源权重
StepFun 这个 Step 5 Preview 有 1M 上下文，主打长程智能体任务，权重月底开源，可以等开源后自己跑一跑。
NaiveAI 开源 Naive-N0.5-Flash：309B MoE，原生 1M 上下文
NaiveAI 放出了 MIT 协议的 309B MoE 开源模型，激活参数只有 15.5B，还能吃下 1M 上下文，做长代码分析可以试试自己部署。
美团发布 LongCat-2.5-Preview：1.6T MoE 多模态模型，支持 1M 上下文
美团把 LongCat 升到 2.5 预览版，1M token 上下文加多模态，专门给跑长任务的编程智能体用，不过这次没放跑分数据。
Qwen3.8-Max 通过递归自我改进完成 33 轮迭代，Artificial Analysis 得分升至 45 分
阿里这次没发新模型，而是让 Qwen3.8-Max 自己训自己，33 轮迭代后成绩追上 Claude 和 GPT，还顺手把多模态价格砍了九成。
Anthropic Claude Sonnet 5.5 灰度测试曝光，定价 $2/百万输入 token
Anthropic 下一款 Sonnet 5.5 被内测网友扒出来了，实测编码干过 GPT-6 Sol，价格只要 $2/百万 token，文章还教你怎么检查自己有没有被灰度到。
Fireworks 推出 Ember-1：基于 Kimi K3，推理 token 用量减少约 40%
Fireworks 拿 Kimi K3 改了个 Ember-1，推理 token 少用 40% 还不掉分，省钱党可以看看。
Fireworks 发布 Ember-1：基于 Kimi K3，token 用量省近四成
Fireworks 在 Kimi K3 上做了后训练，产出 Ember-1，跑编程任务时推理 token 少了 71%，性能不变，省钱明显。
Synthetic Sciences 开源 OpenScience 智能体，科学基准超 Codex 和 Claude Code
一个开源科研智能体把 Codex 和 Claude Code 都比下去了，Apache 2.0 免费随便用，还能接自家模型。
9月27日
一张图对比 Opus 5.5 与 GPT 6 的 Benchmark 成绩
有人把 Opus 5.5 和 GPT 6 的跑分放在一张图里了，重点看 Terminal-Bench 4.0，GPT 在跨应用自动化那项表现很猛。
Supersonic Labs 发布分类模型 Julia-1，训练成本仅 104 美元
巴西团队用 104 美元训了个分类模型 Julia-1，还开源了。如果你在搭 agent 框架，可以试试分类器加推理模型混合调度这个思路。
Opus 5.5 搭配 Openclaw 的任务完成表现优于 GPT-6 Astra
Garry Tan 实测 Opus 5.5 加 Openclaw 干活比 GPT-6 Astra 更利索，选模型搭子的参考。
Interfaze 开源 lev：基于 Qwen-3.5 4B 的判题模型
Interfaze 开源了 lev，用 Qwen-3.5 4B 做底座，一次前向就能批改判断题、选择题和打分题，做自动测评的可以看看。
Perceptron Mk1.5 上线 OpenRouter，面向物理智能体的具身推理模型
Perceptron 的 Mk1.5 上线 OpenRouter 了，做机器人或物理智能体的可以看看，能直接输出检测框和视频片段，不只是文字回复。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档