OpenAI 发布 GPT-6.1 Sol，称性能接近 GPT-6 Astra、价格降至五分之一
OpenAI 在周二的 DevDay 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，标准输入与输出 token 价格仅为后者的五分之一。
推荐理由：材料将接近高阶模型的性能主张与五分之一的价格并列，并给出事实错误率变化，为比较成本与能力取舍提供了具体依据。
#编码
#编码
今日 3 条TechCrunch · AI精选AI 评分8080 Simon WillisonAI 评分4646 引述 Anthropic 前沿红队：GLM-5.3 的高级网络能力跨越重要门槛
Anthropic 前沿红队评测发现，GLM-5.3 在内部二进制漏洞利用基准测试中实现完整控制流劫持的成功率为 4%。评测随机选取 100 项任务，Claude Mythos Preview 成功率为 6%，Claude Opus 4.6 和 GLM-5.2 均未成功。
The Decoder精选AI 评分8080 GPT-6.1 Sol 据称以五分之一成本接近 Astra 表现
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中以约五分之一成本接近 Astra，相关基准均为官方初步结果。
推荐理由：同价位模型的缓存价格与多步任务成本对照，为高频复用上下文的智能体工作流提供了比单看榜单分数更具体的选型依据。
OpenAI News精选AI 评分6666 OpenAI 发布 GPT-6.1 Sol，API token 价格为 Astra 的五分之一
OpenAI 发布 GPT-6.1 Sol，称其在编码、计算机使用和专业工作方面具备接近 Astra 的智能水平。其 API 输入和输出 token 价格均为 Astra 标准价格的五分之一。
推荐理由：原文将接近 Astra 的智能水平与其五分之一的标准 API 输入输出 token 价格并列，为比较能力与成本提供了参照。
Latent SpaceAI 评分7070 Claude Opus 5.5 在讲解视频制作中表现亮眼
Claude Opus 5.5 本周发布后获得积极的社区反馈，其中通过代码制作讲解视频和动画的案例尤为突出。一位用户称，Claude Code 为 Friendr.nl 自主制作了 30–60s 讲解视频，耗时约 1.5–2h、花费约 $4，涵盖脚本、素材、TTS 配音及以 JavaScript canvas 动画渲染 MP4，并调用另一模型自检。
Simon Willison精选AI 评分7676 Anthropic 发布 Claude Sonnet 5.5，成为 claude.ai 免费层模型
Anthropic 发布 Claude Sonnet 5.5，定价与 Sonnet 5 相同，并称运行速度提升 30%+、多数任务成本最多降低 30%；该模型现已用于 claude.ai 免费层。
推荐理由：实测对比了不同思考强度下的生成结果与成本，展示了更高的思考预算不一定能换来可用输出这一具体问题。
Latent Space精选AI 评分8686 Claude Opus 5.5 成为 AINews 默认模型，Anthropic 与 OpenAI 主打降本 40%–50%
AINews 因写作表现改善转用 Claude Opus 5.5；Anthropic 称其默认设置下每项任务较 Opus 5 便宜约 40%，OpenAI 同期发布的 GPT-6 Sol 和 Luna 则较各自 GPT-5.6 前代降价约 50%。
推荐理由：材料区分了标价下降与实际任务成本，并对照不同推理强度下的 token 消耗，为理解模型降价提供了更具体的比较口径。
Simon Willison精选AI 评分8383 Claude Opus 5.5 与 GPT-6 Sol、Luna 初评：价格战与高推理档位的失败案例
Simon Willison 对 Claude Opus 5.5、GPT-6 Sol 和 GPT-6 Luna 进行了初步实测，并比较了新模型降价后的使用成本。
推荐理由：价格对照与失败测试提供了模型选型的成本视角，单价下降之外，高推理档位耗尽输出额度的费用与等待时间也应纳入比较。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber，强化智能体与网络安全能力
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，分别强化长流程编码、智能体与推理，以及漏洞发现和自动修补能力。
推荐理由：同价升级背后，更高任务表现可能伴随更多模型 token 消耗，文中对推理投入档位的说明有助于理解实际成本取舍。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.7 Flash，强化编码与智能体能力
Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 发布仅三周，提升编码、知识工作及智能体工作流表现。
推荐理由：同代 Flash 模型的编码与业务工作流基准对比结合限时价格，提供了评估智能体升级收益与使用成本的具体依据。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber，分别面向复杂智能体任务、高吞吐工作流和漏洞发现与修复。
推荐理由：同一系列按复杂任务、高吞吐和漏洞修复划分用途，并给出成本与访问边界，为生产智能体的模型选型提供了具体比较依据。
Google DeepMind精选AI 评分6565 Google 推出 Gemini 3.5 Flash Cyber，面向漏洞发现、验证与修复
Google 推出 Gemini 3.5 Flash Cyber，这款基于 3.5 Flash 微调的轻量网络安全模型专用于快速发现、验证和修复漏洞。在固定调用次数的 V8 测试中，该模型发现 55 个已确认的独特问题，主线 3.5 Flash 和 Claude Opus 4.6 分别发现 47 个和 36 个，其中 10 个问题未被另外两个模型发现。
推荐理由：轻量模型的低成本让安全智能体能够反复探索更多代码路径，为比较漏洞发现方案提供了单次模型能力之外的架构视角。
Mistral AI精选AI 评分6666 Mistral 发布 Leanstral 1.5：以 Apache-2.0 开源，提升 Lean 4 形式化验证能力
Mistral 发布 Leanstral 1.5，这款面向 Lean 4 证明工程的模型总参数为 119B、激活参数为 6B，以 Apache-2.0 许可开放权重并提供免费 API。
推荐理由：从数学竞赛题到真实代码缺陷，材料给出了形式化验证的成本对比与工程案例，便于判断证明模型进入开发流程的实用价值。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 3.5 系列，率先开放面向智能体与编码的 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，率先开放 3.5 Flash，面向复杂、长流程的智能体与编码任务。官方称其在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）和 MCP Atlas（83.6%）等基准上超过 Gemini 3.1 Pro，输出 token 速度为其他前沿模型的 4 倍。
推荐理由：官方将智能体与编码基准表现同输出速度、成本放在一起比较，为评估长流程任务中的性能与延迟取舍提供了具体参照。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4，整合推理、多模态与智能体编码能力
Mistral 发布 Mistral Small 4，以 Apache 2.0 许可开放，将推理、多模态和智能体编码能力整合进单一模型。该模型采用 MoE 架构，总参数为 119B，每个 token 激活 6B 参数（计入嵌入与输出层为 8B），支持 256k 上下文窗口、文本与图像输入，并可通过 reasoning_effort 调节推理强度。
推荐理由：将可调推理、图像输入与编码能力放进同一开放模型，为需要兼顾多类任务与部署效率的团队提供了减少模型切换的选型思路。
Mistral AI精选AI 评分6464 Mistral AI 发布 Leanstral：面向 Lean 4 的开源编码与形式化证明模型
Mistral AI 发布 Leanstral-120B-A6B，面向 Lean 4 形式化仓库任务，以 Apache 2.0 许可开放权重，并接入 Mistral Vibe。
推荐理由：基于真实形式化仓库任务的评测同时列出得分与运行成本，为比较专用模型和通用编码智能体的证明工程取舍提供了依据。
Mistral AI精选AI 评分8080 Mistral AI 发布 Devstral 2 编码模型系列与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型，并推出支持端到端代码自动化的开源助手 Mistral Vibe CLI。
推荐理由：两种规模模型的基准成绩、许可差异与硬件要求提供了具体选型依据，可用于权衡编码智能体的性能需求和本地部署条件。
Mistral AIAI 评分4949 Mistral AI 发布 Codestral 25.08 及完整企业编程技术栈
Mistral AI 发布 Codestral 25.08 及完整企业编程技术栈，覆盖代码补全、语义检索与多步骤智能体开发。Codestral 25.08 的补全采纳量增加 30%，建议后保留的代码增加 10%，失控生成减少 50%。模型支持云端、VPC 或本地部署，无需更改架构。
Mistral AI精选AI 评分7373 Mistral AI 发布 Devstral Medium 与 Devstral Small 1.1，提升智能体编码能力
Mistral AI 与 All Hands AI 合作推出 Devstral Medium 和 Devstral Small 1.1，在 SWE-Bench Verified 上分别取得 61.6% 和 53.6% 的成绩。
推荐理由：两款模型给出了同一编码基准下的成绩与调用价格，并区分开放许可和私有部署路径，便于按预算与部署需求比较选型。
Mistral AIAI 评分5151 Mistral AI 发布代码嵌入模型 Codestral Embed
Mistral AI 发布首款专用于代码的嵌入模型 Codestral Embed，面向代码检索、语义搜索及编码智能体的 RAG。官方评测称，其在维度为 256、精度为 int8 时仍优于所比较的竞品，并支持保留前 n 个维度以权衡检索质量与存储成本。
Mistral AI精选AI 评分7575 Mistral AI 发布开源编码智能体模型 Devstral，SWE-Bench Verified 得分 46.8%
Mistral AI 与 All Hands AI 合作推出软件工程智能体模型 Devstral，以 Apache 2.0 许可开放，定位为研究预览。模型针对真实 GitHub 问题训练，在 SWE-Bench Verified 上取得 46.8%，比此前开源 SOTA 模型高出超过 6 个百分点，可通过 OpenHands 或 SWE-Agent 等框架处理代码库任务。
推荐理由：同一智能体框架下的基准比较结合单卡运行条件，为评估开源编码模型在本地代码库中的部署取舍提供了具体参照。
Mistral AI精选AI 评分7171 Mistral AI 发布 Mistral Medium 3，主打性能、成本与企业部署的平衡
Mistral AI 发布 Mistral Medium 3，面向编码、多模态理解等企业场景，支持混合部署、本地部署及 in-VPC 部署。官方称其各项基准表现达到或超过 Claude Sonnet 3.7 的 90%，价格为 $0.4 input / $2 output per M token，并可在至少 4 个 GPU 的自托管环境中部署。
推荐理由：将基准表现、API 价格与自托管条件放在一起比较，为企业在模型能力、使用成本和部署方式之间取舍提供了具体参考。