八天四款前沿模型发布，Kimi K3 跻身第三

有人用同一提示词让 GPT-6 Astra、Grok 4.7、Kimi K3 和 Fable 5.1 分别构建飞行模拟器，Astra 综合仍排第一，但 Grok 4.7 出乎意料地接近。Kimi K3 与 Fable 5.1 基本打平，两者产出结果更流畅，Grok 4.7 的整体质量则与 Astra 相当。综合排名为 Astra > Grok ≈ Kimi ≈ Fable。

终于，在经历了相当安静的一周左右之后，这周有东西可看了 grok 4.7 出现在 OpenCode 中 opus 5.5，早前传闻称其与 opus 5.2 或 fable 5.2 是同一个 checkpoint gpt-6 Sol，可能上周被推迟了 kimi k3.1 也有暗示

所以我们已经看到以下模型的测试： Sonnet 5.2 Opus 5.2 Fable 5.2 Gemini 4 Pro 而我们已经确认或得到暗示即将发布的还有： Grok 4.7 GPT-6-Sol（Sam 和 Tibo 预告周二会有重大发布，可能就是这个）Kimi K3.1（Kimi 一条含糊的帖子似乎在暗示 3.1） 这周挺无聊的。但下周大概会疯狂。

Artificial Analysis 网络指数新增可信访问模型类别，GPT-6 Sol（Daybreak Blue, max）以领先成绩登顶，并进入成本与能力帕累托前沿。该模型在整个指数测试中未触发任何安全拦截，总分较公开版 GPT-6 Sol（max）提升 32 分。其每任务成本为 $1.77，低于 Grok 4.7（xhigh）的 $11.67。

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。

作者在完成一本 RLHF 教科书后反思，LLM 在长文非虚构写作上进展停滞，GPT 4.5 和 Kimi K2 等写作强模型已显老旧，而编码、数学等任务已接近超人水平。模型能改错字、做编辑，但组织整章内容时仍混乱且易出错，作者认为这阻碍了模型自主解决开放科学问题。

xAI 今日发布 Grok 4.6，在 Grok 4.5 基础上重点强化长时运行智能体及更复杂的交互式与视觉工作能力。该模型在多项智能体编码与知识工作基准上达到前沿水平，在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。

Cursor 与 SpaceXAI 今日发布 Grok 4.6，重点强化长时运行智能体与交互式视觉任务，在多项智能体编程与知识工作基准上达到前沿水平，并在 Artificial Analysis Intelligence Index 上追平 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。

Anthropic因支付系统SEPA验证漏洞引发“零元购”事件，随后大规模回收漏洞账号并封禁关联账户，作者自用半年多的账号于7月29日被封。作者认为当前已非Claude一家独大，推荐编程用户使用Kimi K3和GPT-5.6 Sol，办公用户选择WorkBuddy+Kimi K3，并指出国产模型已凭二十分之一算力摸到第一梯队。