Arena.ai@arena精选AI 评分6767Arena 宣布 OpenAI 的 GPT-6 Sol (Max) 进入 Agent Arena，基于 4K+ 真实智能体会话取得 +7.7% 净改进，排名第 6，中位成本 $0.75/task。
GPT-6 Sol（Max）刚刚登陆 Agent Arena，在我们全球用户社区超过 4K 个真实世界智能体会话中，以 +7.7% 的净提升位列第 6！ 与 GPT 5.6 Sol（xHigh）相比，此次发布在净提升上提高了 +1.5 个百分点（+7.7% 对 +6.2%），点位排名从第 8 升至第 6，而每 token 价格仅为其一半。从信号来看，GPT-6 Sol 在 Confirmed Success 上表现强劲，以 +11.4% 位列第 4，而 5.6 则以 2.9% 位列第 20。 祝贺 @OpenAI 团队发布 GPT-6 Sol！
推荐理由：榜单方基于四千多场真实智能体会话给出成本与得分对比，读者可据此权衡 GPT-6 Sol (Max) 在性价比上的位置。
Arena.ai@arenaAI 评分5656Arena 宣布 Grok 4.7 (xHigh) 进入 Agent Arena 榜单第16位，净改进分 +3.96%。
Grok 4.7 is here. It's a notable improvement over Grok 4.6 at the same price and speed.
Arena.ai@arenaAI 评分6161欢迎 GPT-6 Sol 和 GPT-6 Luna 加入 GPT-6 宇宙。 GPT-6 Sol 和 Luna 建立在 GPT-6 Astra 背后的技术进展之上，将其大部分优势带入更快、更实惠的模型，以支持大规模工作。 我们还提升了缓存和推理效率，并将节省下来的成本直接让利给你：与 GPT-5.6 促销价格相比，Sol 和 Luna 的 API 价格降低了 50%。
Epoch AI 估算，在固定基准分数上取得同等性能的市场价格平均每季度下降约 47%，约合每年 13 倍。OpenAI 的 o3 在 2025 年初以每题约 30 美分在 GPQA Diamond 达到 75% 准确率，18 个月后 GPT-5.6 系列模型以原价 1/725 达到同样分数。
Artificial Analysis 推出 Cyber Index，整合 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三项评估，覆盖从代码审计、漏洞发现到复现与修补的防御全流程。该指数基于 Stirrup 开源代理框架运行，重点测试模型在拥有源代码访问权限下的漏洞识别与修复能力，并单独记录因安全原因拒绝任务的情况。目前暂不包含利用漏洞生成攻击载荷的能力评估。
作者 terryds 上线 bestmodelforyourbudget 网站，每日用 Artificial Analysis 免费 API 数据更新按预算选 LLM 的对照表。
Arena.ai@arenaAI 评分6868Claude Opus 5.5 (Max) delivers top performance at a blended $16 per Mtoken, reshaping the Pareto frontier.
商汤上线SenseNova U1 Pro，在8月SuperCLUE-Image中文文生图榜单以总分93.81排名第一，作者实测其与gpt image 2.5对比。作者分审美与中文版式、多文字运营物料、资料检索与高密度信息、局部修图、多图融合五类任务测试，附全部提示词，认为其文字稳定、局部编辑精准、可支持8K输出，整体完成度达到可交付水平，考虑替换进自己的图片工作流。
作者实测GPT-6 Sol、Luna与Claude Opus 5.5三款新模型。GPT-6 Sol/Luna API价格比GPT5.6低50%，Opus 5.5输出速度比Opus5快30%、成本低40%，并提升了pro、max、team套餐的五小时额度窗口。
小米发布 MiMo-V2.6-Pro、Flash 和 Pro-UltraSpeed 三款模型，UltraSpeed 输出速度最高达 Pro 的 20 倍。
Arena.ai@arena精选AI 评分7979隆重推出 Claude Opus 5.5，这是我们全新的 Claude 5.5 系列中的首个模型。 在大多数任务上，它的表现达到了 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。
推荐理由：原文给出了 Code Arena: WebDev 具体分数和领先幅度，读者可以据此比较 Opus 5.5 与其他模型的表现和性价比。
Artificial Analysis@ArtificialAnlys精选AI 评分6868推荐理由：原文给出 Opus 5.5 在三项编码评测的具体分数、token 用量和任务成本，读者可以据此权衡性能与价格。
Artificial Analysis 页面显示，Inception 于 2026 年 9 月发布的 Mercury 2.5 是一个推理模型，输出速度达 770.4 tokens 每秒（同类价格档推理模型中位数为 108.6）。
Factory 的 Legacy-Bench 正式加入 Fireworks 的 Specialized Intelligence Index（SII），用于评测前沿模型在 COBOL、Java 7、BASIC、C89、Fortran 和 Assembly 等遗留语言上的调试、实现与迁移能力。
The Verge 作者实测 Meta 的 AI 智能体 Muse，用它处理五项拖延已久的琐事，包括跟进园林报价、购买咖啡机零件、取消安保套餐和采购露营装备。多数任务能完成，但无法打电话改套餐，访问 Amazon 也被拦截；40 分钟内作者已交出姓名、地址、信用卡和安全账户凭据，且发现高效完成后反而腾出时间与机器人闲聊。
Artificial Analysis@ArtificialAnlys精选AI 评分7070
推荐理由：原文给出智能指数与单任务成本的 Pareto 前沿新点位和具体分数价格，可用于横向比较各家模型性价比。
Arena.ai@arena精选AI 评分7575欢迎 GPT-6 Sol 和 GPT-6 Luna 加入 GPT-6 宇宙。 GPT-6 Sol 和 Luna 建立在 GPT-6 Astra 背后的技术进展之上，将其大部分优势带入更快、更实惠的模型，以支持大规模工作。 我们还提升了缓存和推理效率，并将节省下来的成本直接让利给你：与 GPT-5.6 促销价格相比，Sol 和 Luna 的 API 价格降低了 50%。
推荐理由：原文给出真实投票榜单的排名、价格和多分类变化，可以据此比较 GPT-6 Sol 在性能与成本上的位置。
drivingbench.com 页面对多个模型操控车辆沿赛道中心线行驶进行了对比，指标包括保持在 4 米内的进度占比、GPS 集成距离、完成时间、指令数以及 token 数与成本。
METR 发布对 Claude Opus 5.5 的部署前评估摘要，基于 10 个工作日的 API 能力测试和五个任务（Budget NanoGPT Speedrun、LMCA、Train a Program、Gaming Bot、Sunlight）。
推荐理由：METR 作为第三方评估方给出了 Claude Opus 5.5 在 AI 研发加速上的量化结论，读者可据此了解部署前评估的证据基础与判断边界。
Artificial Analysis@ArtificialAnlys同事件AI 评分7171同一件事，精选收录的是《Artificial Analysis 评测 GPT-6 Sol 和 Luna：价格减半但各项表现有升有降》
Arena.ai@arenaAI 评分6161Grok 4.7 is here. It's a notable improvement over Grok 4.6 at the same price and speed.
Artificial Analysis@ArtificialAnlysAI 评分5252
Artificial Analysis@ArtificialAnlysAI 评分5353Artificial Analysis 评测 OpenAI 的 GPT-6 Sol 和 Luna，两模型价格较 GPT-5.6 约减半，Sol 定价 $2/$10、Luna $0.10/$0.50 每百万输入/输出 token。
推荐理由：Artificial Analysis 用自家指数实测两代模型的成本与表现，读者可据此判断 GPT-6 降价后哪些能力持平或退步。
Artificial Analysis 评测页面显示 Claude Opus 5.5（Adaptive Reasoning, Max Effort, Default Fallback）在 Artificial Analysis Intelligence Index 得 58 分，远高于同类中位数 25。
Artificial Analysis@ArtificialAnlysAI 评分8585Arena.ai@arena精选AI 评分7272隆重推出 Claude Opus 5.5，这是我们全新的 Claude 5.5 系列中的首个模型。 在大多数任务上，它的表现达到了 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。
推荐理由：Arena 官宣 Claude Opus 5.5 上架 Agent Arena 和 Battle Mode，读者可以参与投票影响排行榜结果。
Artificial Analysis 实测 Claude Opus 5.5 在 Intelligence Index 得分 58，为其测得的最高分，并在 Terminal-Bench 4.0 上与 GPT-6 Astra 打平（59.6%）。
推荐理由：原文给出 Claude Opus 5.5 在 Intelligence Index 及各分项评测的完整数据和定价变化，读者可据此比较智能与任务成本。
OpenRouter 用 Banking77 测试集的 3,080 条客服语料对比 Jev 1.13 与 Claude Opus 5 的意图分类表现。Jev 准确率 81.0% 比 Opus 的 84.4% 低 3.3 个百分点，但中位延迟 175 ms 约为 Opus（2,266 ms）的 1/13，每千次请求成本 $0.11 对 $2.42（启用提示词缓存）。
推荐理由：原文用同一测试流程给出两家模型的准确率、延迟与成本数据，并演示了基于置信度的级联路由方法，便于读者按自身流量权衡选型。
Artificial Analysis@ArtificialAnlysAI 评分7979Artificial Analysis 评测显示 Claude Opus 5.5 以 58 分登顶 Artificial Analysis Intelligence Index，为其实测最高分。
Artificial Analysis 页面显示，小米的 MiMo-V2.6-Pro 在 Artificial Analysis Intelligence Index 得分 46，远高于同类开源权重模型中位数 18。
作者实测同日凌晨发布的 Grok 4.7 与小米 MiMo V2.6，认为 Grok 4.7 低于预期，MiMo V2.6 成为性能、价格、速度三角的当前版本答案。
推荐理由：作者亲手测试并给出价格、速度和基准对比，读者可以据此评估小米 MiMo V2.6 对自身工作流和成本的实际影响。
Artificial Analysis@ArtificialAnlys精选AI 评分6565推荐理由：Artificial Analysis 实测 Step 5 Preview 的得分、成本与智能体短板，读者可据此对比同分段模型的表现与性价比。
Artificial Analysis 发布 Grok 4.7 评测，Grok 4.7（xhigh）智能指数得 46 分，较 Grok 4.6 高 2 分，使 SpaceXAI 进入前四；搭配 Grok Build 的编码智能体指数从 47 升至 56，仅次于 Claude Fable 5.1、GPT-6 Astra 和 Claude Opus 5。
推荐理由：评测方给出 Grok 4.7 在多项基准的具体分数、token 消耗与对比对象，读者可据此判断其真实水平与成本。
Artificial Analysis@ArtificialAnlys同事件AI 评分6666同一件事，精选收录的是《Artificial Analysis 评测 Grok 4.7：智能指数 46 分进入前四，编码智能体升至第 4》
Fireworks AI 推出 Specialized Intelligence Index（SII），汇集开放、闭源与专用模型在垂直领域基准上的表现，首批发 healthcare、legal、cybersecurity、finance、customer support、productivity 和 software 七个领域。
MacStories 作者实测 256 GB 内存的 M5 Ultra Mac Studio，认为它是运行本地 AI 智能体的理想机器。
作者实测阶跃星辰新模型 Step 5 Preview，认为其 UI 能力已追上第一梯队，称较上一模型排名提升 13 名，与 K3 和 Grok 打平，价格约为三分之一。