Haiku 5.5独立评测43分：遥遥领先GPT-6 Luna，但最高档Token消耗超3倍
相关推荐
AI网络安全榜爆冷：GPT-6、Claude旗舰因安全拒答掉队，小米MiMo追平Grok登顶
动察 Beating AI 快讯，Artificial Analysis 推出独立的 Cyber Index，专门评测 AI Agent 做企业网络防御的能力。它不是从原来的通用 Intelligence Index 里抽几项测试，而是另外采用 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 三项网络安全评测，分别测试漏洞审计与修补、漏洞发现，以及从发现漏洞到复现并修补的完整流程，三项各占三分之一。 首批榜单中，Grok 4.7（xhigh）和小米 MiMo-V2.6-Pro 同为 56 分，GPT-6 Luna（max）53 分，GLM-5.3-Flash 50 分。MiMo 平均每个任务成本只有 0.18 美元，Grok 4.7 要 11.67 美元；Luna 更低，只要 0.12 美元。 不过，这张榜不能简单理解成模型本身的网络安全能力排名。GPT-6 Sol、GPT-6 Astra 和 Claude Opus 5.5 都参加了测试，但在 CyberGym-E2E-AA 上几乎全部拒答，其中 Sol 和 Astra 拒绝全部任务，Opus 5.5 拒绝 98%。拒答直接记 0 分，Luna 反而愿意继续完成这些任务，所以综合成绩更高。Artificial Analysis 也表示，大量拒答让这些前沿模型的实际能力很难判断。 GLM-5.3 也出现了明显反常。完整版在 Artificial Analysis 的通用能力榜上高于 Flash，但这次 Cyber Index 只有 36 分，Flash 达到 50 分。主要差距来自 CyberGym-E2E-AA：Flash 得到 74%，完整版只有 29%。Artificial Analysis 暂未解释这一差距的原因。
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。
一夜两条路线：Opus5.5冲到第一，GPT-6把同档成本砍半
动察 Beating AI 快讯，Artificial Analysis 完成对昨夜几款新模型的第三方实测。Claude Opus 5.5 max 在 Intelligence Index v4.3 拿到 58 分，目前排名第一。GPT-6 Astra 和 Fable 5.1 都是 53 分，Opus 5 为 51 分。Opus 5.5 在 10 项评测里拿下 6 项最高分。 但这个最高分也用了更多 token。Opus 5.5 max 每项任务平均输出约 11.9 万 tokens，比 Opus 5 的 7.3 万多约 60%。靠 API 降价 20% 和缓存读取降价 60%，单任务成本最终为 5.98 美元，和 Opus 5 的 5.86 美元基本持平。更实用的 medium 档拿到 51 分，已经追平 Opus 5 max，单任务成本只有 1.34 美元。 OpenAI 走的则是另一条路。GPT-6 Sol 和 Luna 的 Intelligence Index 表现与 GPT-5.6 前代接近，但价格明显下降。Sol max 每项任务成本从 1.99 美元降到 1.06 美元，Luna 从 0.18 美元降到 0.07 美元。编码 Agent 评测里，Sol 从 55 分升到 57 分，成本也下降约一半；Luna 从 43 分降到 41 分，但单任务成本低约 60%。 两家的路线已经开始出现分化：Opus 5.5 用更多推理把能力上限推到新高，GPT-6 Sol 和 Luna 则主要把原有能力做得更便宜。 在 Artificial Analysis 的性能/成本图上，两家的新模型都占据了新的 Pareto 前沿。
Claude杀入国产低价模型腹地：智谱、MiniMax盘中大跌
动察 Beating AI 快讯，Anthropic 新发布的 Claude Haiku 5.5，正在对国产低价模型形成「斩杀线」一般的竞争压力。10 月 8 日，港股大模型公司集体走弱，MiniMax 跌超 9%，智谱跌超 6%。同期恒生科技指数跌约 1%。 Haiku 5.5 的基础 API 输入价格为每百万 tokens 0.1 美元，输出为 0.5 美元。相比之下，DeepSeek V4.1 Flash 高峰时段分别收费 0.3 和 1.2 美元，闲时降至 0.15 和 0.6 美元。智谱 GLM-5.3 Flash 的标准价格为 0.15 和 0.5 美元。Haiku 5.5 在输入不超过 10 万 tokens 时，已经具备明显的单价竞争力。 Artificial Analysis 给 Haiku 5.5 的综合智能指数打出 43 分，超过 GLM-5.3 Flash 的 42 分、DeepSeek V4.1 Flash 的 39 分，以及小米 MiMo-V2.6-Flash 的 38 分。在 Terminal-Bench 4.0 编程评测中，Haiku 5.5 和 GLM-5.3 Flash 同为 33%，高于 DeepSeek 的 27% 和 MiMo 的 23%。 不过，Haiku 5.5 的优势主要体现在基础单价和最高推理强度下的成绩。它的 token 消耗较高，长上下文还会触发五倍定价。
OpenAI 发布 GPT-6 Sol 与 Luna，API 价格下调 50%
ChainCatcher 消息，OpenAI 于 9 月 22 日发布 GPT-6 Sol 与 GPT-6 Luna 两款新模型，发布时间距 Anthropic 推出 Claude Opus 5.5 仅数分钟。两款模型定位低于 GPT-6 Astra，是面向日常工作的更便宜、更快速选项。OpenAI 同时将两款模型的 API 价格较 GPT-5.6 促销价下调 50%，Sol 输入与输出价格分别为每百万 token 2 美元与 10 美元，Luna 则降至 0.1 美元与 0.5 美元。性能方面，OpenAI 援引 Zapier 的 AutomationBench 基准称，GPT-6 Sol 在最高推理设置下得分为 33.2%，每任务成本 0.27 美元，而 Claude Opus 5 最高设置为 26.9%，每任务成本高出逾 11 倍。在 Agents' Last Exam 测试中，GPT-6 Sol 最高得分 56.4%。在 OSWorld 2 计算机使用测试中，GPT-6 Sol 以 60.5% 对 60.3% 几乎追平 Claude Opus 5 的中等努力得分，成本低约 80%。
Anthropic发布Claude Haiku 5.5，平均运行成本较前代低约75%
PANews 10月8日消息，据Anthropic官方公告，Anthropic发布小模型Claude Haiku 5.5，称其为迄今最快、最便宜且能力最强的小模型，平均运行成本较Haiku 4.5低约75%。定价方面，10万token以内的提示词输入价格为每百万token 0.1美元、输出为0.5美元。该模型已在Claude平台及AWS、Google Cloud、Microsoft Azure上线，主要面向摘要、分类、子智能体等高频且对成本敏感的任务。此外，Anthropic将Sonnet 5.5的缓存读取价格下调50%。