Yuchen Jin 评 Anthropic 收购一人公司 Mithril Medicine：真正的单人十亿美元公司范式

Kimi K3.1 Pro 在 Artificial Analysis 智能指数上排名第 4，涵盖所有模型，包括 Claude Opus 5.5、Fable 和 GPT-6 Astra，这简直太疯狂了。 开源强势回归。💪

Yuchen Jin 发帖称 Kimi K3.1 Pro 已发布，应是当前最强开源模型。据其附图，在 Terminal-Bench 4.0 上 Kimi K3.1 Pro 的 TBR 得分超过 Claude Opus 5.5，且每个任务的平均成本约为其 1/3。

Claude 在不到 30 分钟内破解了一个悬置 25 年的密码学谜题。 有一大类研究问题，其搜索空间极其庞大，但验证成本很低。 AI 智能体能够大规模探索假设、运行实验并做出新发现。我们将看到越来越多这样的案例。

Meta 发布 Muse Wonder 前沿模型家族，宣称在个人和专业智能体任务上达到 SOTA 表现。作者引用数据称 Muse Wonder Full 在 Artificial Analysis Intelligence Index 上仅比 Claude Opus 5.5 低 2 分，DeepSWE v1.1 得分 79.0%，高于 Astra（74.1%）和 Opus（74.2%），SWE-Marathon 上击败 Astra 和 Opus 5.5，并呼吁开源该模型。

给 Claude Code 做了这个数字鞭子的人，肯定会被以“虐待或残忍行为”为由终身封禁 Claude。

很高兴看到 Reflection 的 Beam 和 Mistral Large 4 在过去两天里都达到了大致 GLM-5.2 的水平。 这让我不禁思考，西方与中国开源模型之间真正的差距是否就是这么简单： 中国实验室可以蒸馏 Anthropic 和 OpenAI 的模型。西方实验室不能。

Codex 挂了。 于是我配置了 Claude Code 来检查它什么时候恢复。 然后我用 Jev 来决定 Claude Code 该什么时候检查。 我可能有点问题了。

Claude 回来了。 Opus 5.5 比 Opus 5 每任务快约 30%、便宜约 40%。这真的很有吸引力。 在冷落它一个月后，是时候重新打开 Claude Code 了……

我最近常用的模型 + 工具栈组合： 1. Kimi K3 是最好的开源编码模型。GLM-5.3 紧随其后。2. DeepSeek V4.1 Flash 是我处理简单/中等任务的首选：极快且便宜。3. 复杂任务我会用 Astra。4. Codex 搭配开源模型效果更好。Claude Code 会让同一个模型成本翻倍。

在 Databricks，越来越多的工程师开始把开源模型作为日常主力，几乎不再动用 Claude 或 Astra。 我们的推理客户也在看到同样的趋势：即使只把内部编码流量中的 20% 从 Claude/GPT 转向开源模型，也能大幅削减开支。 开源模型在企业中的采用将会非常庞大。