模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
Rohan Paul@rohanpaul_ai精选AI 评分8383
GPT-6.1 Sol: near-Astra intelligence for a fifth of the price. It’s the most cost-efficient model for its performance available today.
推荐理由：材料汇总了 GPT-6.1 Sol 的成本定位、错误率变化和 DeepSWE 1.1 对比图，便于读者理解其与 GPT-6 Astra 的取舍。
OpenAI 发布 GPT-6.1 Sol，称其在智能体编码、计算机使用和办公任务上接近因安全问题推迟的 GPT-6.1 Astra，成本约为后者的五分之一。
推荐理由：文章把 GPT-6.1 Sol 的定价、可用入口和初步基准放在同一框架下，便于与 Astra 及 Claude Sonnet 5.5 比较成本取舍。
OpenAI 在 DevDay 发布 GPT-6.1 Sol，称其在智能体编码、电脑操作和专业工作上接近 GPT-6 Astra，标准输入和输出 token 价格为后者的五分之一。
推荐理由：文章同时呈现模型能力、价格和未发布版本的安全背景，便于理解 OpenAI 当前模型路线取舍。
OpenAI 推出 GPT-6.1 Sol，这是 GPT-6 Sol 的升级模型，在智能体编码、计算机使用和专业工作上接近 GPT-6 Astra，标准输入和输出 token 价格约为 Astra 的五分之一。
推荐理由：材料集中给出 GPT-6.1 Sol 相对 GPT-6 Sol 与 GPT-6 Astra 的能力、价格和可用入口，便于评估低成本智能体部署选择。
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5，已在所有平台及 AWS、Google Cloud、Microsoft Azure 上线，模型 ID 为 claude-sonnet-5-5。
推荐理由：材料集中呈现 Sonnet 5.5 相对 Sonnet 5 的速度、成本、编码和安全变化，便于判断它与 Opus 5.5 的分工。
xAI 的 Grok 4.7 已在 Amazon Bedrock 可用，面向编码、长时间运行的 AI 智能体和知识工作，提供 500K token 上下文窗口及 low、medium、high、xhigh 四档推理强度。
推荐理由：文章同时说明模型能力、跨区域推理配置和三种 API 接入方式，便于团队评估迁移与成本控制。
Anthropic 于 2026 年 9 月 28 日发布 Claude Sonnet 5.5，官方称其运行速度提升 30% 以上、多数任务成本最高降低 30%，定价与 Sonnet 5 相同。
推荐理由：结合官方速度成本说法与作者实测，呈现 Sonnet 5.5 在编码任务和免费层可用性上的变化。
Anthropic 发布 Claude 5.5 系列第二款模型 Claude Sonnet 5.5，输出速度提升超过 30%，单任务有效成本最高降低 30%，多项基准接近 Opus 5.5。
推荐理由：文章汇总 Sonnet 5.5 的基准、价格和安全策略，并与 Opus 5.5 及 GPT-6 系列对照，便于判断中端模型的性价比位置。
Fireworks Research 发布专用模型 Ember-1，基于 Kimi K3 训练，在保持答案质量的同时减少约 40% token。官方称其在 7 项基准和两家客户生产流量中可将 Kimi K3 的推理缩短 35–50%，客户 A/B 测试显示每任务约少用 35% token；内部开发者切换后基本无感知。
推荐理由：原文给出基准、客户 A/B 与内部编码流量的 token 节省结果，可帮助评估用专用模型压缩推理成本的路径。
Anthropic 发布 Claude Opus 5.5，OpenAI 随后发布 GPT-6 Sol 和 GPT-6 Luna，Simon Willison 对比了它们与 Grok 4.7、GPT-5.6 系列的价格和初步表现。
推荐理由：作者用统一价格表和鹈鹕 SVG 测试横向比较新模型，可帮助读者理解这轮降价对应用开发和推理档位选择的影响。
Anthropic 发布 Claude Opus 5.5，OpenAI 同晚发布 GPT-6 Sol 和 GPT-6 Luna，三款模型都主打把上代旗舰能力下放到更快、更便宜的档位。
推荐理由：文章集中比较三家新模型的定价、上下文和适用任务，可帮助读者按规划、执行和批量自动化场景选择模型。
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 已在 Amazon Bedrock 正式可用，API 价格显著低于各自的 GPT-5.6 前代模型。
推荐理由：文章说明了两款 GPT-6 模型在 Amazon Bedrock 的定位、成本差异和企业级数据控制，便于按任务复杂度选型。
AWS 宣布 Anthropic 的 Claude Opus 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线，它是 Claude 5.5 模型家族的首个模型，面向智能体编码、知识工作和长时间运行任务。
推荐理由：文章同时说明模型能力、定价变化、可用区域和接入方式，便于团队评估是否迁移现有智能体编码与长任务工作负载。
小米发布 MiMo V2.6，包含 Pro、Flash 和 Pro-UltraSpeed 三个版本，Pro 与 Flash 模型权重已在 Hugging Face 开源。
推荐理由：文章把 MiMo V2.6 与同日发布的 Grok 4.7 放在性能、价格和速度维度对比，并给出作者实际工作流迁移经验。
Hugging Face 宣布 transformers 新增 GGUF 模型支持，可通过 from_pretrained 直接加载 Hub 上的量化检查点并在本机生成。
推荐理由：文章说明了 transformers 直接加载 GGUF 的入口、Apple Silicon 限制和性能实现，便于评估本地 PyTorch 推理工作流。
Fireworks AI 提出编码智能体应按任务选择模型，并用 DeepSWE v1.1 的 113 个任务、18 个模型测算：oracle router 可达 97.6% 通过率、每任务 $1.88，高于 GPT-6 Astra 的 74.1% 和 $6.52；仅用开放权重模型也可达 90.3%、$1.45。
推荐理由：文章用 DeepSWE 的 oracle routing 结果说明模型池的互补能力，并给出 FireRouter 在真实编码流量中的成本对比。
NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 预览提交中，Qwen3-VL 吞吐最高达到 GB300 NVL72 的 3.7x，DeepSeek-R1 最高达到 2.5x。
推荐理由：文章用 MLPerf Inference v6.1 的吞吐、扩展效率和软件优化数据，呈现新一代机架系统的推理经济性变化。
Salesforce 在 Dreamforce 宣布首个 CRM 推理模型 Koa，基于 NVIDIA Nemotron 3 Super 后训练，使用近 30 年企业 CRM 部署形成的专有合成数据集。
推荐理由：文章同时给出 Koa 的训练方式、CRM Bench 表现、试点客户与上线节奏，便于理解企业自研推理模型的落地路径。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型，分别面向规模化成本效率与高复杂度多步推理任务。
推荐理由：官方同时给出两款实时语音模型的定位、基准成绩与 API、企业版和消费端开放路径，便于判断语音智能体落地选择。
NVIDIA 在 AI Infra Summit 围绕 DSX 展示 AI 工厂电力调度能力，Lambda 在 HGX B200 集群验证 DSX MaxLPS 可在相同电力预算下提升 24% token 吞吐。
推荐理由：文章用 Lambda 的实测集群和电网需求响应案例，说明固定电力预算下提升 token 产出的具体路径。