AI 模型发布与更新

Arena 在 Agent Arena 上用超 4700 个真实智能体会话评测了 typesafeai 的 Jev Router，结果显示其未推进当前帕累托前沿：达到与 DeepSeek V4.1 Flash（Max）相近性能时成本高 38%，模型请求延迟中位数高 1.7 倍。

Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，称其为速度最快、最便宜、功能最强的 Haiku 小型模型，运行成本平均较 Haiku 4.5 低约 75%。

OpenAI 于 10 月 8 日宣布面向所有 ChatGPT 用户推出 GPT-6 系列模型和智能用户界面（Intelligent UI），ChatGPT 全球周活跃用户超过 12 亿，此前停留在 GPT-5.6 系列。

Noam Brown 指出 LLM 已跨过重要门槛，在部分研究问题上超越顶尖人类专家，这解释了近期数学成果为何显得突然爆发。他认为模型能力仍有明显短板，但随着持续进步，其他领域的突破将接踵而至，开启科学发现新时代。

阅读更多：https://devin.ai/blog/claude-haiku-5-5

Artificial Analysis 推出 AA-Music-Vocal v1.1 和 AA-Music-Instrumental v1.1 两项新基准，基于 17 种曲风的 1000 条新提示词，由其招募的评审小组打分。

Ethan Mollick 表示自己早期体验了 OpenAI 在 ChatGPT 全量推出的 GPT-6 与 Intelligent UI，认为它相比成段文字是不错的改变。他进一步判断，未来会越来越多地看到针对当前问题按需生成的界面。OpenAI 称 Intelligent UI 能提供快速、可交互的回答，让日常问题更直观、复杂主题更易理解，并即时提供与任务匹配的交互工具。

Anthropic 发布快速低价模型 Claude Haiku 5.5，10 万 token 内定价 $0.10/$0.50 每百万 token，与 GPT-6 Luna 持平，超过后涨价 5 倍至 $0.50/$2.50。

Anthropic 发布 Claude Haiku 5.5，为目前最便宜最快的小模型，1M 上下文窗口、最高 128K 输出，10 万 token 以内输入每百万 0.10 美元、输出 0.50 美元，比 Haiku 4.5 低约 90%。

OpenAI 宣布 GPT-6 与 Intelligent UI 今日起在全球范围向 ChatGPT Plus、Pro、Business 和 Enterprise 档位推送，入口在 Chat 标签页。Plus、Pro、Business 和 Enterprise 由 GPT-6 Sol 驱动，明日起推送扩展至 Free 和 Go 档位，由 GPT-6 Luna 驱动。详情见 https://openai.com/index/gpt-6-for-everyone/。

如果你还需要更多证据来证明本地 AI（以及 llamacpp）有多令人兴奋！来自今天 @Microsoft 的 Windows 发布会，@satyanadella @sriramk @JensenHuang 同台

Arena 发布对 Mistral Large 4 的评测，模型总参数 1T、激活 49B，开放权重预计月底放出。

错过这场活动的朋友——这里有一份回顾 😀 https://x.com/abidlabs/status/2107915489670508830

这款街机游戏在 Chromatic 上被复刻了出来： （引用推文核心要点：我最爱的街机游戏 Discs of Tron，在 OpenAI DevDay 版 @modretro Chromatic 上运行……完全用 FPGA 的可重编程逻辑实现，由 Codex GPT 6 Astra 一次性 100% 完成。感谢 @pvncher 和 @PalmerLuckey！）

Lauren Tan 提出用"time to rewrite"（ttr）作为粗略启发式，估算代码库为 AI 智能体准备好的程度：假设用不同语言/框架/架构重写代码，单个工程师需要多久。ttr 数值本身不重要，关键是它引出验证能力、重写质量、性能是否退化、代码是否易删易扩展等方向性问题。她强调这只是思维实验，尚未成形。

OpenAI 面向所有 ChatGPT 用户推出新版本 GPT-6，并同步上线 Intelligent UI，提供更可视化、易理解的快速交互答案，可即时生成交互工具供任务使用。作者称这是超越文本的一步，包含多项模型和基础设施改进，以支撑扩展至 1.2B 用户。

Anthropic 发布 Claude Haiku 5.5，在 Artificial Analysis 智能指数得 43 分，较上一代 Haiku 一年内提升 26 分。

Anthropic 发布 Claude Haiku 5.5，定位为其史上最便宜、最快且能力最强的小模型，平均运行成本比 Claude Haiku 4.5 低约 75%。Boris Cherny 补充称其具备 100k token 上下文，价格比 Haiku 4.5 便宜 10 倍。

嘿 Jev，根据 @OpenRouter 的决策模型排名，我该用哪个模型？

更多信息见以下博客： https://devblogs.microsoft.com/foundry-on-windows/build-on-winml-oct-7-26/

很高兴看到 llama.cpp 出现在今天 Windows 活动的大舞台上！ 软件和硬件栈终于走到了一起。我们的社区在过去几年里付出了大量努力，这一切都得到了体现。 期待更多用户拥抱本地 AI。

Anthropic 发布的 Claude Haiku 5.5 现已进入 Arena，用户可前往 Agent Arena 实测，分数即将公布。Agent Arena 基于全球用户贡献的数百万真实长程智能体任务评估模型，模型可调用网页搜索、文件系统和终端工具，榜单用因果追踪方法衡量模型相对平均模型的结果表现。

Anthropic 发布 Claude Haiku 5.5，为公司迄今最快最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内的提示词降价最高达 90%。

Anthropic 发布 Claude Haiku 5.5，称其为迄今最便宜、最快、能力最强的小模型，最高 100K token 提示下成本比 Haiku 4.5 低 90%。

Liquid AI 发布 Open d1 系列两款开源权重多模态决策模型，单次前向返回校准概率答案，output_tokens 为 0。

Anthropic 发布 Claude Haiku 5.5，称其为迄今最便宜、最快、能力最强的小模型，平均运行成本比 Claude Haiku 4.5 低约 75%。Anthropic 员工 Lydia Hallie 评价其适合以读取、小编辑和工具调用为主、不需要太多推理的任务。

Anthropic 发布 Claude Haiku 5.5，称其为最便宜、最快且能力最强的小模型，10 万 token 以内价格比 Haiku 4.5 便宜 10 倍，平均运行成本低约 75%。用户可在 computer use、workflows 和 API 中使用。

Claude Haiku 5.5 发布，已上线 Claude Platform 和 Claude Code，运行成本平均比 Haiku 4.5 约低 75%，并提供可调节的 effort 设置。官方建议将其与 Opus 5.5 或 Sonnet 5.5 搭配作为 subagent，用于摘要、compaction 或数据库查询等大批量、成本敏感任务；作者团队也将其作为 Opus 5.5 旁的 subagent 使用。

Anthropic 发布 Claude Haiku 5.5，称其为迄今最快、最便宜的模型，运行成本平均比 Haiku 4.5 低约 75%，并且是首个提供可调节 effort 设置的 Haiku 模型。基准图表显示其在 Computer Use（OSWorld 2.1 72.4%）和 Agentic Coding（Terminal-Bench 4.0 39.2%）等项目上较 Haiku 4.5 大幅提升。

OpenAI 宣布 GPT-6 with Intelligent UI 当天起向 Plus、Pro、Business、Enterprise 用户全球推送，Free 和 Go 用户从明天开始陆续开放。ChatGPT 聊天界面上，付费档由 GPT-6 Sol 驱动，Free 和 Go 档由 GPT-6 Luna 驱动，两者都针对日常对话调优。本次更新仅涉及 Chat 标签页，Work 和 Codex 所用模型不变。详情见 https://openai.com/index/gpt…

Anthropic 发布最新模型 Claude Haiku 5.5，定位为其迄今最便宜、最快且能力最强的小模型。官方表示其平均运行成本比 Claude Haiku 4.5 低约 75%。

Anthropic 宣布 Haiku 5.5 现已在所有平台可用，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。详情见 https://www.anthropic.com/claude-haiku-5-5。

相较于 Haiku 4.5，Haiku 5.5 在我们几乎所有的对齐评估中都展现出显著改进，行为失准的情况大幅减少。

Anthropic 发布 Claude Haiku 5.5，对 10 万 token 以下的任务提供更低定价。官方称此类任务约占上一代 Haiku 模型请求量的九成；定价表显示 10 万 token 以下输入为每百万 token $0.10、输出 $0.50、缓存读取 $0.01，超过 100k 后输入 $0.50、输出 $2.50，对比 Haiku 4.5 输入 $1.00、输出 $5.00。

Anthropic 发布 Claude Haiku 5.5，定位高吞吐、成本敏感任务，可靠处理摘要、分类等重复性工作，并可作为 subagent 配合 Claude Opus 5.5 和 Sonnet 5.5 做编码工作。官方称其速度足以支持实时客户支持和浏览器使用。

Haiku 5.5 在编程、计算机使用和知识工作方面相比 Haiku 4.5 有显著提升。

Anthropic 发布 Claude Haiku 5.5，称其为旗下最便宜、最快、能力最强的小模型。官方表示其平均运行成本比 Claude Haiku 4.5 低约 75%。

微软在旧金山活动中宣布计划将 130B 参数的 MAI Code 1.1 Flash 模型引入 Windows 11 设备。

Arena 更新称 Mistral Large 4 预览版以 1534 分位列 Code Arena: WebDev 第 45 名，使 Mistral 成为榜单前 15 实验室中唯一的欧洲实验室。相比此前 Mistral Large 3 的第 133 名提升 304 分，开放权重预计于 10 月底发布。

Liquid AI 在 Hugging Face 发布两款开放权重 d1 决策模型：d1-3B 和实验性的 d1-omni-600M。