全部

OpenAI 发了两个新模型，GPT-6 Sol 和 GPT-6 Luna，最抓眼球的是价格：API 调用费直接比上一代 GPT-5.6 的促销价还低 50%。这刀砍得挺狠，如果性能没缩水，对高频调用场景确实省钱。 但得说清楚，目前所有消息都来自 RSS 标题和摘要，正文是空的。我们不知道这两个模型在推理、编码、多语言等关键指标上跟 GPT-5.6 比是持平、更强还是有所取舍。Arena 上已经可以测，但评分还没公布。Sol 和 Luna 的定位差异也不清楚，是大小模型搭配，还是不同能力侧重，这些都没披露。 在拿到实测数据和详细技术报告之前，这个五折只能当促销信号看。建议等 Arena 跑分出来，再结合自己业务场景的延迟和准确率要求做判断。

OpenAI 这次没发最强的 Astra，而是把 Astra 的训练方法下放，做出了两个更省钱的模型 Sol 和 Luna。最直接的变化是价格：Sol 的输入价格从 4 美元降到 2 美元（每百万 token），Luna 从 0.2 美元降到 0.1 美元，都比上一代 GPT-5.6 便宜了 50%。这个降价幅度挺实在，不是搞限时促销，是推理和缓存优化省下来的成本。 性能上，Sol 的定位是干重活但比 Astra 便宜。在测试业务自动化流程的 AutomationBench 里，Sol 开足马力得分 33.2%，超过了 Claude Opus 5 的 26.9%，但成本只有后者的 9%。这个数字很夸张，不过要注意这是 OpenAI 自己选的基准测试，而且 Claude 那边还有个带 Opus 兜底的 Fable 5.1 得分 31.4%，正文没披露兜底调用的具体成本，所以实际便宜多少得打个折。Luna 则是便宜到家，高努力模式下的事实性得分能追上上一代 Sol，成本只要百分之一。 Sam Altman 放话说按任务定价市场上没对手，但正文没给 Sol 和 Luna 在通用推理、多语言这些常见榜单上的成绩，只挑了对自己有利的业务流程和事实性测试。想全面评估的话，还得等第三方跑一遍完整的基准。

先说结论：Claude Opus 5.5 在 Artificial Analysis 的智商指数上排第一，206 个模型里拿了 58 分，中位数才 25 分，确实拉得很开。但这份成绩单代价不小——跑完整套评测花了 8708.20 美元，输出量高达 2.6 亿 token，是同类中位数 9200 万的近三倍。换句话说，它很聪明，但也很啰嗦，而且不便宜。 价格方面，输入每百万 token 4 美元，输出 20 美元，都比中位数贵一倍左右。Anthropic 说降价了 20%，但绝对值仍然偏高。如果你只是做常规任务，这个性价比要掂量一下。另外，速度那一栏直接标了 N/A，正文没披露输出速率，延迟表现完全未知，这对实际落地是个不小的信息缺口。 评测用的是 Adaptive Reasoning 的 Max Effort 模式，相当于让模型全力思考再回答。这种设置下拿高分不意外，但日常用默认模式会不会缩水，文章没给对比数据。还有一点要注意：Artificial Analysis 的智商指数是综合 10 项评测拼出来的，里面包含编程、金融、长上下文等专项，具体哪项强哪项弱，这篇分析没展开，想深入了解得自己去翻原始榜单。

Anthropic 这次发布的 Opus 5.5，核心卖点不是“最强”，而是“更划算”。官方直接说它在大多数任务上跟 Fable 5.1 水平相当，但比上一代 Opus 5 便宜了 40%。具体到价格：输入每百万 token 4 美元，输出 20 美元，都比 Opus 5 降了 20%；缓存读取更是降到 0.2 美元，降幅 60%，这对常跑智能体或写代码的场景很友好。速度方面，生成输出比 Opus 5 快 30% 以上。 性能上，Opus 5.5 在智能体编码、电脑操作等跑分上确实领先，但 Anthropic 自己也在文章里打了预防针：到了这个能力层级，跑分差距对实际体验的参考价值在变小，他们内部用下来觉得 Opus 5.5 和 Fable 5.1 的差距比分数显示的更窄。有个测试案例挺直观：让模型优化一个网页应用的加载速度，Opus 5.5 在 40 次任务里成功了 39 次，而 Opus 5 不仅改进幅度小，还改出了意外行为。 安全方面，Opus 5.5 在内部行为审计中拿了历史最高分，对提示注入的抵抗力也更强。不过，正文没披露这个模型的具体参数量、训练数据规模和推理架构，也没解释成本降低 40% 具体是靠模型蒸馏、架构优化还是硬件利用率提升实现的。如果是真的靠工程优化把价格打下来，那对高频调用场景确实挺省钱。

小米这次放出了MiMo-V2.6 Pro和Flash两个模型，主打全模态，也就是能同时处理文字、图片、声音这些。Pro版在Artificial Analysis的“智能指数”上排到了开源权重模型的第一名，Flash版则强调轻量快速。另外在Code Arena的WebDev榜单上，Pro版大概排第10，开源模型里约第3。 这些排名看着不错，但得打个折。Artificial Analysis的智能指数具体怎么算的、测了哪些任务，正文没写。Code Arena的WebDev榜也只是编程能力的一个侧面，不代表整体水平。Flash版到底多快、成本多低，也没有具体数字。 现在最缺的是实测对比。Pro版跟Qwen、Llama这些主流开源模型在通用任务上谁强谁弱，Flash版在端侧设备上实际推理延迟和内存占用是多少，这些才是决定能不能用的关键。如果小米后续放出详细的技术报告和评测数据，这条新闻的含金量会高很多。