Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%。
推荐理由：Anthropic 小模型大幅降价并首次开放推理档位，读者可据此判断高并发任务的成本结构变化。
内容形态
评测基准 最新动态
模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
6 条精选近 30 天 5 条共收录 13 条
更新
评测基准的精选
The Decoder精选AI 评分7878
Latent Space精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，官方称其平均运行成本比 Haiku 4.5 低约 75%。
推荐理由：汇总了 Haiku 5.5 的定价、独立评测与 token 消耗数据，可据此判断小模型在智能体工作流中的成本取舍。
Hugging Face Blog精选AI 评分6262 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-改进推理流程打造竞赛专用模型，在 IOI 2026 与 IMO 2026 均达到金牌水平。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可据此复现领域专家模型的训练与推理流程。
Latent Space精选AI 评分8888 OpenAI 内部模型发布 722 篇数学论文，覆盖 500 个开放问题中的 90 个
OpenAI 以公开 GitHub 仓库形式发布了一批来自内部前沿模型的数学成果，共 722 篇论文、归入 372 个相关结果族，来自约 4000 个研究问题的评测，平均每个结果消耗约 3 小时 ChatGPT Pro 思考算力，模型本身仍未发布。
推荐理由：OpenAI 用内部未发布模型产出 722 篇数学论文，读者可据此了解其规模、算力成本与学界反应。
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再依据终端后端状态和副作用而非生成文本判定成败，每个任务重复 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用后端状态而非生成文本判定成败，并给出 20 次重复下的稳定性与成本数据。
Mistral AI精选AI 评分7171 Mistral 发布 Agentic Search，用多步检索循环替代一次性 RAG
Mistral 发布 Agentic Search，作为检索层让模型在多步循环中查找、检查和验证信息，通过 Mistral Search Toolkit 提供，并内置到 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断传统 RAG 的替代路径。