跳到正文
10月8日周四
  1. Rohan Paul76

    Anthropic 发布 Claude Haiku 5.5，称其为迄今最便宜、最快、能力最强的小模型，最高 100K token 提示下成本比 Haiku 4.5 低 90%。

    引用Claude@claudeai

    隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。 平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。

    同一件事，精选收录的是《Anthropic 发布 Claude Haiku 5.5，运行成本平均降低约 75%》

  2. Greg Brockman80

    Greg Brockman 介绍 ChatGPT 新能力 Intelligent UI，用完全交互式的用户界面快速作答。据其引用的 OpenAI 内容，GPT-6 与 Intelligent UI 正面向所有 ChatGPT 用户推出，可让日常问题更直观、复杂话题更易理解，并即时提供适配任务的可交互工具。

    引用OpenAI@OpenAI

    GPT-6 与智能 UI，现正向所有人推出 ChatGPT。 ChatGPT 中的智能 UI 提供快速、交互式的回答，让日常问题更直观，复杂主题更易理解，并即时提供适用于你任务的交互式工具。

    同一件事，精选收录的是《OpenAI 向全部 ChatGPT 用户推出 GPT-6 与 Intelligent UI》

  4. Cursor71

    Cursor 公布 Claude Haiku 5.5 定价为每 M 输入 token $0.10、输出 token $0.50，输入超过 100k token 时为 $0.50/M 和 $2.50/M。Claude Sonnet 5.5 缓存读取价格也从 $0.20/M 降至 $0.10/M，用户可在 cursor.com/evals 上通过 CursorBench 对比 Haiku 5.5 的表现。

    推荐理由：原文给出了 Claude Haiku 5.5 具体定价和 Sonnet 5.5 缓存读取降价，可帮助开发者评估在 Cursor 上的使用成本。

  9. OpenAI84

    OpenAI 宣布 GPT-6 with Intelligent UI 当天起向 Plus、Pro、Business、Enterprise 用户全球推送，Free 和 Go 用户从明天开始陆续开放。ChatGPT 聊天界面上，付费档由 GPT-6 Sol 驱动，Free 和 Go 档由 GPT-6 Luna 驱动，两者都针对日常对话调优。本次更新仅涉及 Chat 标签页，Work 和 Codex 所用模型不变。详情见 https://openai.com/index/gpt-6-for-everyone/

    同一件事，精选收录的是《OpenAI 向全部 ChatGPT 用户推出 GPT-6 与 Intelligent UI》

  10. Lydia Hallie ✨68

    Lydia Hallie 介绍 API 计费用户可将 Haiku 5.5 的 autocompact 窗口设为 100K，以保持在更便宜的 token 定价档。该设置按模型保存，仅适用于 Haiku 包括 subagents，命令为 /model haiku 和 /autocompact 100k。引用的 @ClaudeDevs 价格信息显示，100K tokens 以下为每百万 $0.10/$0.50（缓存读取 $0.01），以上为 $0.50/$2.50（缓存读取 $0.05）。

    引用ClaudeDevs@ClaudeDevs

    对于低于 100K token 的提示，价格为每百万 token $0.10 / $0.50，缓存读取为 $0.01。 超过 100K token 时，每百万 token $0.50 / $2.50，缓存读取为 $0.05。

    推荐理由：原文给出具体命令和阈值，让 API 计费用户能通过设置 autocompact 窗口留在更低的 token 定价档。

  11. Lydia Hallie ✨68

    Anthropic 发布 Claude Haiku 5.5，称其为迄今最便宜、最快、能力最强的小模型，平均运行成本比 Claude Haiku 4.5 低约 75%。Anthropic 员工 Lydia Hallie 评价其适合以读取、小编辑和工具调用为主、不需要太多推理的任务。

    引用Claude@claudeai

    隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。 平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。

    推荐理由：官方公告给出了 Haiku 5.5 相对上一代约 75% 的成本降幅和适用场景，适合需要低成本处理读取、小改动和工具调用的用户。

  13. Rohan Paul45

    Unsiloed 发布 Higher-Order Extraction，可从页面原始数值生成确定性代码，计算出文档中并未直接印出的数字，每个结果都能追溯到页面。若文档某处恰好印有答案，系统会与自身结果比对：一致则置信度提升，不一致则置信度降为零。

    引用Aman@aman_unsiloed

    Launching Higher-Order Extraction. It deterministically computes the numbers you need from the raw values on the page, even when the final answer isn't printed anywhere.

  14. ClaudeDevs70

    Claude Haiku 5.5 现已在 Claude Platform 和 Claude Code 中可用，平均运行成本比 Haiku 4.5 低约 75%。官方称其为迄今最便宜、最快、能力最强的小模型，并建议将其作为 Opus 5.5 或 Sonnet 5.5 的 subagent，用于摘要、compaction、数据库查询等高并发、成本敏感任务。

    引用Claude@claudeai

    隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。 平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。

    同一件事，精选收录的是《Anthropic 发布 Claude Haiku 5.5，运行成本平均降低约 75%》

  22. Anthropic66

    Anthropic 发布最新模型 Claude Haiku 5.5，定位为其迄今最便宜、最快且能力最强的小模型。官方表示其平均运行成本比 Claude Haiku 4.5 低约 75%。

    引用Claude@claudeai

    隆重推出 Claude Haiku 5.5：我们迄今为止发布的最便宜、最快、最强大的小型模型。 平均而言，它的运行成本比 Claude Haiku 4.5 低约 75%。

    同一件事，精选收录的是《Anthropic 发布 Claude Haiku 5.5，运行成本平均降低约 75%》

  23. Addy Osmani65

    Claude Haiku 5.5 发布，已上线 Claude Platform 和 Claude Code，运行成本平均比 Haiku 4.5 约低 75%，并提供可调节的 effort 设置。官方建议将其与 Opus 5.5 或 Sonnet 5.5 搭配作为 subagent，用于摘要、compaction 或数据库查询等大批量、成本敏感任务；作者团队也将其作为 Opus 5.5 旁的 subagent 使用。

    引用ClaudeDevs@ClaudeDevs

    Haiku 5.5 现已在 Claude Platform 和 Claude Code 中上线。平均而言，它的运行成本比 Haiku 4.5 低约 75%。 它很适合作为 Opus 5.5 或 Sonnet 5.5 的子代理搭配使用。可用于高并发、对成本敏感的任务，例如摘要、压缩或数据库查询。

    推荐理由：作者分享了团队把 Haiku 5.5 用作 subagent 的搭配经验，配合官方定价信息可作成本敏感任务选型参考。

  24. Georgi Gerganov59

    llama.cpp 可通过 ggml RPC 后端在异构设备间分布式推理，作者 Georgi Gerganov 表示这是高级设置，后续会让普通用户更容易使用。被引用的实测称，MiMo 2.6 Flash 的原生 mxfp4 权重可跨 RTX 6000 GPU 与 M5 笔记本以 40 tokens/sec 通过 10 GbE 运行，llama.cpp 开箱即支持。

    引用Pedro Cuenca@pcuenq

    It's crazy that I can run MiMo 2.6 Flash across my RTX 6000 GPU and my M5 laptop at 40 tokens/sec over 10 GbE 🤯 These are the native mxfp4 weights of a state-of-the-art model, on heterogeneous hardware. Supported out of the box in llama.cpp.

  26. Arena.ai59

    Arena 更新称 Mistral Large 4 预览版以 1534 分位列 Code Arena: WebDev 第 45 名，使 Mistral 成为榜单前 15 实验室中唯一的欧洲实验室。相比此前 Mistral Large 3 的第 133 名提升 304 分，开放权重预计于 10 月底发布。

    引用Arena.ai@arena

    Mistral Large 4 by @MistralAI just landed in the Code Arena: WebDev at #45. With 1534 pts, this is a +304 pt improvement from Mistral Large 3 at #130! This release also marks a 271-point improvement over its next-best-performing variant, Mistral Medium 3.5, at #122. Mistral Large 4 delivers performance within just 2 points of Claude Opus 4.8 (High) at a nearly 6× lower blended price: $3.47/M vs. $20/M tokens. Nearby but higher-performing models are available for less, keeping it just off the Code Arena: WebDev Pareto frontier. @MistralAI announced its open weights will be released at the end of October. Stay tuned for its score on Arena within open models, and congrats to the team on this release!

  31. Aravind Srinivas65

    Perplexity 开源 pplx-embed-v2-late，两个针对文本和图像的 late-interaction 多向量嵌入模型，大小为 9B 和 0.6B，共享同一嵌入空间，权重已在 Hugging Face 提供。9B 可用于索引多模态数据，0.6B 可在设备端查询，无需 OCR 即可检索 PDF 页面；模型在 MADQA 得分 92.4%，BrowseComp+ 得分 64%。

    引用Perplexity@perplexity_ai

    我们发布 pplx-embed-v2-late，两个后期交互嵌入模型，通过共享嵌入空间检索文本、图像和页面，实现跨模态查询。 两个模型均达到前沿性能，并已在 Hugging Face 上公开可用。 https://www.perplexity.ai/hub/blog/multimodal-embeddings-beyond-a-single-vector

    推荐理由：原文给出两个规模的嵌入模型、共享空间用法和基准分数，读者可据此评估多模态检索与端侧查询的可行方案。

  32. Rohan Paul48

    Bolt 新增 Commenting 功能，任何人点击应用预览中的任意元素即可就地留言，再点 "Send to Bolt" 让 AI 按评论完成修改。评论锚定在元素而非屏幕坐标上，布局移动时评论跟随元素；元素被重建或删除时评论保留在面板中。官方称不再需要截图、Slack 讨论串或 Loom 视频来转述修改需求。

    引用bolt.new@boltdotnew

    Introducing Commenting in Bolt. Click anything in your preview, leave a comment, and send it straight to Bolt to build. No more screenshots, Slack threads, or Loom videos someone has to turn into fixes. Try it now → https://bolt.new

  33. Perplexity51

    Perplexity 发布 pplx-embed-v2-late，包含两个 late-interaction 嵌入模型，可在共享嵌入空间中跨模型检索文本、图像和网页。两个模型称达到前沿性能，已在 Hugging Face 公开，博客地址 https://www.perplexity.ai/hub/blog/multimodal-embeddings-beyond-a-single-vector；配图显示 pplx-embed-v2-late-0.6B（340M 激活参数）在 ViDoRe V3 公共子集上得分 62.3，称其 0.6B 模型可匹配 5 倍大小模型。

10月7日周三