跳到正文

X

关注 AI 研究者、开发者与机构的动态

当前显示全部 AI 相关新闻
按账号或来源筛选(541)
全部X新闻X:Rohan Paul2028 条X:Kim1538 条X:阿易 AI Notes1233 条X:Testing Catalog620 条X:阿里云 / Alibaba Cloud574 条X:cb_doge538 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)494 条X:Elvis Saravia494 条X:OpenRouter454 条X:Artificial Analysis437 条X:Elon Musk428 条X:Ethan Mollick401 条X:PixVerse372 条X:SemiAnalysis340 条X:OpenAI Developers294 条X:ZHO284 条X:Replit271 条X:小北218 条X:Dex Horthy(HumanLayer)194 条X:AI Safety Memes185 条X:Tibo178 条X:Gemini175 条X:swyx171 条X:Emad Mostaque167 条X:MiniMax159 条X:OpenAI151 条X:X.PIN144 条X:Epoch AI140 条X:Runway133 条X:Nathan Lambert126 条X:Claude Devs125 条X:赵纯想124 条X:Aravind Srinivas(Perplexity CEO)124 条X:Thomas Wolf(Hugging Face 联创/CSO)122 条X:洪明119 条X:蚂蚁百灵118 条X:Jason Liu117 条X:马东锡 NLP114 条X:Gabriel112 条X:Frank Wang 玉伯111 条X:Perplexity108 条X:Google AI for Developers104 条X:fofr103 条X:Yuchen Jin102 条X:面壁智能 OpenBMB101 条X:阑夕99 条X:Claude99 条X:Peter Steinberger98 条X:Luma AI97 条X:Sam Altman93 条X:Tencent WorkBuddy85 条X:Thariq83 条X:Cohere79 条X:Eric Zakariasson77 条X:Krea AI77 条X:opencode75 条X:Francois Chollet74 条X:Clément Delangue(Hugging Face CEO)71 条X:Suno69 条X:OpenClaw65 条X:Greg Brockman64 条X:Deedy Das61 条X:karminski61 条X:腾讯混元58 条X:通义千问 / Qwen57 条X:Microsoft Research56 条X:Anthropic54 条X:AK51 条X:Google DeepMind47 条X:商汤 SenseTime (@SenseTime_AI)43 条X:Charlie Holtz43 条X:Peter McCrory(Anthropic 首席经济学家)42 条X:Google AI41 条X:Boris Cherny40 条X:可灵 Kling AI37 条X:Viggle AI33 条X:百度 Baidu32 条X:AI at Meta32 条X:Aidan Gomez(Cohere CEO)28 条X:Josh Woodward28 条X:Logan Kilpatrick28 条X:Mustafa Suleyman(Microsoft AI CEO)26 条X:Noam Brown24 条X:SpaceXAI24 条X:Andrew Milich22 条X:Odyssey22 条X:李继刚20 条X:Tianyi Cui20 条X:华为云19 条X:硅基流动 SiliconFlow18 条X:Mark Zuckerberg18 条X:Arena (@arena)17 条X:DeepSeek16 条X:fal (@fal)16 条X:DAIR.AI (@dair_ai)14 条X:Karina Nguyen14 条X:Mistral AI14 条X:PixVerse (@PixVerse)14 条X:Sundar Pichai14 条X:ARC Prize (@arcprize)13 条X:Demis Hassabis13 条X:Noah Zweben13 条X:智谱 Z.ai12 条X:Lee Robinson12 条X:Philipp Schmid(Google DeepMind 开发者体验) (@_philschmid)12 条X:ElevenLabs (@elevenlabs)11 条X:Eric Mitchell11 条X:Georgi Gerganov(llama.cpp) (@ggerganov)11 条X:Jensen Huang11 条X:卡兹克 (@Khazix0918)10 条X:唐杰10 条X:Ammaar Reshi10 条X:Andrew Ng(DeepLearning.AI 创始人)10 条X:Arthur Mensch(Mistral CEO) (@arthurmensch)10 条X:Barret 李靖10 条X:Cursor (@cursor_ai)10 条X:Hao AI Lab10 条X:Kimi.ai10 条X:Cognition (@cognition)9 条X:Fei-Fei Li9 条X:Manus (@ManusAI)9 条Tripo(官方 X)8 条X:Figure AI (@Figure_robot)8 条X:Gemini Notebook (@Gemini_Notebook)8 条X:Higgsfield AI (@higgsfield)8 条X:Jeff Dean8 条X:Jim Fan8 条X:Meshy (@MeshyAI)8 条X:MiniMax Design (H3) (@Hailuo_AI)8 条X:谢赛宁7 条X:Lisa Su(AMD CEO) (@LisaSu)7 条X:Michael Truell7 条X:張小珺 Xiaojùn6 条X:NotebookLM0 条@berryxia · 历史来源430 条@vista8 · 历史来源262 条@op7418 · 历史来源231 条@google · 历史来源30 条@getsuperintel · 历史来源9 条@latentspacepod · 历史来源9 条@android · 历史来源8 条@dreamlabla · 历史来源8 条@mannybernabe · 历史来源8 条@karpathy · 历史来源7 条@alexatallah · 历史来源6 条@ryanleeminimax · 历史来源5 条@theo · 历史来源5 条@aidotengineer · 历史来源4 条@dkundel · 历史来源4 条@reach_vb · 历史来源4 条@dotey · 历史来源3 条@eliebakouch · 历史来源3 条@googlechrome · 历史来源3 条@kilocode · 历史来源3 条@maxforai · 历史来源3 条@newsfromgoogle · 历史来源3 条@richardssutton · 历史来源3 条@skylermiao7 · 历史来源3 条@victorsuortiz · 历史来源3 条@ajambrosino · 历史来源2 条@akashi203 · 历史来源2 条@anatolikopadze · 历史来源2 条@andrewcurran_ · 历史来源2 条@antirez · 历史来源2 条@barrnanas · 历史来源2 条@coreyching · 历史来源2 条@deanwball · 历史来源2 条@designarena · 历史来源2 条@fellmentke · 历史来源2 条@gergelyorosz · 历史来源2 条@gmi_cloud · 历史来源2 条@gravicle · 历史来源2 条@hxiao · 历史来源2 条@id_aa_carmack · 历史来源2 条@jackminong · 历史来源2 条@lennysan · 历史来源2 条@mada299 · 历史来源2 条@microsoft · 历史来源2 条@mikastars39 · 历史来源2 条@mitchellh · 历史来源2 条@nabeelqu · 历史来源2 条@rudrank · 历史来源2 条@sebastienbubeck · 历史来源2 条@zan2434 · 历史来源2 条@___harald___ · 历史来源1 条@_boraturan · 历史来源1 条@0xjaniak · 历史来源1 条@0xkato · 历史来源1 条@47fucb4r8c69323 · 历史来源1 条@559hkdt · 历史来源1 条@aaliya_va · 历史来源1 条@abhikatte42 · 历史来源1 条@abhishekpatiil · 历史来源1 条@aboutberlin · 历史来源1 条@addyosmani · 历史来源1 条@agi2asi · 历史来源1 条@aiaicreate · 历史来源1 条@aimlapi · 历史来源1 条@aisaonehq · 历史来源1 条@aisystemprompt · 历史来源1 条@alemtuzlak · 历史来源1 条@alexxubyte · 历史来源1 条@alupsasca · 历史来源1 条@amasad · 历史来源1 条@ampcode · 历史来源1 条@anas_build_ · 历史来源1 条@aniketmaurya · 历史来源1 条@anitakirkovska · 历史来源1 条@anneliesgamble · 历史来源1 条@antigravity · 历史来源1 条@arafatkatze · 历史来源1 条@argofowl · 历史来源1 条@ashiknewazaj · 历史来源1 条@atabarrok · 历史来源1 条@atomic_chat_hq · 历史来源1 条@awe_automation · 历史来源1 条@awesomekling · 历史来源1 条@awscloud · 历史来源1 条@ayushagarwal · 历史来源1 条@baaadas · 历史来源1 条@bai_agi · 历史来源1 条@bbuddha_xyz · 历史来源1 条@bclavie · 历史来源1 条@beccalytics · 历史来源1 条@benfleming__ · 历史来源1 条@benhylak · 历史来源1 条@benjamineyliu · 历史来源1 条@bfl_ml · 历史来源1 条@bleysg · 历史来源1 条@bolna_dev · 历史来源1 条@bosmeny · 历史来源1 条@boxmining · 历史来源1 条@bozhou_ai · 历史来源1 条@brexhq · 历史来源1 条@brian_armstrong · 历史来源1 条@brianchew · 历史来源1 条@bridgemindai · 历史来源1 条@budgetpixel · 历史来源1 条@cahidarda · 历史来源1 条@calmpromptshq · 历史来源1 条@ce_zhang · 历史来源1 条@cedric_chee · 历史来源1 条@chaitralikakde · 历史来源1 条@chatgpt · 历史来源1 条@chatgptapp · 历史来源1 条@christinetyip · 历史来源1 条@christofsalis · 历史来源1 条@clark__labs · 历史来源1 条@cloudflaredev · 历史来源1 条@cnorth_13 · 历史来源1 条@cnzoecomeback · 历史来源1 条@cocohearts · 历史来源1 条@code_star · 历史来源1 条@codebyaurelia · 历史来源1 条@cohavygal · 历史来源1 条@commandcodeai · 历史来源1 条@consensusnlp · 历史来源1 条@contralabs_ai · 历史来源1 条@cozyblaze265065 · 历史来源1 条@crimedecoder · 历史来源1 条@crtr0 · 历史来源1 条@damnventures · 历史来源1 条@daniellockyer · 历史来源1 条@darioamodei · 历史来源1 条@davidmaliglowka · 历史来源1 条@davidondrej1 · 历史来源1 条@davidsacks · 历史来源1 条@dbirker78883 · 历史来源1 条@deryatr_ · 历史来源1 条@devfun · 历史来源1 条@diegocabezas01 · 历史来源1 条@digitalocean · 历史来源1 条@dimillian · 历史来源1 条@dimitrispapail · 历史来源1 条@discussingfilm · 历史来源1 条@dkthomp · 历史来源1 条@dmitryrybin1 · 历史来源1 条@dmsobol · 历史来源1 条@douglance · 历史来源1 条@douglasyaody · 历史来源1 条@duckduckgo · 历史来源1 条@easyrouterio · 历史来源1 条@edgardobriban · 历史来源1 条@eisokant · 历史来源1 条@elliotarledge · 历史来源1 条@encrypted · 历史来源1 条@endpointarena · 历史来源1 条@envato · 历史来源1 条@escanorreloaded · 历史来源1 条@esrtweet · 历史来源1 条@ethanhe_42 · 历史来源1 条@eu_commission · 历史来源1 条@fba · 历史来源1 条@fdavidsont · 历史来源1 条@figmaweave · 历史来源1 条@finn_meeks · 历史来源1 条@first_tree_ai · 历史来源1 条@flavioad · 历史来源1 条@flowith · 历史来源1 条@fminzhou · 历史来源1 条@freddie_spirit · 历史来源1 条@frydwia · 历史来源1 条@futurestacked · 历史来源1 条@garrettlord · 历史来源1 条@garrytan · 历史来源1 条@gavinsbaker · 历史来源1 条@GayaniFigma · 历史来源1 条@genspark_ai · 历史来源1 条@gitlawb · 历史来源1 条@gneubig · 历史来源1 条@gokulr · 历史来源1 条@goodfireai · 历史来源1 条@goodnesmbakara · 历史来源1 条@googleaistudio · 历史来源1 条@gordic_aleksa · 历史来源1 条@gro_tsen · 历史来源1 条@hangsiin · 历史来源1 条@happycapyai · 历史来源1 条@haydenbleasel · 历史来源1 条@helloiamleonie · 历史来源1 条@hey_asiif · 历史来源1 条@hilbertspaess · 历史来源1 条@howtoprompt__ · 历史来源1 条@hq4ai · 历史来源1 条@hypersoren · 历史来源1 条@ianbremmer · 历史来源1 条@interaction · 历史来源1 条@intology · 历史来源1 条@iron_redux · 历史来源1 条@ithilgore · 历史来源1 条@itsreallyvivek · 历史来源1 条@jamesjyu · 历史来源1 条@jameszmsun · 历史来源1 条@jason_young1231 · 历史来源1 条@jawad_rahman_ · 历史来源1 条@jaydendavisnc · 历史来源1 条@jeffbarg · 历史来源1 条@jenzhuscott · 历史来源1 条@jiayuan_jy · 历史来源1 条@jilles · 历史来源1 条@jimcramer · 历史来源1 条@jimsyoung_ · 历史来源1 条@jinjingliang · 历史来源1 条@jjacky · 历史来源1 条@jjackyliang · 历史来源1 条@joefioti · 历史来源1 条@joi___ai · 历史来源1 条@joinhandshake · 历史来源1 条@joinpursuit · 历史来源1 条@joulee · 历史来源1 条@jsconfasia · 历史来源1 条@jsrailton · 历史来源1 条@juminoz · 历史来源1 条@kaizero_ainta · 历史来源1 条@karanganesan · 历史来源1 条@kdaigle · 历史来源1 条@kentherogers · 历史来源1 条@kevinsays · 历史来源1 条@khudonogov · 历史来源1 条@kinfisht · 历史来源1 条@koraykv · 历史来源1 条@kotekjedi_ml · 历史来源1 条@kuberwastaken · 历史来源1 条@kurz_gesagt · 历史来源1 条@kwindla · 历史来源1 条@lafalcemateo · 历史来源1 条@lakshyaaagrawal · 历史来源1 条@larrylv · 历史来源1 条@layoffai · 历史来源1 条@levinstanley · 历史来源1 条@lifeofjer · 历史来源1 条@livekit · 历史来源1 条@lon · 历史来源1 条@lostinlatencyx · 历史来源1 条@lotte_verheyden · 历史来源1 条@lqiao · 历史来源1 条@luciushq · 历史来源1 条@luckeyfaraday · 历史来源1 条@lukaspet · 历史来源1 条@madhavsinghal_ · 历史来源1 条@manassharmahere · 历史来源1 条@markiewagner · 历史来源1 条@marksaroufim · 历史来源1 条@marsxiang_ · 历史来源1 条@maseehg_ · 历史来源1 条@mattshumer_ · 历史来源1 条@mem0ai · 历史来源1 条@mengto · 历史来源1 条@merettm · 历史来源1 条@micahcarroll · 历史来源1 条@michael_chomsky · 历史来源1 条@michaelarnaldi · 历史来源1 条@microsoftai · 历史来源1 条@mike_acton · 历史来源1 条@mikeyyyzhao · 历史来源1 条@minchoi · 历史来源1 条@minimaxagent · 历史来源1 条@minu_who · 历史来源1 条@mkbhd · 历史来源1 条@modal · 历史来源1 条@moritzthuening · 历史来源1 条@moxie · 历史来源1 条@mstockton · 历史来源1 条@mtslive · 历史来源1 条@multimodalart · 历史来源1 条@neelnanda5 · 历史来源1 条@neilrahilly · 历史来源1 条@nickbaumann_ · 历史来源1 条@nirantk · 历史来源1 条@noemititarenco · 历史来源1 条@notjazii · 历史来源1 条@nousresearch · 历史来源1 条@oblomovius · 历史来源1 条@ollama · 历史来源1 条@onlyterp · 历史来源1 条@onlyzhynx · 历史来源1 条@organicgpt · 历史来源1 条@orgrem · 历史来源1 条@p0 · 历史来源1 条@palantirtech · 历史来源1 条@palmerluckey · 历史来源1 条@pandatalk8 · 历史来源1 条@parishilton · 历史来源1 条@patrickcarlyle · 历史来源1 条@patricktoulme · 历史来源1 条@paulg · 历史来源1 条@paulsolt · 历史来源1 条@pbdtokenrouter · 历史来源1 条@pererabinoy · 历史来源1 条@philhchen · 历史来源1 条@pirroh · 历史来源1 条@pjaccetturo · 历史来源1 条@postlive · 历史来源1 条@pranaveight · 历史来源1 条@prathamdby · 历史来源1 条@prince_canuma · 历史来源1 条@pumpkherm · 历史来源1 条@pvncher · 历史来源1 条@qiaoqiao2001 · 历史来源1 条@rajveerbach · 历史来源1 条@randyhaddad6 · 历史来源1 条@rauchg · 历史来源1 条@raveeshbhalla · 历史来源1 条@rayanpal_ · 历史来源1 条@rayfernando1337 · 历史来源1 条@redpoint · 历史来源1 条@ric_rtp · 历史来源1 条@richardsocher · 历史来源1 条@riderashgame · 历史来源1 条@rileybrown · 历史来源1 条@robertvaradan · 历史来源1 条@ronshepherd · 历史来源1 条@rosmine · 历史来源1 条@rthiago · 历史来源1 条@ruben_kostard · 历史来源1 条@runware · 历史来源1 条@rvivek · 历史来源1 条@ryanjunejo · 历史来源1 条@safaricheung · 历史来源1 条@samuelstroschei · 历史来源1 条@sanmking · 历史来源1 条@saranormous · 历史来源1 条@savinovnikolay · 历史来源1 条@scale_ai · 历史来源1 条@scaling01 · 历史来源1 条@sdaily_ai · 历史来源1 条@secscottbessent · 历史来源1 条@seltaa_ · 历史来源1 条@sergiopaniego · 历史来源1 条@servasyy_ai · 历史来源1 条@sethltx · 历史来源1 条@sharat_sc · 历史来源1 条@shashankgoyal95 · 历史来源1 条@sherryyanjiang · 历史来源1 条@sherylhsu02 · 历史来源1 条@shl · 历史来源1 条@sighjith · 历史来源1 条@simistern · 历史来源1 条@southpkcommons · 历史来源1 条@sriramkri · 历史来源1 条@sshoaibali · 历史来源1 条@stalkermustang · 历史来源1 条@status_effects · 历史来源1 条@stevencheng · 历史来源1 条@stockanalystpro · 历史来源1 条@suekhim · 历史来源1 条@sultanalfardan · 历史来源1 条@suraj_sharma14 · 历史来源1 条@swisscheese4299 · 历史来源1 条@swmansion · 历史来源1 条@systematicls · 历史来源1 条@teksedge · 历史来源1 条@tftc21 · 历史来源1 条@theahmadosman · 历史来源1 条@themidasproj · 历史来源1 条@theonejvo · 历史来源1 条@therealadamg · 历史来源1 条@timsoulo · 历史来源1 条@tmuxvim · 历史来源1 条@tobi · 历史来源1 条@togethercompute · 历史来源1 条@trackernetwork · 历史来源1 条@trustkerneltech · 历史来源1 条@ttunguz · 历史来源1 条@tuhinchakr · 历史来源1 条@twistartups · 历史来源1 条@ubermenscchh · 历史来源1 条@udayan_w · 历史来源1 条@usefastlane · 历史来源1 条@uzyn · 历史来源1 条@valeriocapraro · 历史来源1 条@vasuman · 历史来源1 条@vdbergrianne · 历史来源1 条@vibeguessing · 历史来源1 条@victoriakimse · 历史来源1 条@victoriawu77 · 历史来源1 条@victortaelin · 历史来源1 条@vikaskansalhq · 历史来源1 条@volchika · 历史来源1 条@walden_yan · 历史来源1 条@warpdotdev · 历史来源1 条@waynesutton · 历史来源1 条@wesroth · 历史来源1 条@whosamberella · 历史来源1 条@xdinodeer · 历史来源1 条@xicilion · 历史来源1 条@xucian_ · 历史来源1 条@yacinemtb · 历史来源1 条@yaojingang · 历史来源1 条@yevr19 · 历史来源1 条@yoheinakajima · 历史来源1 条@yongquanyq · 历史来源1 条@youtubejocoding · 历史来源1 条@yusufg · 历史来源1 条@zachbussey · 历史来源1 条@zeddotdev · 历史来源1 条@zeroxkyle · 历史来源1 条@zhenthebuilder · 历史来源1 条@zicohacks · 历史来源1 条@zixuanli_ · 历史来源1 条@zymazza · 历史来源1 条
18,945 条AI 相关新闻 · 最新在前
9月23日周三
  1. @sama78

    Sam Altman 表示,按每任务计价这一更应被看重的指标衡量,GPT-6 Sol 与 Luna 在市场上没有对手。被引内容称这两款模型在智能、对齐、工作产出、编码与电脑操作等方面较 5.6 系列前代大幅提升,每 token 价格减半,按任务计价更低。他称希望人们能大量使用 AI,以探索眼前这场新的复兴。

    引用@sama@sama

    GPT-6 Sol and Luna are big improvements on intelligence, alignment, work output, coding, computer use, and more over their 5.6-family predecessors. They are also half the price per token, and even less per task!

    推荐理由:Sam Altman 给出按任务计价的成本主张,读者可据此观察新一代模型的定价思路以及大规模调用的成本门槛。

  2. Noam Brown82

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna,性能优于 GPT-5.6 且 API 价格低 50%。Luna 现为 $0.10 输入 / $0.50 输出每 1M tokens,这是继 7 月底 Luna 降价 80% 之后的又一次下调,两个月内输出价格从 $6 降至 $0.50。

    引用OpenAI@OpenAI

    Please 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。

  3. @sama76

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna 两个模型,基于 GPT-6 Astra 的技术,把其部分优势带入更快、更便宜的模型以支持规模化工作。官方称缓存和推理效率也有提升,并将节省直接传递出来,Sol 与 Luna 的 API 价格比 GPT-5.6 促销价低 50%。Sam Altman 转发该消息时表示这两个模型不错,并提到配图角色很可爱。

    引用@OpenAI@OpenAI

    Please 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:GPT-6 Sol 与 Luna 把 Astra 的能力下放到更快更便宜的档位,API 价格较 GPT-5.6 促销价再降 50%。

  4. @OpenRouter73

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna,两款模型沿用 GPT-6 Astra 的技术路线,定位更快、更便宜的规模化工作负载,Sol 和 Luna 的 API 价格比 GPT-5.6 促销价低 50%。OpenRouter 补充说,两者都保留 Astra 的沟通风格,回答更清晰简短、术语更少,并使用 OpenAI 改进后的 prompt caching,缓存输入读取可享 90% 折扣。

    引用@OpenAI@OpenAI

    Please 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:OpenRouter 转述了 Sol 与 Luna 的定位和价格变化,读者可据此比较两个新档位的成本取舍。

  5. @OpenRouter77

    OpenRouter 上线 GPT-6 Luna,将其定位为快速、低成本的档位。据 OpenAI 数据,该模型在 DeepSWE v1.1 上得分 66.6%,中等投入下与 Claude Opus 5、Fable 5 相当,单任务成本低 93-96%;投入更高时事实性可与 GPT-5.6 Sol 相当,成本约为其 1/100。用户可通过 https://t.co/uCgA5flWP0 使用。

    推荐理由:原文给出新档位模型的基准与单任务成本对比,读者可据此判断低成本档位在实际工作流中的性价比。

  6. @OpenRouter72

    OpenRouter 上线 GPT-6 Sol,定位为 Astra 之下、面向高要求编码与专业工作的档位。按 OpenAI 说法,它的事实性错误约为 GPT-5.6 Sol 的一半,DeepSWE v1.1 得分 68.8%,与 Claude Fable 5 的最佳成绩相差 1.1 分,单任务成本约低 80%。它还在 AutomationBench 上超过 Claude Opus 5,成本为后者的 9%。

    推荐理由:文中给出 GPT-6 Sol 在编码基准上的得分与相对成本,可据此判断它对照 Claude 系列的性价比定位。

  7. @thsottiaux83

    GPT-6 Sol 与 Luna 发布,作者称两款模型在各项能力以及写作和整体使用体验上都有显著提升。同时 API 价格永久下调 50%,作者称这让它们适用于大量新用例,也让订阅用量更耐用。Plus、Pro 和 Business 用户账户还将获得一次 banked reset。

    引用@thsottiaux@thsottiaux

    We have been focusing on efficiency and intelligence for all. Very proud of the team. Only possible when you have incredible models at the top end of the capability that you can then use to make a big difference in everything else.

    推荐理由:GPT-6 Sol 与 Luna 发布并伴随 API 价格永久下调 50%,读者可据此判断调用成本与订阅额度的变化。

  8. @OpenRouter84

    OpenRouter 上线 OpenAI 的 GPT-6 Sol 和 GPT-6 Luna,两者价格均为前代 GPT-5.6 的一半,Sol 定价 $2/M 输入、$10/M 输出,Luna 为 $0.10/M 输入、$0.50/M 输出。在 AutomationBench 上,两者分别以更低的单任务成本超过各自前代的最佳得分。

    推荐理由:OpenAI 的 GPT-6 Sol 与 Luna 在 OpenRouter 上线,价格较前代减半但基准得分更高,读者可据此权衡成本与能力。

  9. @kimmonismus68

    GPT-6 Sol 与 Luna 公布在 FrontierCode、DeepSWE 和 AutomationBench 上的成绩与单任务成本,Sol 与 Fable 5.1 得分接近但每任务便宜约 80% 至 85%。

    引用@kimmonismus@kimmonismus

    Pricing: "GPT-6 Sol will cost $2 ​per million input tokens and $10 per million output tokens, down ​50% from GPT-5.6 Sol's promotional prices, while GPT-6 Luna will cost $0.10 per million input tokens and $0.50 per million output tokens." Astra realiability at much much cheaper price

    推荐理由:原文并列给出 GPT-6 Sol 与 Luna 在三个基准上的得分和单任务成本,可以顺着价格与成绩的取舍做比较。

  10. @OpenAIDevs72

    OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna,称两款模型延续 Astra 在对齐上的进展,在对齐评测中优于 GPT-5.6 Sol 和 GPT-5.6 Luna。配图给出编码欺骗率对比,GPT-6 Sol 为 1.3%、GPT-6 Luna 为 2.8%,低于 GPT-5.6 Sol 的 10.4% 和 GPT-5.6 Luna 的 9.5%,GPT-6 Astra 为 0.5%。

    引用@OpenAI@OpenAI

    GPT‑6 Sol and Luna build on Astra’s advances in alignment, showing improvements over their GPT-5.6 counterparts. https://t.co/1wlBRISIId

    推荐理由:原文用同一张图表对比 GPT-6 与 GPT-5.6 同系列模型,读者能直接看出编码欺骗率的变化幅度。

  11. @OpenAIDevs82

    OpenAI Developers 表示缓存与推理方面的改进降低了成本,并将节省传导到 API 定价,GPT-6 Sol 输入从 $4 降至 $2、输出从 $20 降至 $10,较 GPT-5.6 Sol 便宜 50%。GPT-6 Luna 输入从 $0.20 降至 $0.10、输出从 $1.20 降至 $0.50,降幅 50%~58.3%。官方称 Sol 与 Luna 以上一代一半的 API 价格提供更强能力,使更复杂的工作可规模化自动化。

    推荐理由:原文列出了两款模型的具体 API 价格与原价对比,可供开发者评估调用成本的变化。

  12. @OpenAI71

    OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna,两款模型基于 GPT-6 Astra 的技术进展,把其多数能力带进更快、更便宜的模型以支持规模化工作。官方称缓存和推理效率提升,Sol 与 Luna 的 API 价格比 GPT-5.6 促销价低 50%。随文图片显示 Sol 定价为输入 $2.00、输出 $10.00,Luna 为输入 $0.10、输出 $0.50。

    原始视频预览图;未保存可播放视频URL

    推荐理由:新模型把 GPT-6 Astra 的能力下放到更快更便宜的档位,API 降价给出了明确的成本参照。