OpenAI 发布 GPT-6.1 Sol,性能接近 Astra 且价格为五分之一
OpenAI 发布 GPT-6.1 Sol,称其在 agentic coding、computer use 和 office work 上接近 GPT-6.1 Astra,成本约为后者的五分之一。
推荐理由:原文同时列出 API 价格、基准和安全测试口径,便于比较 Sol 与 Astra 在成本和能力上的取舍。
OpenAI 发布 GPT-6.1 Sol,称其在 agentic coding、computer use 和 office work 上接近 GPT-6.1 Astra,成本约为后者的五分之一。
推荐理由:原文同时列出 API 价格、基准和安全测试口径,便于比较 Sol 与 Astra 在成本和能力上的取舍。
OpenAI 在 DevDay 活动上展示 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,标准输入和输出 token 价格为 1/5。
推荐理由:原文同时交代价格、可用入口与安全背景,便于比较 GPT-6.1 Sol 和 GPT-6 Astra 的定位。
GPT-6.1 Sol 已在 Amazon Bedrock 正式可用,为编码、computer use 和高频专业工作负载带来更强推理能力。OpenAI 称它在 DeepSWE v1.1 上以约 one-fifth 的每任务成本匹配 GPT-6 Astra,并比 GPT-6 Sol 最佳分数高 6.4 percentage points。
推荐理由:原文同时给出任务成本对比与 Bedrock 生产控制,便于评估智能体工作流落地取舍。
OpenAI 发布 GPT-6.1 Sol,称其在编码、计算机使用和专业工作上接近 Astra 智能水平。其标准 API 输入和输出 token 价格为 Astra 的五分之一。
推荐理由:原文给出 GPT-6.1 Sol 与 Astra 的能力和 API token 价格对比,便于评估成本定位。
GPT-6.1 Sol 在 GPT-6 Sol 发布仅 7 天后取代它,在 Artificial Analysis Intelligence Index 中仅比 GPT-6 Astra 低 1 分,Cost per Task 不到后者 1/4。
推荐理由:原文集中给出智能指数、任务成本和 token 用量对比,便于判断 GPT-6.1 Sol 的成本效率位置。
zai-org 发布 GLM-5.3-BF16,使用与 GLM-5.2 相同的基座模型,提升来自后训练。
推荐理由:模型卡同时给出同基座后训练收益、基准对比和部署参数,便于比较编码、安全与长程任务表现。
zai-org 发布 GLM-5.3-Flash,称其为 GLM-5 系列首个原生多模态模型,拥有 320B 总参数和 18B 激活参数。官方称它在基准和真实工作负载中超过 GLM-5.2,价格为其十分之一,并在编码和智能体基准上接近 Claude Opus 4.8。
推荐理由:原文同时给出参数规模、架构变化和本地部署框架,便于比较其成本与落地路径。
美团 LongCat 在 Hugging Face 发布 LongCat-Flash-Lite-Sparse,这是基于 LongCat-Flash-Lite 的非思考 MoE 模型,拥有 69B 总参数、每 token 约 3B 激活参数,并原生支持最高 1M tokens 上下文。
推荐理由:原文同时给出架构改动、长上下文设定和多项基准,便于比较稀疏版与密集前代的取舍。
Mistral 发布 Mistral-Medium-3.5-128B-EAGLE,用于为 Mistral Medium 3.5 执行推测解码。
推荐理由:原文同时给出模型规格、替代关系和 vLLM/SGLang 部署方式,便于评估统一模型的接入成本。
Moonshot AI 在 Hugging Face 发布 Kimi-K2.6,这是开源的原生多模态智能体模型。该模型采用 MoE 架构,Total Parameters 1T、Activated Parameters 32B、Context Length 256K,支持长周期编码、coding-driven design、Agent Swarm、图像和视频输入。
推荐理由:原文同时给出模型结构、评测表和部署入口,便于对比其在编码与智能体任务中的定位。