博客

模型动态

14 篇文章

记录模型发布与评测，按本刊文章发表日期排序。

  1. 评测

    DeepSeek V4.1、Qwen3.8、GLM-5.3、MiMo-V2.6 Flash：便宜模型不等于便宜任务

  2. 厂商发布

    Gemini 4 Argon 的百万 token 输出上限，不只是为了写长答案

  3. 评测

    Opus 5.5 真的变笨了吗？有人开始用同一道题连测 30 天

  4. 评测

    Sonnet 5.5 单价没变，任务账单为什么可能更贵？

  5. 评测

    Jev 决策模型放在路由的哪一层？规则、语义路由、Jev、LLM 分类四层对照

  6. 评测

    GLM-5.3-FlashX、Claude 快速模式、Grok 4.7 Fast、OpenAI Fast mode 各贵多少？同样 2 倍起，输出越重越划算

  7. 评测

    gpt-image-2.5 Flare / Sunburst 实测：同一个 quality: "high"，token 从 5,488 掉到 1,372，价格只剩四分之一

  8. 厂商发布

    DeepSeek V4.1 Flash 降价降了多少？缓存命中 60%、输出只有 11%；deepseek-v4-pro 改道计划已撤回（9 月 28 日更新）

  9. 评测

    GPT-6 Astra 和 Fable 5.1 都是 $10/$50，60 轮 agent 循环的账单为什么差 39%

  10. 评测

    GPT-6 Astra 值不值 $10/$50？跨文件多抓 20%，简单任务只多抓 4%

  11. 评测

    Fable 5.1 和 Opus 5 哪个更便宜？cache read 占账单超过 1/3，才轮到 5.1

  12. 厂商发布

    GLM-5.3 开源了，但不是 MIT：和 GLM-5.3-Flash 的许可证差在一条 100 亿美元门槛

  13. 厂商发布

    Ox Alpha 就是 GLM-5.3-Flash：价格对出三段，条款对出两层

  14. 评测

    本地跑 Qwen 3.8 等于 Opus 4.6？这个等号有五个前提