Anthropic 于 9 月 22 日发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna。GPT-6 Luna 定价 $0.10/$0.50 每百万 token，比 GPT-5.6 Luna 再降一半；Opus 5.5 降价 20% 至 $4/$20，缓存读取价格下降 60%。
推荐理由：作者用实测和价格对比表梳理了这轮降价的具体幅度，还发现 Opus 5.5 max 档过度思考撞上输出上限的问题。
Claude@claudeaiAI 评分2626一组用 Claude Opus 5.5 进行的早期探索： @kevin_t_ngo 创作的一篇关于西瓜的短篇故事。
Greg Brockman@gdb精选AI 评分7979Please welcome GPT-6 Sol and GPT-6 Luna to the GPT-6 universe. GPT-6 Sol and Luna build on the advances behind GPT-6 Astra, bringing much of its strengths into faster and more affordable models to support work at scale. We’ve also made caching and inference more efficient, and we’re passing the savings directly to you: 50% lower API prices for Sol and Luna compared with GPT‑5.6 promotional pricing.
推荐理由：原文由当事方宣布两款新模型及降价幅度，读者可以据此了解 GPT-6 系列的能力分工与成本变化。
Noam Brown@polynoamial精选AI 评分8282Please welcome GPT-6 Sol and GPT-6 Luna to the GPT-6 universe. GPT-6 Sol and Luna build on the advances behind GPT-6 Astra, bringing much of its strengths into faster and more affordable models to support work at scale. We’ve also made caching and inference more efficient, and we’re passing the savings directly to you: 50% lower API prices for Sol and Luna compared with GPT‑5.6 promotional pricing.
推荐理由：作者以当事方身份给出模型、降价幅度和具体价格，可据此比较 GPT-6 系列的成本变化。
Ant Ling@AntLingAGIAI 评分4545
Boris Cherny@bcherny精选AI 评分7676Introducing Claude Opus 5.5, the first model in our new Claude 5.5 family. It performs at the level of Claude Fable 5.1 for most tasks, and costs 40% less to run than Opus 5.
推荐理由：作者亲测对比两个模型移植 HAProxy 的耗时与成本，给出了具体数字供选型参考。
Anthropic@AnthropicAI精选AI 评分7171Introducing Claude Opus 5.5, the first model in our new Claude 5.5 family. It performs at the level of Claude Fable 5.1 for most tasks, and costs 40% less to run than Opus 5.
推荐理由：官方宣布 Claude Opus 5.5 上线，可对照引用内容了解其性能对标与成本变化。
Claude@claudeai精选AI 评分7171
推荐理由：官方宣布 Claude 5.5 家族首模型，给出与上代性能对标和 40% 成本下降，可据此评估迁移价值。
karminski-牙医@karminski3AI 评分5252karminski 发布小米 MiMo-v2.6-pro 测试速报，向量数据库测试得分从 MiMo-v2.5-Pro 的 2505 升至 7810，接近 Claude Fable-5。
karminski-牙医@karminski3AI 评分3939Qwen4 家族首次曝光，包含 Qwen4-Max、Qwen4-Flash & Qwen4-Plus 以及 Qwen4-27B，未来 Qwen 会训 5-10T 的模型。卧槽5-10T???
🚨Qwen4家族首次曝光！！ 刚刚，在2026年云栖大会的开幕式上，新任@Alibaba_Qwen LLM负责人刘大一恒官宣了即将到来的Qwen4家族！ 包含Qwen4-Max Qwen4-Flash&Qwen4-Plus 还有Qwen4-27B！！！ 未来Qwen会训5-10T的模型
Latent Space 期 AINews 汇总，Xiaomi 发布 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 原生全模态开源模型（MIT 许可）。
推荐理由：原文汇总了 MiMo-V2.6-Pro 登顶开源权重榜的评测数据和 RL 训练成本细节，读者可以借此评估后训练路线的实际性价比。
Qwen@Alibaba_QwenAI 评分3434来自 @inteldevs 的 Day-0 OpenVINO 支持！🥳 Qwen-Image-2.1 已可在 Intel 硬件上优化运行。一个开放权重 checkpoint，同时支持生成和编辑。👇
We're excited to offer Day0 OpenVINO support for Qwen-Image-2.1 Read more about what you can accomplish here: https://ms.spr.ly/6019a5nm5
阶跃毫无预兆发布 Step 5 Preview，总参数量 600B、激活 27B，带视觉输入，称 Artificial Analysis 上涨 44 分、全球开源前三，单任务成本仅为 Claude Opus 5 的 1/8。
推荐理由：作者与朋友实测了 Step 5 Preview 在可视化、金融、游戏等任务上的真实表现，补上了榜单分数之外的第一手体感参考。
OpenRouter 发文解析 NVIDIA 的 Nemotron 3.5 Lightning，这是一个 30B 总参数、每 token 激活约 3B 的 MoE 开源权重模型，定位于智能体工作流中的高频执行步骤。
推荐理由：原文梳理了模型规格、与 Ultra 的分工、各端点差异和路由方法，可帮助读者判断何时用它替代大模型执行高频调用。
TypeSafe AI 上周发布 Jev，称其为 System One 或决策模型：接受文本输入，输出对应类别、是非判断和评分的浮点数及置信分数。其首个模型按输入 token 计费，每百万 token $0.042，输出免费，比 GPT-5 Nano（$0.05/百万）更便宜；问题并行评估，但对数字、日期和对抗性内容表现不佳。
Michael Truell@mntruellAI 评分5454Grok 4.7 is here. It's a notable improvement over Grok 4.6 at the same price and speed.
Andrew Milich@milichabAI 评分5555Grok 4.7 is here. It's a notable improvement over Grok 4.6 at the same price and speed.
Anthropic 发布 Claude Opus 5.5，为 Claude 5.5 家族首款模型，官方称其表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 价格为 $4 和 $20 每百万，缓存读取 $0.20 每百万（降低 60%），输出速度快 30% 以上。
推荐理由：官方给出完整基准、价格与安全评估细节，读者可据此比较 Opus 5.5 在成本与智能体编码上的实际变化。
Anthropic 发布 Claude Opus 5.5（claude-opus-5-5），面向长时运行的智能体编码与知识工作，默认 1M token 上下文窗口。
推荐理由：官方发布说明列出了价格、上下文窗口和 API 行为变化，可为长期智能体编码工作流的迁移提供具体参考。
SpaceXAI@SpaceXAIAI 评分3535推出 Grok Voice Transcribe 2.0。它是全球最准确的语音转写模型。
Mustafa Suleyman@mustafasuleymanAI 评分4545Generating high-quality images is cheaper and faster than ever. Muse Image, MAI-Image-2.6 and GPT Images 2.5 have substantially shifted the Text to Image Pareto frontiers for both price and speed in recent weeks.
Epoch AI@EpochAIResearchAI 评分4848
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首次预览提交中，Qwen3-VL 吞吐量最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。GB300 NVL72 以 288 GPU 四机架提交实现 99% 扩展效率，软件优化较 v6.0 带来最高 1.6 倍性能提升。
Jeff Dean@JeffDeanAI 评分5555We built high-throughput materials labs in Menlo Park to create a loop between experiments and models. The labs generate fresh data, the models learn from it, and then help us decide what to try next. Using only 1,300 H200s, plus months of our experimental data, we mid-trained and RL’d an open-source model to surpass GPT-6 Astra on our analysis benchmark. We call it Neon. This is real footage from our lab. We’re focusing first on hard problems in materials science, including superconductors, magnets, and semiconductor materials. Read our blog posts below.
ViggleAI@ViggleAIAI 评分5454
Logan Kilpatrick@OfficialLoganKAI 评分6464
Google AI@GoogleAI精选AI 评分7474Google AI 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款语音模型。
推荐理由：原文分述两款语音模型的能力差异与使用场景，读者可据此判断选型方向。
Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两个实时语音对话模型，主打近实时推理与语音智能体。
推荐理由：官方给出两个新语音模型的定位分工和多项基准数字，读者可据此判断其适合规模化还是高复杂度语音任务。
Odyssey@odysseymlAI 评分3434
inclusionAI 在 Hugging Face 开源 LLaDA-UI，一个基于 MoE 的块扩散视觉语言 GUI Agent，总参数约 16.7B，语言骨干为 LLaDA2.0-mini-base。
SiliconFlow@SiliconFlowAIAI 评分5252
Ant Ling@AntLingAGIAI 评分2626Ling-3.0-flash-Fin 现已推出三个量化版本：FP8、FP4 和 INT4。 如果你正在构建真实的金融工作流，可以选择最契合你基础设施、内存和效率需求的版本。🧵
inclusionAI 推出 SingProbe，一个基于 meta-llama/Llama-3.2-1B-Instruct 的流式安全探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，仅增加不到 0.5% 解码开销。
inclusionAI 发布 SingProbe，一个基于 google/gemma-4-26B-A4B-it 的流式安全探针，复用基座模型隐藏状态逐 token 打分，仅增加不到 0.5% 解码开销。
inclusionAI 在 Hugging Face 发布 SingProbe，一个复用 Qwen3.6-35B-A3B 隐层状态的轻量流式安全探测，逐 token 输出 8 类查询意图、不安全与幻觉风险分数，探测参数仅 4.2M。
inclusionAI 发布 SingProbe，一个构建在 Qwen/Qwen3-0.6B 之上的流式安全探针，复用基座模型隐藏状态在每个 token 上评估查询意图、回复不安全性和幻觉风险。
inclusionAI 在 Hugging Face 发布 SingProbe，一个构建在 Qwen/Qwen3.5-122B-A10B 上的内在流式安全护栏探针，复用基座模型隐藏状态，在每个 token 上输出 8 类查询意图、回复不安全度和幻觉风险分数，解码开销低于 0.5%。
inclusionAI 发布 Qwen3.5-0.8B-singprobe，一个基于 Qwen/Qwen3.5-0.8B 隐藏状态的流式安全探针，可在生成过程中逐 token 输出查询意图、回复不安全和幻觉风险评分，解码开销低于 0.5%。
inclusionAI 发布基于 Qwen/Qwen3.5-397B-A17B 的流式安全探针 SingProbe，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。
inclusionAI 发布 Qwen3.8-27B-singprobe，这是一个构建在 Qwen/Qwen3.8-27B 上的内在流式护栏探针，复用基座模型隐藏状态，在每个 token 上对查询意图、回复不安全和幻觉风险打分，解码开销低于 0.5%。