Opus 5.5 以 66 分登上 Coding Agent Index 榜首，三项编码评测全部提升。分数之外，max effort 档位的 token 开销和任务成本，才是决定这 6 分值不值得买的关键。
AI前沿技术
权重能下载，训练细节和源代码没跟着来。自定义许可证的署名义务、规模阈值这类条款，才是决定自部署还是调 API 的关键。附 OpenRouter 调用参数与定价比对思路。
1818 分登顶 Code Arena: WebDev，领先 GPT-6 Astra 26 分，比自己上一代高出 126 分。分数很漂亮，账单也不便宜。这篇聊清楚 Opus 5.5 到底赢在哪、贵在哪，以及你的项目该不该跟。
Fireworks Research 把基于 Kimi K3 的专用模型 Ember-1 推上 Serverless，官方称同等质量下推理 token 少花约 40%。省下的是哪部分开销，蒸馏卡在哪，Research Preview 与 A/B 数字该怎么读，本文逐条拆开。
Cursor 团队公开的 Agent Harness 降本提示词，实测一轮改动让整体 token 成本降约 7% 且质量无损。文章拆解五个动作与执行顺序，强调按任务而非按请求计量，先映射 harness、测基线，再按优先级实施。
给编码 Agent 跑万亿参数模型，瓶颈往往不在算力表上。Modal 靠 KV 缓存亲和路由、prefill 与 decode 分离、会话粘性调度，把单副本吞吐拉高 5.6 倍、每用户性能提升 2.8 倍。这套找瓶颈的顺序，比数字本身更值得抄。
Antigravity SDK 打开本地模型通道，Gemma 4 26B A4B 通过 LiteRT 离线运行，24GB 显存起步。这对隐私敏感团队和按 token 计费的智能体工作流意味着什么？先别急着迁移生产环境，有几个坑现在就该看见。
GPT-6 Sol（Max）在 Code Arena: WebDev 榜拿下 1689 分，排第四，混合计价 $8/百万 token。第四名意味着什么？这个价格到底便不便宜？分类榜单的变化又指向哪里？把它拆开讲。
Claude Opus 5.5 把 1M token 上下文变成默认配置，同时抛出默认参数、价格与 API 行为三项变化。长任务智能体的门槛，正从模型智力转向记忆连续性与成本控制。升级前该重跑回归测试、跑影子流量，并留好回滚通道。
代码现代化卡了很多年，卡点却不在打字速度。智能体把产能抬上去之后，暴露的是范围、验收、决策权这些没人愿意碰的糊涂账。Anthropic 这套六步组织流程，讲的其实是人该怎么排队。
46 分，开源模型第一次站进前沿模型的座位区。小米 MiMo-V2.6 Pro 与 Flash 靠规模化强化学习把 Agent 能力拉到与 Claude Opus 5、GPT-5.6 Sol 相近的水平。分数之外，真正值得琢磨的是训练路线、双版本分工和权重开放后的竞争规则。
vllm-metal v0.28.0 首次把 vLLM 的调度器、分页 KV cache 和 OpenAI 兼容接口完整搬到 Apple Silicon。Mac 到底能不能当推理服务器用？答案藏在 Metal 内存管理和那组可复现的并发基准里。
通义千问一次放出五个音频模型，覆盖理解、生成、交互与创作。TTS 降价约七成，Realtime 降约 85%，ASR 最高降 95%。Realtime 还能边听边说、随时打断，检测到低落情绪时放慢语速并共情回应。
GPT-6 Sol 和 Luna 同时上线 API，价格砍到 GPT-5.6 促销价的一半。Sol 负责重推理与 Agent，Luna 承接高频轻任务，缓存控制细节则重新定义了重复上下文的成本。讲的是定价背后的产品分层逻辑。
3.3 个百分点的准确率差距，值不值 22 倍的价格和 13 倍的延迟？把 OpenRouter 的意图分类对比数据放进真实流量里算一笔账，答案取决于你的错分成本，以及你愿不愿意做置信度级联路由。
