GLM-5.3智能指数暴涨到60：追平Kimi K3，API单价没涨
相关推荐
DeepSeek V4.1 Flash第三方实测：没夺回国模第一，但成本只有Kimi、GLM七分之一
动察 Beating AI 快讯，Artificial Analysis 完成 DeepSeek V4.1 Flash 独立测试，综合智能指数拿到 40 分。它已经超过自家 V4 Pro 0813 的 36 分，但仍低于 Kimi K3 的 44 分和 GLM-5.3 的 45 分。按这套第三方榜单，DeepSeek 还没夺回国产模型第一。 但价格差距非常夸张。V4.1 Flash 跑完一个 Intelligence Index 任务平均只花 0.27 美元，Kimi K3 和 GLM-5.3 都在 2 美元左右，相差约 7 倍。输出速度达到 197 Token/s，也远高于 Kimi K3 的约 36 Token/s 和 GLM-5.3 的约 58 Token/s。 Agent 依然是它最强的部分。AutomationBench-AA 上，V4.1 Flash 拿到 69%，追平 GPT-6 Astra，并超过 GLM-5.3 的 62%；长上下文测试 AA-LCR 也拿到 84%。缺点是它特别能说，AA 测试中单任务平均输出约 8.9 万 Token，比 V4 Pro 多 62%，吃掉了一部分价格优势。
阶跃Step 5偷跑：AA跑分追平Kimi K3，输出价不到1/5
动察 Beating AI 快讯，阶跃星辰还没正式官宣 Step 5，预览版已经提前出现在 Artificial Analysis。Step 5 Preview 是一款多模态推理模型，AA 标注其总参数约 600B、每次推理激活 27B，支持图片输入和 100 万 Token 上下文。 它在最新 Intelligence Index 得到 44 分，与 Kimi K3 Max 持平。Terminal-Bench 4.0 上，Step 5 Preview 得到 33%，Kimi K3 为 13%；SciCode 两者都是 59%。 Step 5 Preview 每百万输入 Token 1 美元，输出 2.7 美元；Kimi K3 分别为 3 美元和 15 美元。Step 5 的输出价格不到 K3 的五分之一，AA 跑完整套 Intelligence Index 的成本也只有 K3 的约四分之一。 阶跃星辰还没官宣 Step 5，但 AA 已经通过 StepFun API 跑完评测。参数和价格目前都还不是官方最终口径。
Artificial Analysis重做智能榜：40%权重改用私有测试
动察 Beating AI 快讯，Artificial Analysis 更新 Intelligence Index v4.2，旨在让榜单更难被针对性刷分。私有测试权重从 20% 提高到 40%，模型厂商无法提前看到完整测试集，减少针对 Benchmark 专门优化的空间。 新版加入 AA-Briefcase 和 GDP.pdf。AA-Briefcase 模拟持续数周的真实知识工作项目，模型要处理大量关联任务和数千份文件。GDP.pdf 则拿 100 份、共 4592 页的专业 PDF 出题，要求模型跨文本、表格、图表和脚注找证据再回答。 GPQA Diamond 则被直接移出综合指数。这个研究生级科学问答测试已经接近饱和，GPT-6 Astra 最高达到 96.3%，Gemini 3.8 Flash 也达到 95.3%，已经很难区分最强模型。 重新计算后，Claude Fable 5.1 仍排第一，GPT-6 Astra 第二。Astra 得分 55，比 GPT-5.6 Sol 高 4 分。Artificial Analysis 还称，Astra 在同级前沿模型中用了更少的输出 Token。
腾讯Hy4盲测压过GLM-5.3、Kimi K3，输出价最低便宜82%
动察 Beating AI 快讯，腾讯还专门公布了一组 Hy4 preview 的真实工程盲测。163 名腾讯内部专家拿 203 个工程任务测试不同模型，Hy4 最终平均拿到 2.99/4，高于 GLM-5.3 的 2.92/4 和 Kimi K3 的 2.94/4。 具体来看，Hy4 对 GLM-5.3 的胜率为 46.8%，打平 12.8%，负率 40.4%；对 Kimi K3 的胜率为 51.2%，打平 7.9%，负率 40.9%。这些题目来自腾讯内部真实工程任务，不是传统的固定 Benchmark。 不过 Hy4 并没有在公开跑分中全面领先。从腾讯公布的评测结果看，它和 GLM-5.3、Kimi K3 等模型各有胜负，DeepSWE、CyberGym 等代码和网络安全测试仍落后 GLM-5.3。 价格是 Hy4 最明显的优势。每百万 Tokens 输入 6 元、输出 18 元，分别比 GLM-5.3 便宜 25% 和约 36%；相比 Kimi K3，更是便宜 70% 和 82%。缓存命中只要 0.3 元，也比 GLM-5.3 和 Kimi K3 的 2 元便宜 85%。
kKimi K2.8 Preview 正式登陆 B.AI，API 与 Web Chat 双端同步开放
ChainCatcher 消息，B.AI 平台宣布 Moonshot AI 最新预览模型 Kimi K2.8 Preview 正式上线，面向开发者同步开放 API 与 Web Chat 双端体验。 该模型专为编程与 Agent 工作流打造，支持 1M（1,048,576 Token）超长上下文及文本、图片、视频多模态输入，综合性能直逼旗舰 Kimi K3，较 K2.7 Code 在思考效率与代码能力上进一步提升，并支持 Low/High/Max 三档灵活可调推理强度。 即日起，开发者可通过 B.AI 平台直接调用 Kimi K2.8 Preview。
欧洲第一模型身份曝光：Quasar 438B基于智谱GLM-5.2
动察 Beating AI 快讯，西班牙 AI 公司 Multiverse Computing 刚把 Quasar 438B 宣传为「欧洲最强 AI 模型」，社区就扒出了它和智谱 GLM-5.2 的关系。Artificial Analysis 当前页面已经直接把模型标为「Quasar 438B (max, based on GLM-5.2)」，明确写着它基于 GLM-5.2。 Multiverse 自己的旧文档其实也早有线索。8 月 5 日 Quasar 438B 上线 beta 时，CompactifAI 更新日志写明，它的能力与 GLM-5.2「完全相同」。社区据此质疑，Quasar 是否只是把 GLM-5.2 压缩或改造后重新命名。Multiverse 目前没有公布架构、训练方式，也没有解释两者具体是什么关系。Multiverse 的主业就是模型压缩，但它自己的 FAQ 目前仍把 Quasar 列在「Original Models」，没有放进「Compressed Models」。 GLM-5.2 总参数约 753B，推理时激活 40B，Artificial Analysis 智能指数 max 档为 53 分；Quasar 缩到 438B 后只有 43 分，但输出速度约 174 Token/s，明显快于 GLM-5.2 的约 68 Token/s。