OpenRouter 安全任务模型支出榜

在 StepFun 的 8 项基准评测中，Step 5 Preview 在 6 项上击败 Kimi K3 和 GLM-5.3，包括 DeepSWE（67.7）、ProgramBench（80.5）、StepCodeBench（49.0）和 FrontierFinance（66.4）。

智谱宣布开源 GLM-5.3 模型权重，支持本地运行与个性化定制，擅长复杂编码、防御性网络安全及长程任务。该模型在 AA 综合智能指数中取得 60 分，与 Claude Fable 5、GPT-5.6 Sol 等闭源旗舰同级，并与 Kimi K3 并列开源模型第一。仅年营业额超 100 亿美元的机构将其作为外部模型服务提供时才需安全审查。

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。

UK AISI 与 CAISI 对 Moonshot AI 于 2026 年 7 月 16 日发布的 Kimi K3 进行联合网络安全能力评估。在 ExploitBench 上 Kimi K3 得分 32%，高于 GLM-5.2 的 24%，但未能在 41 个样本中实现任意代码执行（ACE），最前沿美国模型平均可达 20/41。

过去八天内，Grok 4.5、GPT-5.6、Muse Spark 1.1 与 Kimi K3 四款前沿模型相继发布，使 Artificial Analysis Intelligence Index 得分超 50 的实验室从 6 月初的 2 家增至 6 家。

摩尔线程发布并开源 MusaCoder 代码大模型，含 9B 和 27B 两个参数规模，是业内首个基于国产 GPU 算力底座完成全链路训练与验证的开源模型。后训练流程在基于 MTT S5000 的夸娥智算集群上完成，支持从 PyTorch 标准算子自动生成高性能 CUDA/MUSA 原生 Kernel 代码。在 KernelBench 评测中，MusaCoder-27B-RL 以 Overall Pass@8 93.2%、Avg.@8 88.60% 超越 Claude Op…

DeepSeek 发布开源权重模型 DeepSeek-V4.1-Flash-1017，在 DeepSWE 1.1 基准上取得 77% Pass@1，据称超过 GLM-5.3、Kimi K3、GPT-5.6 Sol 和 Opus 5。模型已上线 DeepSeek Chat、API 和 HuggingFace，官方称相比上一版性能更强、任务完成更快、输出更短，并在性能与成本上实现 Pareto 改进。

Meta 在 Llama 系列之后重返开源权重领域，发布 Muse Spark Open，称其为最强美国开源权重模型，816B 参数（42B 激活），支持最高 100 万 token 上下文和文本、图像、视频、音频。

Nathan Lambert 转评 @alexandr_wang 发布的 muse spark open，称其为迄今最强的美国开放权重模型：816B 总参数、42B 激活、1M token 上下文、原生多模态，面向编码和长程任务等智能体工作。他认为若实际表现与跑分相符，该模型采用率将暴涨，是美国首个具备接近前沿智能体能力的开放权重模型，并提到此前 GLM 5.2 与 Kimi K3 代表了中国模型的那次跃升。

Z.ai 发布基于 GLM-5.3-Flash（320B 总参数、18B 激活、1M 上下文）的法律领域模型 GLM-Legal，在 Harvey LAB 上取得 19.17% 全通过率。