跳到正文
#模型评测

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。

  1. Simon Willison

    Kimi K3.1 Pro 上线 API：定价对标 GPT-6.1 Sol，承诺 11 月开放权重

    Moonshot 的 Kimi K3.1 Pro 已上线 Kimi API，目前尚未开放权重，厂商承诺 2026 年 11 月 4 日前发布完整模型权重。该模型提供低、中、高三档推理强度，另有速度提升 2-3 倍、价格翻倍的 Highspeed 版本（输入 token 缓存命中价格相同）。美元定价为输入每百万 token 2 美元、输出每百万 token 10 美元，与 GPT-6.1 Sol 相同，约为 Claude Opus 5.5 的一半。Moonshot 自测显示其水平大致与 Opus 5.5、GPT-6 Astra 相当；Artificial Analysis 评分为 55，高于 Claude Fable 5.1、GPT-6 Astra 和 Gemini 4 Argon（均为 53），低于 Claude Opus 5.5（58）。作者通过兼容 OpenAI 的接口调用该模型，在低、中、高三档推理强度下生成 SVG 进行试用。

    为什么值得看：企业可据此对比 API 成本与推理档位，评估是否用于编程、办公自动化等场景，并关注未来开放权重对私有化部署的影响。但基准成绩来自厂商和第三方评分，尚未经独立复现；权重开放仅为承诺；Highspeed 版本的实际速度与成本需按自身负载验证；数据合规、SLA 和企业部署选项尚不明确。

  1. 雷峰网 · 人工智能

    Anthropic 发布 Claude Haiku 5.5：计算机操作评测大幅提升，超 10 万 Token 单价涨 5 倍

    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。

已经到底了