B站AI无限竞技场引评测圈关注，vista8整理190个真实任务评测视频

Arena 更新 Image-to-WebDev 排行榜，纳入四个新评测模型。GPT-6 Astra （Max） 以 1733 分居第一，领先 GPT-5.6 Sol （xHigh） 129 分；Claude Fable 5.1 （Max） 以 1710 分排第二，Muse Spark 1.3 （Max） 1645 分第四，GLM-5.3-Flash 1588 分第十。

Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次试验（共 904 次 rollout）对比 GLM-5.3 与 GPT-5.6 Sol。

PromptArmor 分析称，供应商因成本优势和基准竞争力正转向国际与开源权重模型，DeepSeek V4 Flash 输入价 $0.14/M tokens，远低于 GPT-5.6 Sol 的 $5。

作者开源了Leader.skill，用于将模糊需求转化为Agent可独立执行数小时以上的清晰目标任务书。该Skill基于"目标七问"方法论，强调指挥官意图与Harness（排除项）比Goal本身更重要。作者推荐用Claude Fable 5或Kimi K3规划目标，再交由GPT-5.6 Sol或GLM-5.2等模型长程执行。

GLM-5.2（MIT开源，753B参数，约40B活跃）在AA Intelligence Index上仅比GPT-5.5低4分、比Claude Fable 5低9分，但其幻觉率仅28%，远低于GPT-5.5的86%和DeepSeek V4 Pro（1.6T参数，49B活跃）的94%。后者在AA-Omniscience基准上仅6%的问题会承认不知道。实际代码测试中，GLM-5.2用12秒和800个推理token识别出技术悖论，而DeepSeek V4 Pro耗费3分26秒和近…

Epoch AI 分析指出，Anthropic 去年在算力上的支出超过 Minimax 与智谱 AI 之和的十倍，OpenAI 的差距更大，中国与开源模型公司因此处于"算力贫乏"状态。文章梳理了三条提升算力效率的路径：更快研发新算法、复现前沿实验室的创新、利用对手模型生成合成数据训练，其中只有第一条有望实现反超。

Fireworks 发布 2026 年开源 LLM 选型指南，覆盖 GLM 5.2、Kimi K3、Kimi K2.7 Code、DeepSeek-V4-Pro/Flash、MiniMax M3、Qwen3.7 Plus、gpt-oss-120b 和 Gemma 4 31B IT 九款模型。

作者转发引用数据指出，1.5 年前 o1 Pro 定价 $150/$600 每百万 token，如今 GLM-5.3 Flash 为 $0.15/$0.50，价格下降约 1000 倍，而后者据称更智能。作者据此认为模型在变聪明的同时成本大幅下降，并预测 12 个月后 GPT Astra 级别的智能将几乎免费。

我现在几乎不用 Claude Opus 5 了。 它说话不像正常人（尤其是中文）。太啰嗦，很少说到点子上。GPT-5.6 Sol 更好。 与此同时，GLM-5.3、GLM-5.3-Flash 和 Kimi K3 等开源模型相当不错，而且性价比高。 已经没有默认赢家了。

GLM-5.3 （max） 在全新 Terminal-Bench 4.0 上超越 GPT-5.6 （max），这我可没预料到。1） 什么？