Anthropic 的评测显示，智谱开放权重模型 GLM-5.3 的漏洞利用开发能力接近 Claude Mythos Preview，但安全防护容易被绕过。ExploitBench 的 410 次尝试中，两者分别构建了 50 和 56 个有效漏洞利用；内部二进制漏洞利用测试中，完全控制目标程序的任务占比分别为 4% 和 6%。
推荐理由：同一漏洞利用基准下的直接对照，让开放权重模型与受限模型的能力差距更具体，也将攻击能力与拒绝机制的有效性区分开来。
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。
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。
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。
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 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。