AINews 汇总:GPT-6.1 Sol 与 Sonnet 5.5 刷新性价比边界
来源Latent Space查看原文
速览
- GPT-6.1 Sol 以 $2/$10 定价大幅拉低前沿模型成本,比 Astra 便宜 81%。
- Sol 在 Agent Arena 单任务中位成本 $0.56,比 GPT-6 Sol 便宜 39% 且得分更高。
- Sonnet 5.5 在 Agent Arena 排名第 3,但成本高于 Opus 5.5,未进帕累托前沿。
- Anthropic 占据 Agent Arena 前三,Gemini 4 Argon 拿下 Text Arena 第 1。
- llama.cpp 新增决策模型端点,本地推理生态继续扩展。
- Hugging Face 多 harness RL 显示 harness 选择对得分影响巨大(62% vs 33%)。
- T3 Code 重写合并,用户超 40 万,新增 Pi 支持和跨提供商任务委托。
- Trillium Labs 成立,专注开放后训练配方与基础设施。
- NYT 报道 Anthropic 的 Chris Olah 曾考虑退出教皇 AI 通谕发布活动。
Latent Space 的 AINews 栏目汇总了 10 月 1 日至 2 日的 AI 动态。核心事件是 OpenAI 发布 GPT-6.1 Sol,定价为每百万输入/输出 token 2 美元/10 美元,远低于 Astra 的 10 美元/50 美元;官方口径称其在 DeepSWE v1.1 上比 GPT-6 Sol 高 6.4 分,在 AutomationBench 上比 Opus 5.5 高 2.2 分。Agent Arena 上 Sol [Max] 以第 5 名入场(+11.23%),单任务中位成本 0.56 美元,比 GPT-6 Sol 便宜 39% 且得分高 1.52 分,比 Astra 便宜 81% 且差距在 1.04 分以内。Anthropic 的 Sonnet 5.5 [Max] 以第 3 名(+12.5%)亮相,并在 Chat 分类排名第 1,单任务成本 2.74 美元,高于第 2 名 Opus 5.5 的 1.58 美元,因此未进入帕累托前沿;Anthropic 模型目前占据 Agent Arena 前三名。此外,Gemini 4 Argon [High] 拿下 Text Arena 第 1,开源模型 MiMo-V2.6-Pro 和 Flash 分别以第 5、第 9 名进入 Agent Arena。开发者工具方面,llama.cpp 新增 /v1/systemone 端点支持本地决策模型推理,DeepSeek Harness 发布 macOS 和 Windows 桌面版,Pi 1.0 发布并默认集成 MCP,T3 Code 编排器重写合并(823 次提交、涉及 1912 个文件,用户超 40 万)。研究方面,Hugging Face 的多 harness RL 让同一模型权重在不同 harness 下得分从 62% 到 33% 不等,LFM2.5-2.6B 在四个 harness 上从 42% 提升到 54% 且工具调用减少 31%。行业侧,NYT 报道 Anthropic 的 Chris Olah 曾考虑退出教皇 AI 通谕发布活动,因通谕文本拒绝机器意识;Nathan Lambert 和 Tom Zick 创立非营利组织 Trillium Labs,专注开放后训练配方与基础设施。
关键事实
- OpenAI 发布 GPT-6.1 Sol,定价 $2/$10 每百万输入/输出 token,Astra 为 $10/$50。
- Sol 据称在 DeepSWE v1.1 上比 GPT-6 Sol 高 6.4 分,在 AutomationBench 上比 Opus 5.5 高 2.2 分。
- Agent Arena 上 Sol [Max] 入场第 5(+11.23%),单任务中位成本 $0.56,比 GPT-6 Sol 便宜 39% 且得分高 1.52 分。
- Sonnet 5.5 [Max] 在 Agent Arena 首秀第 3(+12.5%),Chat 分类第 1,单任务成本 $2.74,高于 Opus 5.5 的 $1.58。
- Anthropic 模型占据 Agent Arena 前三名。
- Gemini 4 Argon [High] 在 Text Arena 排名第 1。
本站视角
GPT-6.1 Sol 的定价策略直接冲击了前沿模型的成本结构。对于中文开发者,尤其是依赖 API 构建 Agent 的中小团队,$2/$10 的价格意味着原本因成本而无法规模化的多步推理、工具调用场景变得可行。Sol 在 Agent Arena 上以 $0.56 的单任务成本达到接近 Astra 的性能,这可能迫使 Anthropic 和 Google 重新考虑定价。但需要观察的是,Sol 的基准测试结果来自 OpenAI 官方和 Arena 的单一来源,缺乏第三方独立复现;且 Agent Arena 的排名受 harness 影响巨大(Hugging Face 的研究显示同一模型在不同 harness 下得分可从 62% 跌至 33%),因此 Sol 的实际表现可能因部署方式而异。Anthropic 的 Sonnet 5.5 虽然排名第 3,但成本高于 Opus 5.5,未进帕累托前沿,这可能意味着 Anthropic 在性价比上暂时落后。对于国内做 Agent 的团队,llama.cpp 新增决策模型端点和 Pi 1.0 默认集成 MCP 值得跟进,它们降低了本地部署和工具调用的门槛。Trillium Labs 的成立则可能为开源后训练生态提供急需的基础设施,但初始资金来自 Halcyon Futures 和 Schmidt Sciences,其长期独立性需要观察。
背景与影响
本期 AINews 汇总了 2026 年 10 月 1 日至 2 日的 AI 动态。OpenAI 发布 GPT-6.1 Sol,以极低定价($2/$10)冲击市场,直接对标 Anthropic 的 Astra($10/$50)。Sol 在 Agent Arena 上以第 5 名入场,单任务中位成本仅 $0.56,比 GPT-6 Sol 便宜 39% 且得分高 1.52 分,比 Astra 便宜 81% 且差距在 1.04 分以内。Anthropic 的 Sonnet 5.5 以第 3 名亮相,Chat 分类第 1,但单任务成本 $2.74 高于 Opus 5.5 的 $1.58,未进入帕累托前沿。Anthropic 模型目前占据 Agent Arena 前三名。此外,Gemini 4 Argon 拿下 Text Arena 第 1,开源模型 MiMo-V2.6-Pro 和 Flash 进入 Agent Arena。开发者工具方面,llama.cpp 新增决策模型端点,DeepSeek Harness 发布桌面版,Pi 1.0 发布并默认集成 MCP,T3 Code 重写合并。研究方面,Hugging Face 的多 harness RL 显示 harness 选择对模型得分影响巨大,LFM2.5-2.6B 在四个 harness 上从 42% 提升到 54%。行业侧,NYT 报道 Anthropic 的 Chris Olah 曾考虑退出教皇 AI 通谕发布活动,因通谕文本拒绝机器意识;Nathan Lambert 和 Tom Zick 创立 Trillium Labs,专注开放后训练配方与基础设施。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。