标签
Cognition 发布了 SWE-1.7，一个功能强大的 AI 模型，专为智能体软件工程设计，以更低的成本实现了前沿级别的性能。该模型在强化学习训练、多集群基础设施、数据整理以及针对长任务的自我压缩方面进行了改进。
PACE 提出了一种代理方法，通过使用更便宜的单轮任务来估计 LLM 的代理能力，从而降低了全面代理评估的成本和时间。
GLM 5.2 在 PostTrainBench 上表现最佳，同时比 Opus 4.8 便宜 5 倍，比 Fable 5 便宜 11 倍，使个性化 AI 对企业和国家来说经济上可行。
一款新型低成本中国AI模型正迅速崛起，与Anthropic和OpenAI等美国顶级AI公司展开竞争。
Google DeepMind 发布 Nano Banana 2 Lite，这是其最快且最具成本效益的图像模型，以及用于视频生成和对话式编辑的 Gemini Omni Flash，现已在 Google AI Studio 和 API 中提供给开发者。
Google DeepMind发布了Nano Banana 2 Lite，一款兼顾质量与速度的快速廉价图像生成模型，现已覆盖谷歌生态系统。
agent-data是一个Python API工具，为OpenClaw等AI代理提供结构化网页数据，声称比浏览器自动化便宜70%且更可靠。
开源权重模型已追赶上专有模型，GLM 5.2在浏览器代理任务中以低成本实现了接近Opus级别的得分。其他模型如Minimax M3和Kimi k2.7也显示出显著的改进。
Azalia Mirhoseini 强调 DeLM，一种去中心化语言模型方法，其中智能体通过共享状态通信，在SWE-bench Verified上使用Gemini-3 Flash实现了约10%的提升，且成本不到一半。
介绍了行为预测器（BFs），它以推理轨迹为输入，并以极低的成本实现比前沿模型更准确的预测。
Irys 推出了 Stateful Swarms，这是一种开源范式，通过结构化黑板内存提升 AI 代理的性能并降低成本。在 Harvey AI 的法律代理基准测试中，它以每任务 1.30 美元的成本达成了 83.74% 的标准通过率，而当前最先进水平为 10.4% 通过率、每任务 50.90 美元。
本文介绍了一种用于量子化学的自适应即时多保真度机器学习算法，该算法能够自主确定不同保真度下的训练数据组成，与单保真度方法相比，数据生成成本降低高达30倍，与标准多保真度方法相比降低高达5倍。
Jensen Huang暗示将发布更多Nemotron模型，强调通过NVFP4训练实现的开源前沿智能和成本效益。
Mimo V2.5 提供了与 Claude Opus 4.5 相当的性能，但成本仅为后者的一小部分，使其成为执行代理任务的极具性价比的 AI 模型。
一位开发者使用 Codex 5.5 作为编排器、Deepseek v4 pro 作为执行器，生成了一个 240M Token 的微调数据集，烧掉了 359M Token，成本仅为 78 美元。
TRACER是一种工具，通过从LLM痕迹中学习，用轻量级传统机器学习替代多达90%的LLM分类调用，降低成本同时保持准确性。
Perceptron公司发布了其旗舰视频分析模型Mk1，声称成本比竞争对手低80-90%，同时在空间和视频推理基准上表现出色。
Interfaze 推出了一种混合 AI 模型架构，结合 CNN/DNN 的专项优势与 Transformer 能力，在 OCR 和翻译等确定性任务上实现卓越精度，同时在规模化应用中保持成本效率。
Google 发布 Gemini 2.5 Flash-Lite 作为稳定版本并正式上线，这是 Gemini 2.5 系列中速度最快、成本最低的模型，定价为每 100 万个令牌 $0.10（输入）/$0.40（输出），具备原生推理能力和与原生工具的完全功能对等。
Google 宣布 Gemini 2.5 Flash 和 Pro 模型正式推出，并推出预览版 Gemini 2.5 Flash-Lite——一个新的成本高效且最快的变种，针对高吞吐量、低延迟的任务进行了优化。