跳到正文
  1. 爱范儿77

    实测腾讯 Hy4 flash:花两毛钱,就能让 AI 从零做个 3D 交互网页

    腾讯 Hy4 flash 正式发布,总参数量 224B、激活参数 12B,支持多模态与 1M 上下文,输入价格 0.5 元每百万 Token、输出 2 元每百万 Token,并在 WorkBuddy 提供 11 月 16 日至 11 月 30 日的限时免费额度。

    推荐理由:原文用相同任务对比了 Hy4 flash 与 DeepSeek V4.1 Flash 的时间和 Token 消耗,读者可据此判断高频 Agent 场景下的成本取舍。

  1. Latent Space91

    Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,重登 LLM 榜首

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,官方称两者在多数受评能力上优于 Opus 5.5,发布后登上 Artificial Analysis、SemiAnalysis GDPx 等多个独立榜单第一。

    推荐理由:原文汇总了 Fable 5.2 的第三方评测与成本数据,读者可据此对比它与 Gemini 4 Carbon、Opus 5.5 的真实差距。

  1. 掘金84

    DeepSeek-V4.1-Flash-1017 上线:编程与工具任务增强,价格不变

    10月17日 DeepSeek-V4.1-Flash-1017 上线,网页和 App 同步更新,API 价格保持不变,重点加强编程和工具任务能力。官方演示展示了从头开发赛车游戏、故宫3D场景和 Godot 游戏原型,DeepSWE v1.1 通过率从 74.2% 升到 77.0%,Terminal-Bench 4.0 从 31.2 升到 42.3。

    推荐理由:原文把通过率提升、token 计费方式和接口价格放在一起,读者可以据此估算用新版完成编程任务的实际成本。

  2. The Decoder83

    DeepSeek-V4.1-Flash-1017 发布:智能体与编码任务超越更大模型,单任务成本大幅下降

    DeepSeek 发布 V4.1-Flash-1017,在自家基准的多个编码与智能体任务类别上超过 Claude Opus 5、GPT 5.6-Sol、Kimi K3 和 GLM 5.3 等更大模型,权重已在 Hugging Face 与 ModelScope 开源。

    推荐理由:原文给出 DeepSeek 自测基准与单任务成本对比,可据此评估小模型在编码与智能体任务上的性价比,独立评测尚未公布。

  3. 量子位90

    DeepSeek-V4.1-Flash-1017 发布,性能提升且成本下降,同步开放搜索 API

    DeepSeek 发布新模型 DeepSeek-V4.1-Flash-1017,官方网页端、APP 与 API 已同步变更。

    推荐理由:原文给出新模型在性能提升的同时压缩运行时间和费用,并开放自研搜索 API,读者可据此评估 Agent 工作流的成本变化。

  1. The Decoder77

    GPT-6-Astra 解出 50 道物理研究题中的 49 道,单题成本 2.40 美元

    GPT-6-Astra 在 OpenAI Codex 环境中解出 TheoPhysEval 基准 50 道理论物理题中的 49 道(98%),平均每题成本不足 3 美元,全程约 116 美元。

    推荐理由:报告对比了多款主流模型在理论物理常规研究任务上的表现,并解释强计算能力为何尚未转化为物理突破。

已经到底了