标签
JevAgentHarness 论文提出将智能体的工具选择委托给小型决策模型，通过拟合置信度阈值，在降低成本和延迟的同时保持任务成功率，并发布了 AgentDecisionBench 基准和 AgentDecision-4B 开源模型。
Ultramarine 1 Flash 作为面向知识工作的开源前沿级模型发布，宣称性能可与 Fable 5 相媲美，成本却低 60 倍，由 5 人团队以约 30 万美元的成本完成后期训练。模型权重预计将很快发布，API 访问现已可用。
Gemini 4 Argon 登上 Val Index 榜首，完成 agentic 任务的成本仅为 Opus 5.5 的一半；Google 的 Chrome 团队使用它从 4000 万行代码库中重构了约 600 万行遗留代码，彻底消除了一整类浏览器崩溃问题。
一条推文声称，将 Opus 5.5 与 Jev 结合是目前最强大的 AI 模型组合，据称速度比单独运行 Opus 快 200 倍、成本低 400 倍，并承诺公开具体配置方法。
Liquid AI 宣布其决策模型 d1 现在支持图像、文本或两者组合作为输入，声称在 6 项真实世界应用中的 4 项上匹配或超越 GPT-6.1 Sol，同时成本降低 19 到 200 倍，响应速度显著更快。d1 在单次前向传播中直接返回是/否、选项或评分的概率，无需生成任何 token，响应时间在 200–300 毫秒之间。
Peter Gostev 称赞 GPT-6.1-Sol 既是工作也是个人使用的日常主力模型，并根据 Arena 的真实任务成本数据声称，与 Astra 相比，每个订阅能获得大约 5 倍的使用量。
一条推文认为，基于 DGX Spark 和 Mac Studio 这类本地 AI 方案，如今在速度、性价比和可靠性方面已经可以媲美云端 AI，还兼具隐私保护和免于审查的优势，尽管在能力上仍稍逊于前沿云端模型。被引用的回复则反驳称，DGX Spark 速度慢、价格相比租赁云 GPU 明显过高，且很可能快速贬值。
用户分享使用 6.1 Sol 在 Codex 中生成 3D 内容的体验，称其 3D 建模与纹理质量可与 Astra 媲美，并与 Blender 结合还原了法拉利 F1 赛车的爆炸装配视频，且仅消耗约 10% 周额度，性价比极高。
Google 的 Gemini 4 在 Artificial Analysis 基准测试中与 GPT 6 Astra 得分持平，而成本低 40%，凸显了其性价比优势。
作者们发布了一篇关于 IQRAX 的研究论文。IQRAX 是一种以设备为优先的确定性架构层，将概率性的 LLM 推理与确定性的权威判定分离开来，据称可将成本降低 11.5 倍，并将任务完成速度提升 48.3 倍。他们正在邀请社区对长模型对话运行失败检测测试，并提交测试结果。
GPT-6.1 Sol 以仅 $0.94 的成本取得 86.3% 的准确率，成功登顶 MathArena，超越 Astra 在 $2.26 成本下取得的 81.9% 成绩。这一结果凸显了前沿模型在数学推理性能和成本效益方面的重大进步。
OpenAI 的 GPT-6.1 Sol 仅在 7 天后便取代了 GPT-6 Sol，其智能指数得分逼近 GPT-6 Astra，而每项任务的成本却不到前者的四分之一，进一步推进了成本效率的帕累托前沿。
Devin 的最新更新让这款 AI 软件工程智能体的成本降低了 30% 到 70%，具体幅度取决于运行模式，实现方式是集成 SWE-2 等最新模型，并通过批处理工具调用和改进提示词缓存来优化其运行框架；同时，Devin Fusion 目前在 FrontierCode 1.1 Extended 基准测试中以每任务 0.60 美元的成本位居前列。
GPT-6.1 Sol现已在Cline工具中可用，在DeepSWE v1.1基准测试中，它以大约五分之一的成本与GPT-6 Astra性能持平。
OpenAI 发布 GPT-6.1 Sol，这是一款在复杂编码、计算机使用和专业工作中以更低成本提供接近 Astra 性能的 AI 模型，支持多种推理任务。
OpenAI推出GPT-6.1 Sol，这是一款升级的AI模型，以五分之一的价格提供接近GPT-6 Astra的智能，并在编码、专业任务和计算机使用方面有所改进。
论文提出了SaveRouter，一个稀疏监督的LLM路由框架，它有选择性地获取查询-模型反馈，并在相关查询之间共享能力信息，在保持具有竞争力的路由质量的同时降低监督成本，并将盈亏平衡部署量减少1.9-9.5倍。
根据 Artificial Analysis 的数据，在相似预算下，GPT-6 Sol 比 Sonnet 5.5 更具成本效益，但 Sonnet 5.5 在成本增加时能实现更高的性能。
Anthropic 的 Sonnet 5.5 模型创下了最多输出令牌的新纪录，同时运行成本更低，引发了关于发布策略的疑问。