# 模型竞争

只看主线「模型竞争」。全部文章见 https://www.newtoken.link/read 。

- [GitHub 替开发者选模型，跑分差 2 分、花费减半](https://www.newtoken.link/read/github-copilot-fusion-max-60-half-cost)（读懂 · 2026-10-30）GitHub 新功能替开发者挑模型，第三方测得 Max 档比 Claude Code 低 2 分、每题花费约一半，日常档尚无独立成绩。
- [Mistral 开放万亿参数模型，托管商要另签许可](https://www.newtoken.link/read/mistral-large-4-weights-maas-license)（读懂 · 2026-10-29）Mistral Large 4 的权重 10 月 29 日上线，新许可证让企业自用、改造和嵌进产品都免费，对外卖模型推理服务的公司要另签商业许可。
- [ChatGPT 订阅每月送最多 500 美元 API 额度](https://www.newtoken.link/read/chatgpt-subscription-api-credits-500)（读懂 · 2026-10-29）ChatGPT 订阅每月可领最多 500 美元 API 额度，档位与 Anthropic 三周前的方案几乎一样，编程工具不在覆盖范围。
- [Particle-1 的省钱账按别家价目表算](https://www.newtoken.link/read/particle-1-savings-priced-at-deepseek-rates)（读懂 · 2026-10-29）Particle-1 称每题比 DeepSeek 底座省三到五成，成本表却按 DeepSeek 高峰价算；按它自己的标价重算，缓存命中率过九成四时它反而更贵。
- [微软改图模型盲评第二，名次区间是 1 到 3](https://www.newtoken.link/read/mai-image-27-second-range-one-to-three)（读懂 · 2026-10-29）MAI Image 2.7 在第三方改图盲评排第二，与 OpenAI 头名差 6 分、在误差内；样本约为对手四分之一，暂无接口。
- [Gemini 两周涨 9 分，Carbon 登上第三方榜首](https://www.newtoken.link/read/gemini-carbon-tops-aa-by-one-point)（读懂 · 2026-10-29）Gemini 4 Carbon 在第三方指数 v5 拿到 59 分，比 Opus 5.5 高 1 分，本周只给部分网安防守方用。
- [英伟达开源转写模型在独立榜单排第几？](https://www.newtoken.link/read/nvidia-transcribe-open-first-hosted-34)（读懂 · 2026-10-28）英伟达新转写模型在 Artificial Analysis 榜上与 Mistral 并列开源第一，全榜排第十前后；经公开托管接口测得的错误率是 3.4%，高于厂商引用的 2.8%。
- [Giotto：主权就是「部署在自选的基础设施上」](https://www.newtoken.link/read/giotto-sovereign-means-where-it-runs)（读懂 · 2026-10-28）瑞士 Giotto 的新模型被用户问出「我是 Kimi」，CEO 承认 Kimi 参与其中，并把主权说成部署地自选。这是两个月里欧洲第二个这样的例子。
- [新考卷把 Kimi 和闭源头名拉开 12 分](https://www.newtoken.link/read/aa-index-v5-open-weights-gap-back-to-12)（读懂 · 2026-10-28）Artificial Analysis 指数 v5 六成改用私有题，Kimi K3.1 Pro 从 55 分降到 46 分，头名 Opus 5.5 仍是 58 分。
- [Claude 也称推翻指数时间假设，用了 1400 万词元](https://www.newtoken.link/read/claude-eth-refutation-14m-tokens)（读懂 · 2026-10-28）Anthropic 公开 Claude 写出的 3-SAT 次指数算法与 Lean 证明，称与 OpenAI 同日得出。论文自己算过，规模到天文数字前它不比穷举快。
- [OpenAI 三项 AI 证明，物理那项交五位学者先看](https://www.newtoken.link/read/openai-three-proofs-physics-shepherds-first)（读懂 · 2026-10-27）OpenAI 公布数学、计算机、物理三项 AI 证明，前两项已放出原文和 Lean 证明，物理那项先交五人小组；数学顾问组前一天刚建议别再指定学者先看。
- [千万词元上下文眼下只证明了能找到东西](https://www.newtoken.link/read/mirendil-fern-10m-context-retrieval-only)（读懂 · 2026-10-27）新实验室 Mirendil 发布千万词元上下文模型 Fern 0.1，但在这个长度上多跳问答只答对 45%，智能体编程低于同级开放模型，也还没开放使用。
- [Gemini 编程榜涨 14.6 个点，靠模型还是工具？](https://www.newtoken.link/read/gemini-argon-harness-frontiercs-cost)（读懂 · 2026-10-26）Gemini 4 Argon 换用 Google 自家工具重跑 FrontierCS 2，通过率升了 14.6 个点，每次运行成本涨了约 87%。
- [Kimi 把自动派子智能体当缺陷修了](https://www.newtoken.link/read/kimi-code-subagents-opt-in-bugfix)（读懂 · 2026-10-26）Kimi Code 10 月 25 日的 2.3.2 版把模型自行开子智能体、自行发起集群列为缺陷修掉，并行改由用户明说才开。比较编程工具每件活的花费，要先看默认开几路。
- [Kimi 开源前削了攻击能力，尺子是自家的](https://www.newtoken.link/read/kimi-k31-cyber-brake-own-ruler)（读懂 · 2026-10-24）Moonshot 为放出 Kimi K3.1 Pro 权重删了网络攻击训练数据，自测漏洞利用分从 90.5% 降到 81%，仍强于上一代，尺子是内部的。
- [Kimi 新模型离闭源头名只差三分](https://www.newtoken.link/read/kimi-k31-pro-index-fourth-gap-three)（读懂 · 2026-10-24）Moonshot 的 Kimi K3.1 Pro 在第三方总指数排第四、距头名约三分；终端任务厂商自测与第三方读数不一致，权重要到 11 月 4 日才放。
- [千问小模型操作电脑胜出，多半靠换了工具](https://www.newtoken.link/read/agent-s4-interface-not-model)（读懂 · 2026-10-24）千问 27B 配上自动进化的工具库，电脑操作整题做对率 21.3%，超过 GPT-5.5。拆开看，大头来自换了操作方式。
- [Canva 模型榜上第四，实验室第二是汇总](https://www.newtoken.link/read/canva-craft-designarena-lab-rank)（读懂 · 2026-10-24）Canva 首个自研图像模型 Craft 在众包榜排第四、两个人像风景分项第一；「实验室第二」是汇总口径，前面仍是三款 OpenAI 模型。
- [编程智能体换尺子，分差远小于价差](https://www.newtoken.link/read/coding-agent-index-score-gap-vs-cost)（读懂 · 2026-10-23）编程智能体指数换成含 FrontierCode 的 2.0 版后，头名只比第二名高 3 分，按任务计费从约 0.3 美元到约 13 美元。
- [MiniMax 照常放出权重，商用门槛在许可证里](https://www.newtoken.link/read/minimax-weights-open-license-gates-use)（读懂 · 2026-10-23）据报 MiniMax 已完成出口登记，23 日放出 M3.1 Flash 权重。海外企业真正要读的是许可证：商用须报备，年收入超 2000 万美元须书面授权。
- [OpenAI 决策接口只收输入费，每题比多数对手贵](https://www.newtoken.link/read/openai-decisions-cheap-tokens-costly-tasks)（读懂 · 2026-10-23）OpenAI 决策接口正式开放，每百万输入 token 0.1 美元、输出免费。独立实测里，它每题成本高于 16 个决策模型中的 12 个，总分第 14。
- [谷歌云上两种 Claude，差在谁管数据](https://www.newtoken.link/read/claude-google-cloud-two-data-processors)（读懂 · 2026-10-23）Anthropic 自营的 Claude 在谷歌云正式可用，与谷歌托管版同价、同一张账单、都能抵扣云承诺。两者差在谁当数据处理方，以及新功能哪边先到。
- [Beam 托管价一周拉近，账单还看缓存](https://www.newtoken.link/read/beam-host-prices-converge-cache-decides)（读懂 · 2026-10-22）Beam 上线一周，OpenRouter 上四家托管商的输入标价从相差五倍多收到一倍六，四家都列了缓存价。按 Plotly 那场考试粗算，账单高低主要看缓存命中。
- [配音榜头名最便宜，前三名其实分不出高下](https://www.newtoken.link/read/heygen-voice-turbo-cheapest-top-three-tied)（读懂 · 2026-10-22）HeyGen 配音快速版登上第三方克隆音色榜首，标价每百万字符 4 美元，是原版的约七分之一；但前三名置信区间重叠，快速版也不支持专业克隆。
- [笔记本能跑的编程模型，快一倍是自己量的](https://www.newtoken.link/read/recursive-flint-laptop-speed-self-measured)（读懂 · 2026-10-22）Recursive 首个模型 Flint 以 Apache 2.0 开放权重，称同级编程第一、笔记本上快一倍；分数和速度都是它按自己的规则测的，对手分数是各家自报，独立评测还没有。
- [OpenAI 上谷歌云，买单走的是云预算](https://www.newtoken.link/read/openai-google-cloud-paid-from-cloud-budget)（读懂 · 2026-10-21）OpenAI 模型以私有预览登陆谷歌云，用量可抵扣客户对谷歌云的已承诺消费、统一开票。三大云都能买到 OpenAI 了，但价格、零数据留存和正式上线时间都还没公布。
- [Mistral 语音模型的卖点是能自己部署](https://www.newtoken.link/read/mistral-voxtral-3-sells-self-hosting)（读懂 · 2026-10-21）Mistral 新一代语音模型在独立转写榜排第三，比第二名微软贵一倍多；语音合成排第十二名前后。它能拿出手的差别是自家机房部署和整套语音智能体管线。
- [IBM 说自托管省五到十倍，省在缓存上](https://www.newtoken.link/read/llm-d-self-host-savings-ride-on-cache)（读懂 · 2026-10-20）开源推理框架 llm-d 发布 1.0，IBM 称自托管开放模型比买同款 API 每词元便宜五到十倍。这个倍数靠高缓存命中与满负荷撑起，对照价算法没有公开。
- [Vals 指数的头名要看拒答怎么算：Claude 拒答的题由旧模型代答也计分，按失败计 Opus 5.5 少 6 分](https://www.newtoken.link/read/vals-index-refusal-fallback-ranking)（读懂 · 2026-10-20）Vals 指数 2.2 版两款 Claude 的分数含拒答后由旧模型代答的题，按失败计 Opus 5.5 少 6 分，头名换成 Gemini 4 Argon。
- [Mercury 3 的每秒 1068 个词元不能直接拿来比：同一把尺子下它和上一代一样快，更聪明还没人测过](https://www.newtoken.link/read/mercury-3-speed-same-yardstick)（读懂 · 2026-10-20）Mercury 3 自称每秒 1068 词元，OpenRouter 实测中位约 240。同一口径下它与上一代持平，速度承诺大体成立；更聪明的说法暂无第三方读数。
- [MiniMax M3.1 Flash 每题便宜了近六成：省在降价上，用量反而多了五成](https://www.newtoken.link/read/minimax-m31-flash-cheaper-by-price-not-usage)（读懂 · 2026-10-19）第三方复测 MiniMax M3.1 Flash：每题成本从 0.51 降到 0.22 美元，但输入与输出用量都涨了五成以上，按旧单价算反而更贵；不会的题几乎都硬答。
- [DeepSeek 新 Flash 的第三方成绩出来了：每题便宜近一半是真的，更快没有测出来](https://www.newtoken.link/read/deepseek-flash-1017-third-party-cheaper-not-faster)（读懂 · 2026-10-19）第三方复测 DeepSeek 新 Flash：每题成本从 0.49 降到 0.26 美元，每题用时几乎没变，输出只少约 16%，仍比同档中位数多五成。
- [Kimi K3 在 vLLM 上提速：能当依据的是同卡不开投机的 1.3 到 1.9 倍，842 和 1.8 倍各有前提](https://www.newtoken.link/read/kimi-k3-vllm-decode-speedup-terms)（读懂 · 2026-10-19）英伟达为 Kimi K3 写的 vLLM 专用解码已合入。842 靠合成接受长度，1.8 倍是 16 卡比 8 卡；同卡不开投机为 1.3 到 1.9 倍，批次越大越小。
- [Prosus 说 AI 账单降了九成：一半靠把活分给合适的模型，这个数只能当方法看](https://www.newtoken.link/read/prosus-ai-bill-routing-half)（落地 · 2026-10-19）Prosus 自述 token 用量一年涨 52 倍后把 AI 成本压掉 90%，一半归功于路由。方法可迁移，数字没有基期和质量指标，只能按企业宣称读。