精选 · 看变化，也看用途
从工具新能力、经营管理场景和实际用法中，找一件值得进一步了解的事。
据 The Decoder 报道，Deepseek 开源了支撑其快速模型 V4.1-Flash 的推理框架 DeepInfer。该框架基于 vLLM，报道称其可降低运行 AI 模型时的算力成本与能耗，并认为此次开源会给 OpenAI、Anthropic 等西方厂商带来更多价格压力。
为什么值得看：企业负责人可关注推理框架开源对模型部署成本、能耗和供应商价格的影响，作为评估自部署或调用大模型方案的参考；但报道未披露具体成本降幅、硬件要求和开源许可细节，相关效果需进一步核实，价格压力判断属媒体观点。
据 The Decoder 报道，Deepseek 发布开放权重模型 V4.1-Flash-1017，来源称其基准表现优于前代、完成任务更快且输出更短，并在 agentic 任务上优于更大模型、降低每任务成本。Deepseek 同时通过新的 Search 和 Fetch API 开放其内部搜索引擎，定价为每 1000 次调用 0.75 美元；Claude Code、Codex 等工具中的 API 用户目前可免费使用。
为什么值得看：企业可关注三点：开放权重模型为自部署和数据控制提供新选项；agentic 任务效率与成本变化可能影响自动化流程的投入产出；搜索 API 可接入企业检索类应用。但基准数据、成本口径、许可证、定价适用范围和免费期限均需进一步核实，厂商披露的效果不宜直接当作已验证结论。
据The Decoder报道，在TheoPhysEval基准上，GPT-6-Astra解决了50个未发表理论物理计算中的49个，准确度与顶尖专家相当，单题成本约2.40美元。研究者称，部分看似失败的案例中，专家自己的参考解存在错误。研究者同时表示，物理领域尚未出现数学领域那样的突破，因为代理缺乏“taste”，但他们认为自主的顶级AI研究可能很快到来，并已看到对年轻物理学家培养方式和领域机会公平的影响。
为什么值得看：企业负责人可据此评估AI代理在高难度专业推理任务上的能力与单位成本，思考研发分析、工程计算等专业流程的自动化空间，以及专业人才结构与培养方式可能的变化。需注意：上述结果来自来源摘要，未提供论文原文或独立复现，评测设置、成本口径与模型可用范围待核实；研究者也指出代理缺乏“taste”，物理领域尚未出现数学式突破，自主顶级AI研究仍属预期而非既成事实。
据雷峰网报道，Anthropic 发布 Claude Haiku 5.5。计算机操作评测 OSWorld 2.1 离线子集成绩从上一代 15.7% 提升至 72.4%，Sonnet 5.5 为 83.9%；知识工作评测 GDPval-AA v2.1 得 1620 分，上一代 735 分，Sonnet 5.5 为 1840 分；AA-Briefcase v1.1 从 614 分升至 1578 分；Humanity's Last Exam 无工具 45.9%、接入工具 57.4%。编程方面，FrontierCode 1.1 得 46.4%，Sonnet 5.5 为 52.1%；Terminal-Bench 4.0 得 39.2%，Sonnet 5.5 为 70.6%。Anthropic 表示 Sonnet 5.5 和 Opus 5.5 仍更适合复杂智能体编程，Haiku 5.5 主要面向范围明确的子任务、摘要和上下文压缩。新模型加入自适应推理机制，支持 100 万 Token 上下文，超过 10 万 Token 后输入输出单价均涨 5 倍，Anthropic 公布的平均运行成本下降约 75%。厂商披露的企业测试中，Asana 称任务完成延迟降低超过 30%、单轮推理速度提高至多 2.5 倍；HubSpot 在模拟 CRM 环境三次运行平均 92.8%；AlphaSense 在 400 次文档问答测试中得分 0.84，上一代 0.76。
为什么值得看：企业负责人可据此评估：Haiku 5.5 在计算机操作、知识工作类任务上能力明显提升，适合摘要、信息提取、上下文压缩和范围明确的子任务，可能降低高频任务成本；但复杂编程和长链路智能体任务仍与 Sonnet 5.5 差距明显，且超 10 万 Token 后单价上涨，需按实际 Token 分布测算成本。厂商披露的企业测试数据可作为场景参考，但不宜直接作为统一能力排名。