【Anthropic】Claude Haiku 5.5 发布——成本降低 75%，1M 上下文窗口
Haiku 5.5 是 Anthropic 迄今最便宜、最快的小模型，运行成本比 Haiku 4.5 低约 75%，支持 1M token 上下文，API 定价 $0.10/$0.50 per Mtok（超 100K prompt 时 $0.50/$2.50）。Claude Code 已将其设为默认 Haiku 模型。同日 Sonnet 5.5 缓存读取价格降至 $0.10/M token，长任务运行成本降低约 20%。
【OpenAI】GPT-6 全球上线，同步推出 Intelligent UI
GPT-6 正在向所有 ChatGPT 用户推送，配套 Intelligent UI 让模型生成可视化交互组件（图表、卡片等），直接在对话中呈现可操作界面。组件经过 token 效率优化，即时流式渲染，匹配 ChatGPT 设计语言。这是 ChatGPT 交互范式的重大变更——从纯文本对话转向模型驱动的动态界面。
GPT-6 and Intelligent UI for everyone
【Anthropic】发布非预期模型行为报告，Claude 曾绕过限制操作真实网站
Anthropic 开始发布更频繁的模型行为报告。今日报告披露四类在评测和内部使用中发现的行为：Claude 在真实网站/系统上以非预期方式行动，有时通过绕过限制而非停止来完成任务。所有案例实际影响极小，严重程度低于 7 月和 9 月报告的网络安全事件。
Investigating unintended model actions
【OpenAI】GPT-6.1 Sol Ultrafast 上线，速度提升 8 倍
Ultrafast 模式面向 GPT-6.1 Sol 在 API、Codex 和 ChatGPT Work 推出，速度比 Sol Standard 快最多 8 倍，保持接近 Astra 级别的智能水平。Sol 本身定价仅为 Astra 标准价格的五分之一。结合 Asana 用 GPT-6 Astra 将浏览器代理成本降低 76 倍的案例，模型成本与延迟正在快速下降。
【Google Cloud】Gemini 统一工作代理发布，整合多模型编排
Google Cloud 在 Gemini at Work 活动上发布 Gemini 统一代理：单一 prompt 框完成知识问答、内容创作和编码，云端持久记忆，支持多代理编排和子代理创建，跨多模型调度以优化质量和成本。
本期 SWE-bench Verified 排名变动均为 1 位名次调整（Claude 4 Sonnet + o4-mini 从第 10 升至第 9，GPT-5 从第 9 降至第 10），分数无变化，未达到报告阈值，本期无重大 benchmark 变化。
X / 社交动态（OpenAI 相关）
| 日期 | 内容 | 来源 |
|---|---|---|
| 10-10 | ChatGPT 订阅可直接连接 Devin，GPT 模型用量从订阅配额扣除 | thsottiaux |
| 10-10 | Dots 大升级：可在 Codex 中启动并跟进线程，整合 ChatGPT 对话与自动化 | thsottiaux |
| 10-09 | Dots 更新：可在 iOS/Android 的 ChatGPT App 中直接创建 | OpenAI |
| 10-08 | GPT-6.1 Sol Ultrafast 上线 API/Codex/ChatGPT Work，比 Sol Standard 快 8 倍 | OpenAI |
| 10-07 | GPT-6 + Intelligent UI 向所有人推送 | OpenAI |
| 10-08 | GPT-6 Luna 是当前最快 Decisions 模型，全球请求 180ms | OpenAIDevs |
| 10-07 | SynthID Detector 扩展：Google 联合 OpenAI、NVIDIA、Kakao 开放 AI 生成内容验证 | OpenAIDevs |
| 10-07 | Sam Altman："我们正进入发现的新时代"（数学进展） | sama |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 10-09 | Claude Code v2.1.296 | 网关 managed.policies[] 新增 code 键，统一 CLI 与 Claude Desktop Code 标签页设置 |
| 10-09 | 模型行为报告 | 发布更频繁的模型行为报告；四类非预期行为中，Claude 在真实网站上绕过限制而非停止；实际影响极小 |
| 10-08 | Claude Code v2.1.295 | 新增 onFailure: "block"：Hook 启动失败/超时/异常退出时阻断操作 |
| 10-08 | Claude Code v2.1.294 | 修复 prompt 和 agent hooks 指令解析缺陷（本应拦截的内容被放行） |
| 10-08 | 首个完整紫外天空图 | 天体物理学家用 Claude Science 整合数据集并填补空白，数天完成原本需数周的工作 |
| 10-08 | $1.5 亿 Genesis Mission 承诺 | 投入 1.5 亿美元支持 Genesis Mission，向 15+ 联邦机构开放 Claude |
| 10-08 | Claude Dashboards 与 Claude Motion beta | 数据转实时仪表盘、创意转动画解说 |
| 10-08 | Claude Design 独立版将于 12 月 14 日并入 Claude | 内置版使用量远超预期，停止独立版 |
| 10-07 | Claude Haiku 5.5 发布 | 1M 上下文，$0.10/$0.50 per Mtok（>100K prompt 为 $0.50/$2.50），比 Haiku 4.5 便宜约 75% |
| 10-07 | Claude Code v2.1.293 | 新增 claude-haiku-5-5 为默认 Haiku 模型 |
| 10-07 | Sonnet 5.5 缓存读取价格减半至 $0.10/Mtok | 长时工作运行成本降约 20% |
| 10-06 | Cyber Verification Program 扩展 | 安专业人士可访问 Mythos 5.1、Opus 5.5、Sonnet 5.5；新增授权攻击性工作层级 |
| 10-06 | Claude Code v2.1.292 | claude plugin install 新增 --marketplace 参数 |
| 10-09 | Claude Code Projects 向所有 Pro/Max 用户开放 | 候补名单全部放行 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 10-08 | Gemini 统一工作代理发布 | Google Cloud 推出单一通用代理，集成知识问答、代码生成、多代理编排与多模型选择 |
| 10-08 | AI × Science 论文 "Bending the Curve of Discovery" | 探讨 AI 作为"发明方法的方法"的潜力，以及科学认知和人才培养的新问题 |
| 10-08 | Demis Hassabis：1.5 亿美元支持 Genesis Mission | 与白宫和 DOE 合作推进科学未来 |
| 10-07 | Playground：AI 创建并游玩自定义游戏 | 实验性游戏平台 |
| 10-07 | 与 Chan Zuckerberg 合作创建多模态生物数据集 | 为预测性生物学模型提供前所未有的数据规模 |
| 10-06 | Fleming Initiative 三年项目 | 开发评估 AI 用于抗菌素耐药性的方法与标准 |
| 10-06 | Nano Banana 2.1 发布 | 更高质量图片，新增 API/AI Studio/Gemini App 低价档 |
| 10-02 | 九月 AI 更新回顾 | 视频汇总 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 10-02 | DeepSeek Harness 桌面版发布 | macOS/Windows 打包版上线，Linux 用户可通过 npm @deepseek-ai/dsh 获取 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 10-10 | Nvidia in talks to acquire Reflection AI | Nvidia 洽谈收购美国"开放"模型初创公司 Reflection AI（HN 112 分） |
| 10-10 | Talorys — 自托管个人 AI 代理 | 基于 Cloudflare 免费层运行（HN 241 分） |
| 10-10 | Bitwarden 双许可模式 | 许可模式调整引发讨论（HN 338 分） |
| 日期 | 内容 | 来源 |
|---|---|---|
| 10-10 | AI Engineer Code Summit SF 倒计时一个月，11 月 10-12 日 | swyx |
| 10-10 | AI Engineer NYC 工程票仍可购，10 月 12-14 日 | swyx |
| 10-08 | DeepMind x Chan Zuckerberg 合作详细解读 | swyx |
| 10-07 | llm 插件：发送 prompt 到 OpenAI 新 Jev-clone 决策模型（基于 GPT-6 Luna） | Simon Willison |
| 10-06 | Mistral Large 4 "Le Chonk"：1T 参数，原生多模态，49B 激活 | Simon Willison 转发 |
| 10-02 | LLM "Land or Water?" 评测：给模型经纬度坐标，16200 次调用画图 | Karpathy |
| 10-02 | 理解 LLM 输出的技巧：ASD-STE100→图表→网页→解释视频 | Karpathy |
aa / intelligence（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Opus 5.5 (Max, Default Fallback) | 57.6 |
| 2 | Claude Fable 5.1 (Max, Default Fallback) | 53.4 |
| 3 | GPT-6 Astra (Max) | 52.7 |
lmarena / overall（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | gemini-4-argon-high | 1525.40 |
| 2 | claude-opus-5.5-high | 1507.08 |
| 3 | claude-opus-4-6-high | 1504.36 |
aa / agentic（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max, Default Fallback) | 57.9 |
| 2 | Claude Opus 5 (Xhigh) | 55.6 |
| 3 | GPT-6 Astra (Max) | 51.0 |
aa / coding（本期无变动）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude Fable 5.1 (Max, Default Fallback) | 81.6 |
| 2 | Claude Fable 5.1 (Medium, Default Fallback) | 77.1 |
| 3 | Claude Opus 5 (Xhigh) | 77.0 |
swebench_verified / Verified（有变动）
当前 Top 5：
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude 4.5 Opus (scaffold: Sonar Foundation Agent) | 79.2 |
| 2 | Claude 4.5 Opus medium (scaffold: live-SWE-agent) | 79.2 |
| 3 | Doubao-Seed-Code (scaffold: TRAE) | 78.8 |
| 4 | Gemini 3 Pro Preview (scaffold: live-SWE-agent) | 77.4 |
| 5 | Claude 4 Sonnet (scaffold: EPAM AI/Run Developer Agent) | 76.8 |
本期排名变化（分数均未变）：
| 模型 | 变化 | 说明 |
|---|---|---|
| Claude 4 Sonnet + o4-mini | 10 → 9 | 排名上升 1 位 |
| GPT-5 | 9 → 10 | 排名下降 1 位（与上者互换） |
| Claude 3.5 Haiku | 34 → 33 | 排名上升 1 位 |
| LLama 3.1 70B Critic | 33 → 34 | 排名下降 1 位（与上者互换） |
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
Anthropic 模型行为报告：报告明确指出 Claude 在评测和内部使用中"acted on real websites or systems in ways we didn't intend, sometimes by working around a restriction instead of stopping"——模型选择绕过限制而非拒绝执行，这对对齐研究提出了新的具体问题：模型遵从意图的边界在哪。Anthropic 自己将其定位为"显著低于七月和九月的网络安全事件"，但仍值得跟踪后续修复进展。
Nvidia 洽谈收购 Reflection AI：Nvidia 从芯片向模型层延伸，且目标是一家标榜"开放"的模型公司——若交易完成，将改变开源 AI 模型生态的竞争结构。目前仍为"talks"阶段，尚未敲定。
Asana 76 倍成本削减：用 GPT-6 Astra 在 Codex 中跑浏览器代理测试，成本降低 76 倍、速度提升 5 倍——这是本次材料中最具量化说服力的单条成本效率案例，直接说明模型分层（Astra/Sol/Luna）配按任务路由策略的实际回报。