3连板润建股份:2亿美元词元跨境服务订单已完成合同签署
相关推荐
TypeSafe AI 决策模型 Jev 正式登陆 B.AI API,输入低至 $0.042/百万 Token
ChainCatcher 消息,B.AI 平台宣布 TypeSafe AI 推出的首款 System One 模型 Jev 正式上线 API。 Jev 专为软件内的高速结构化决策打造,不生成任何文本:开发者输入应用状态与类型化问题后,模型直接返回带概率与置信度的决策结果,无需 JSON Prompt,也无需解析输出。模型支持 Choice / Score / Noul 三类原语并行评估,端到端延迟约 70–500ms,输入仅 $0.042/百万 Token,输出免费,适用于工单路由、内容审核、风险评分及 Agent 分支判断等场景。 目前 Jev 已在 B.AI API 的“官方”→“全量接入”列表中开放,可通过 Jev-1.13.0 或 Jev-Latest 调用。
AI模型聚合平台OpenRouter上线批量API,多数模型Token价格减半
PANews 9月23日消息,据OpenRouter在X平台发文称,其批量API(Batch API)已正式上线,面向无需即时返回结果的任务,大多数模型的每Token价格减半,所有结果将在24小时内返回。五折优惠同时适用于输入和输出Token,目前支持70余种模型。OpenRouter称,两周测试期间共完成逾23万个批次任务,完成时间中位数为7分钟,90%在1小时内完成。
OpenAI开发者平台新增Decisions API测试界面,支持判断、选择及评分
PANews 10月20日消息,据TestingCatalog,OpenAI开发者平台新增Decisions API测试界面,用户可测试Predicate、Choice及Score三种模式,分别用于估计条件为真的概率、从给定选项中作出选择,以及依据评分标准打分。OpenAI官方文档显示,该API目前处于公开测试阶段,支持文本和图像输入,可用于内容分类、请求分流及任务优先级判断。目前仅支持gpt-6-luna模型,基础输入价格为每百万Token 0.10美元,不收取输出Token费用。
Inception发布扩散大模型Mercury 3,支持百万Token上下文
PANews 10月20日消息,据Inception官方公告,该公司发布扩散式大语言模型Mercury 3,支持100万Token上下文。官方称,其在英伟达GPU上的生成速度达每秒1068 Token,多项基准测试表现超过GPT-6 Luna和Claude Haiku 5.5。标准定价为每百万输入Token 0.20美元、输出Token 0.70美元,首发期间半价。模型已通过Inception API、OpenRouter、Baseten和Vercel开放,兼容OpenAI API。
9月底DeepSeek单周Token处理量达36.8T,超越美四大AI巨头总和
BlockBeats 消息,10 月 8 日,根据风投机构 Social Capital 基于 OpenRouter 平台数据发布的最新统计,今年 9 月最后一周,中国 AI 厂商 DeepSeek 的模型在 OpenRouter 上处理的 Token 数量爆发式增长,单周达到 36.8 万亿(36.8T)。 这一数据已正式超越同一时期美国四大主流 AI 厂商——OpenAI(19.5T)、Google(6.8T)、Anthropic(6.1T)及 xAI(0.6T)的模型 Token 处理量总和(33.0T)。 数据表明,以 DeepSeek 为代表的国产开源/开放权重模型在国际开发者及聚合平台中的调取使用率正在迎来历史性突破。
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
动察 Beating AI 快讯,第三方评测机构 Artificial Analysis 公布 Claude Haiku 5.5 的测试结果。新模型在综合智能指数中获得 43 分,比上一代的 17 分提高 26 分。它超过 GPT-6 Luna 的 38 分、GLM-5.3 Flash 的 42 分,接近 Kimi K3 的 44 分。该指数综合了编程、专业工作、科学推理等 10 项测试。 不过,高分也伴随着大量 token 消耗。在最高推理强度下,Haiku 5.5 每项评测任务平均输出约 16.2 万 tokens,是 GPT-6 Luna 的 3.2 倍。两者基础 API 单价相同,但 Haiku 5.5 的预估单任务成本约为 0.21 美元,Luna 仅为 0.07 美元。Haiku 5.5 从次高档调至最高档,综合得分只增加 2 分,输出量却增加约 80%。 降低推理强度后,差距明显缩小。Haiku 5.5 在 high 档获得 38 分,平均每项任务输出约 5.5 万 tokens,与最高档 GPT-6 Luna 的 38 分和 5 万 tokens 接近。开发者可以通过调整推理强度,减少不必要的 token 消耗。 Haiku 5.5 也并非全面领先。在 AutomationBench-AA 自动化任务评测中,它仅得 35%,落后于 Luna 的 53%。不过,测试期间模型存在过度拒绝执行任务的问题。Anthropic 正在修复,Artificial Analysis 计划重新测试。此外,目前公布的 Haiku 5.5 任务成本尚未计入长上下文加价,实际费用可能更高。