Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，官方称其平均运行成本比 Haiku 4.5 低约 75%。
推荐理由：汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗数据，便于判断小模型在智能体工作流中的成本取舍。
#编码
Latent Space精选AI 评分8282 The Decoder精选AI 评分8282 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其迄今最快、最便宜的小模型，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 则贵 5 倍。
推荐理由：对比 Haiku 4.5 与 GPT-6 Luna 的基准和分档定价，可看清小模型在成本敏感任务上的取舍。
Latent Space精选AI 评分7676 Reflection 发布 Beam：501B-A23B 美国开源 MoE 模型
Reflection 发布 Beam，一个面向编码、智能体与科研的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月放出。
推荐理由：Reflection 从隐身状态发布 501B 开源权重模型，并给出预训练与 RL 的算力、数据细节，可对照同期中美开源模型格局。
Mistral AI精选AI 评分8484 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral AI 发布 Mistral Large 4 公开预览，可在 Mistral Studio 试用预览 API，权重将于本月底开放。该模型为 1 万亿参数、49B 激活参数的原生多模态模型，官方称其在编码、智能体工作流和多模态理解上表现突出，并在网络安全、金融、法律等企业场景中达到开源模型领先水平。
推荐理由：官方给出 1 万亿参数、49B 激活与多项基准对比，可据此判断开源权重模型在编码与智能体任务上的位置。
The DecoderAI 评分7272 Reflection 发布首个开源模型 Beam，主打低算力高效能
AI 公司 Reflection 发布首个免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
AWS Machine Learning Blog精选AI 评分6262 GLM 5.3 上线 Amazon Bedrock
Z.ai 的 GLM 5.3 现已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长周期智能体任务，通过全托管 API 提供跨区域推理、提示词缓存和服务层级，目前面向符合条件的企业客户开放。
推荐理由：GLM 5.3 在 Bedrock 上线，文中给出提示词缓存与 Strix 安全测试的完整调用示例，可据此评估迁移成本。
TechCrunch · AIAI 评分7171 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上匹配领先中国开源模型的性能，且推理成本大幅更低。Beam 是文本 MoE 模型，总参数 5010 亿、激活 230 亿，预训练使用 23.8 万亿 token，上下文窗口 100 万 token；公司称其得分与 Z.ai 的 GLM-5.2 持平，并使用少 3-4 倍的推理算力。
Latent Space精选AI 评分8080 Gemini 4 Argon 发布：GDM 对标 Astra/Fable，输出上限 1M token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，首批开放给政府用户与 Fairwind 计划中的可信网络防御者，开发者、企业和消费者访问时间未定。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与内部部署数据，并列出外界对公布数字的质疑。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元，缓存输入按输入价 95% 折扣计费。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界与发布节奏。
AWS Machine Learning Blog精选AI 评分6262 Claude Sonnet 5.5 上线 Amazon Bedrock 与 AWS 上的 Claude Platform
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 AWS 上的 Claude Platform 上线，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。
推荐理由：原文给出 Sonnet 5.5 在 Bedrock 上的能力定位与调用方式，读者可据此判断它和 Opus 5.5 的分工。
TechCrunch · AI精选AI 评分8282 OpenAI 发布 GPT-6.1 Sol，称能力接近 GPT-6 Astra 且价格更低
OpenAI 在 DevDay 上发布 GPT-6.1 Sol，称其在智能体编码、计算机使用和专业工作上接近 GPT-6 Astra 的智能水平，标准输入输出 token 价格仅为后者的五分之一。
推荐理由：OpenAI 在 DevDay 发布 GPT-6.1 Sol，并披露 GPT-6.1 Astra 因内部测试的安全问题被搁置，读者可据此了解其能力定位与定价策略。
The Decoder精选AI 评分8282 OpenAI 发布 GPT-6.1 Sol，价格约为 Astra 的五分之一
OpenAI 发布 GPT-6.1 Sol，称其在智能体编码、计算机使用和办公任务上接近因安全问题推迟发布的旗舰模型 GPT-6.1 Astra，成本约为后者的五分之一。
推荐理由：OpenAI 用低价模型补位延期旗舰，读者可据此比较同价位模型的成本与能力取舍。
OpenAI News精选AI 评分8080 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，定位为面向编码、电脑操作和专业工作的接近 Astra 的智能水平，标准 API 输入与输出 token 价格均为 Astra 的五分之一。
推荐理由：OpenAI 发布 GPT-6.1 Sol，给出与 Astra 的价格对比和面向编码、电脑操作的能力定位。
量子位AI 评分6060 至知创新研究院发布 IQuest-Q1 模型，320B 参数激活 15B
至知创新研究院 IQuest Research 发布 IQuest-Q1 模型，采用 decoder-only Transformer 主干与稀疏 MoE 架构，总参数约 320B、激活参数约 15B。
Latent Space精选AI 评分7878 AINews：Opus 5.5 擅长生成解说视频
AINews 汇总 9/24-9/25 的 AI 动态，指出 Opus 5.5 本周发布后社区反馈积极，尤其在用代码生成解说视频上表现突出。Opus 5.5 在 SimpleBench 上以 88.4% 领先，Terminal-Bench-Science 上从低推理档的 24% 升至 xhigh 档的 62%，但 max 档回落到 59%。
推荐理由：汇总 Opus 5.5 在视频生成与 Agent 任务上的社区反馈，并给出 Jev、Photon 等基础设施的实测数字。
量子位精选AI 评分8282 Anthropic 发布 Sonnet 5.5，代码基准反超 Opus 5.5
Anthropic 发布 Claude Sonnet 5.5，在 Terminal-Bench 4.0 上从上一代 Sonnet 5 的 10.3% 提升到 70.6%，超过上周 Opus 5.5 的 66.4%。
推荐理由：Sonnet 5.5 在多项基准上逼近 Opus 5.5，同时价格只有一半，读者可据此判断中端模型的性价比变化。
Latent Space精选AI 评分8888 Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 与 Luna 并降价 40-50%
Anthropic 发布 Claude Opus 5.5，称其为新 Claude 5.5 系列首个模型，多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，并成为 Claude Code 与 Claude 应用的默认模型。
推荐理由：同一天两家实验室分别发布新模型并大幅下调 API 价格，读者可据此比较能力与成本取舍。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber 两款模型，前者面向长时程编码与自主智能体，后者面向漏洞发现与自动修补。
推荐理由：官方给出两款 Flash 新模型的基准表现、定价与开放渠道，可据此判断长时程编码与网络安全任务的成本取舍。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码与智能体最强的工作主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：官方给出与 3.6 Flash 的多项基准对比和半价定价，可据此判断编码与智能体场景的升级幅度。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体
Mistral 发布 Mistral Medium 3.5，这是其首个合并指令遵循、推理与编码的 128B 稠密旗舰模型，采用修改版 MIT 许可开放权重，支持 256k 上下文窗口，最少四块 GPU 即可自托管，在 SWE-Bench Verified 上得分 77.6%，超过 Devstral 2 和 Qwen3.5 397B A17B。
推荐理由：Mistral 把编码智能体搬到云端并同步开源 128B 旗舰模型，读者可据此判断自托管与异步编码的可行边界。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 模型系列，首发的 3.5 Flash 面向智能体与编码任务，在 Terminal-Bench 2.1 取得 76.2%、GDPval-AA 取得 1656 Elo、MCP Atlas 取得 83.6%，多模态理解在 CharXiv Reasoning 上为 84.2%，输出速度是其他前沿模型的 4 倍。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的具体分数和速度对比，可据此判断其能力定位。
Mistral AI精选AI 评分6060 Mistral 发布 Leanstral：面向 Lean 4 的开源代码智能体
Mistral 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并接入 Mistral Vibe 与免费 API 端点 labs-leanstral-2603。
推荐理由：官方给出 Leanstral 在 FLTEval 上的分数与成本对比，可据此判断形式化证明智能体的性价比路线。
Mistral AI精选AI 评分8282 Mistral 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral 发布下一代编码模型家族 Devstral 2，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者均为开源许可，Devstral 2 采用修改版 MIT、Small 2 采用 Apache 2.0。
推荐理由：原文给出 Devstral 2 的 SWE-bench 成绩、开源许可与部署门槛，读者可据此判断开源编码模型与闭源模型的差距。
Mistral AI精选AI 评分7272 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并升级 Devstral Small 1.1。
推荐理由：Mistral 与 All Hands AI 联合发布两款编码智能体模型，给出了 SWE-Bench Verified 分数、开源许可和 API 定价，便于对比现有方案。
Mistral AIAI 评分5757 Mistral 发布 Codestral Embed 代码嵌入模型
Mistral AI 发布 Codestral Embed，这是其首个专为代码设计的嵌入模型，在真实代码检索场景中表现优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
Mistral AI精选AI 评分7878 Mistral AI 与 All Hands AI 发布编码智能体模型 Devstral
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，在 SWE-Bench Verified 上取得 46.8%，比此前开源 SoTA 高出 6 个百分点以上，并以 Apache 2.0 许可开源。
推荐理由：官方给出 Devstral 在 SWE-Bench Verified 上的分数与开源许可，读者可据此判断开源编码智能体的当前水位。