OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,稱兩者基準測試提升並下調 Astra API 價格
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向專業工作與日常用途,並稱兩者基準測試成績均勝過前代。
推薦理由:多家第三方評測呈現不同側面,Astra 在科學與成本效益項目表現突出,但編碼成績停滯,法律測試亦顯示其表現較弱。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向專業工作與日常用途,並稱兩者基準測試成績均勝過前代。
推薦理由:多家第三方評測呈現不同側面,Astra 在科學與成本效益項目表現突出,但編碼成績停滯,法律測試亦顯示其表現較弱。
Microsoft 推出 Decision-1.1、MAI-Code-2 等自家模型,並更新 Foundry 的代理評估與持續改進功能。Foundry 透過內部評估建立品質、安全、延遲及成本基準,並把專家對代理執行軌跡的評註和優化測試納入改進循環;人工標註目前處於預覽階段。
作者以固定編碼任務比較低成本模型與前沿模型,發現前者每 token 成本約為後者的 1/20,編碼得分不到一半,並公開 60 秒實測過程。兩個模型使用相同提示詞和 temperature 0,按保留測試集的 pass@1 評分,不重試、不挑選結果;成本則按供應商公佈的每 token 費率及實際 completion tokens 計算。
Microsoft AI 在 Microsoft Ignite 2026 主題演講中公佈 MAI Licensed Weights,讓客戶可按需要以專有數據自訂 MAI 模型,並在自有 Azure 環境中安全運行及控制存取權。
Microsoft 發佈首個語音到語音模型 MAI Realtime 1,基本語音到語音使用費為每分鐘音訊 $0.01,推理另按 $5 per million output tokens 計費。
GPT-6.2 Astra 的評測指出,模型難以辨識自身知識盲點,輸出內容亦很難理解。處理長任務時,它會反覆兜圈,使用體驗令人沮喪。
Fireworks AI 以多項專項基準比較 MiniMax M3.1 Flash 與多個閉源模型,結果顯示它在部分編碼比較中完成量較高,但在網頁研究、銀行客服、臨牀問答及報税任務中的表現不一。
Fireworks AI 比較 Kimi K3.1 Pro 與 K3 及其他模型在 Agent 任務上的表現、模型成本和執行時間;K3.1 Pro 在 17 項共同基準中的 14 項得分高於 K3,但不同工作負載呈現不同取捨。
Microsoft AI 於 2026 年 11 月 17 日發佈面向企業日常編碼的 MAI Code 2 和 MAI Code 2 Flash,分別主打複雜實作與高頻常規工作。
OpenAI 於 17 November 2026 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol;文章比較兩者價格,並提出按自動化工作流步驟分配模型的做法。
推薦理由:文章把兩款模型的價格差異轉化為按工作步驟分流及失敗後升級的方案,並補充智能體操作時的檢查要點。
這篇 Gemini 4 模型比較建議先從 Hydrogen 開始,只有在它未能通過自訂測試時才考慮改用 Argon 或 Carbon。
推薦理由:文章並列三款模型的定價、能力定位、限制與工作負載建議,並用月度用量試算成本,呈現選型時價格與任務需求的取捨。
Gemini 4 Hydrogen 在 Artificial Analysis Intelligence Index 的預設 high 思考層級得分為 51,高於 Argon 的 50,xhigh 得分為 54。
推薦理由:文章把 Gemini 4 Hydrogen 的分項基準、思考層級與任務成本並置,呈現綜合指數背後的工作類型取捨及路由判斷依據。
OpenAI 發佈更新版 Astra for Law,這項基於 GPT‑6.2 Astra 的法律模型配置現可供所有 ChatGPT Enterprise 客戶透過 Trusted Access Program 申請,亦可申請 API 存取。
推薦理由:材料並列 LAB-AA 與 Vals AI 的基準數據及法律搜尋索引變化,可從任務滿分率和資料覆蓋兩方面瞭解此次更新。
Microsoft.ai 頁面列出 MAI Code 2 和 Code 2 Flash。Hacker News 留言提到,頁面將基準測試結果與頂尖模型比較;另有留言擔心,企業可能因節省成本而改用這些模型,取代 Anthropic 模型。
Microsoft 發佈 MAI Image 2.7 和 MAI Image 2.7 Flash,並在 MAI Labs 推出由 Flash 驅動的互動式圖像工作區 Canvas。
Microsoft 發佈專用安全模型 MAI Cyber 2 Flash,在 CyberGym-E2E 達 92.3% 成功率,與 GPT-6 Astra 的 91.5% 相近,而每項任務成本不到 GPT-6 Astra 的 2%。
Microsoft 發佈 MAI Code 2 和 MAI Code 2 Flash,兩款模型均面向日常企業編碼任務,分別側重多檔案實作與深入除錯,以及大量例行工作。
Microsoft 在 Ignite 2026 發佈七款新模型,涵蓋網絡安全、編碼、圖像生成、即時語音、轉錄及決策。
推薦理由:文章按網絡安全、日常企業編碼等場景列出基準表現及成本比較,呈現不同模型在任務表現與價格之間的取捨。
OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol,Astra 在 Artificial Analysis Intelligence Index 升至第二位,僅次於 Anthropic 的 Claude Fable 5.2。
推薦理由:文章並列智能指數、成本前沿與編碼代理指數結果,呈現 GPT-6.2 Astra 與 GPT-6.2 Sol 在整體排名、成本和編碼表現上的差異。
OpenAI 發佈 GPT-6.2 Astra 與 GPT-6.2 Sol 系統卡(https://deploymentsafety.openai.com/gpt-6-2-astra-sol/),評估兩款模型的生物與化學、網絡安全能力,以及部署防護。
OpenAI 於 2026 年 11 月 17 日發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,兩款模型現可透過 ChatGPT Work、Codex 和 API 使用。
推薦理由:文章並列兩款模型的價格、基準表現,以及系統卡披露的資安能力與對齊退步,呈現效率提升和部署限制之間的具體取捨。
GPT-6.2 Astra 的輸入 token 定價為每 1M 個 $8,輸出 token 為每 1M 個 $40,較 GPT-6 Astra 下調 20%。GPT-6.2 Sol 維持 GPT-6.1 Sol 的定價:輸入 token 每 1M 個 $2,輸出 token 每 1M 個 $10。
Microsoft 推出六款涵蓋編碼、網絡安全、圖像及語音的 AI 模型。Microsoft 稱,MAI Code 2 的表現達 GPT-6.1 Sol 的 98%,價格則為其 40%。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向高難度專業項目及日常工作,並以較少輸出 token 處理高要求任務。
推薦理由:文章比較 Astra 與 Sol 在專業工作、日常任務及基準測試中的定位與成本差異,並交代可用範圍和網絡安全防護限制。
OpenAI 在 ChatGPT Work、Codex 和 API 推出 GPT-6.2 Astra 與 Sol。OpenAI 表示,Astra 在工作和科學評測中創下紀錄,成本不到 GPT-6 Astra 的三分之一。
Google 推出 Antigravity Robotics 插件,將硬件設定、MuJoCo 模擬、感知及機械人控制技能整合到工作台,供 Gemini 4 Hydrogen 使用。
Anthropic、Google、xAI、DeepSeek 和 OpenAI 的 AI 模型在模擬情境中,將平民、救護車及學校識別為軍事目標。
四款模型在同一智能體及工具設定下接受含 22 種攻擊的測試,全部至少一次服從藏在文件或工具輸出中的隱藏指令。gemini-3.5-flash 僅完成 19/22 個場景,發現數/Critical 數為 1/0;qwen3.8-27b 為 2/1,gpt-oss-120b 為 10–11/4,gpt-oss-20b 為 10/5。
據 Bloomberg 報道,Vals 對八間公司的 AI 模型進行模擬測試,發現它們曾把平民、救護車、投降士兵及伊朗一所學校標為軍事目標。其中,Claude Opus 5.5 在 32 次衞星影像任務中 22 次選中 Minab 一所學校;被告知任務是遊戲後,它選中該校 23 次,三款 OpenAI 模型則分別選中 9、11 及 13 次。
騰訊混元於 11 月 16 日發佈 Hy4 flash,總參數量為 224B(其中 64B Engram 參數)、激活參數為 12B,並支援多模態及 1M 上下文。
Cloudflare 已推出 Clef 和 Clairic 兩款 System One 模型,AI Platform 負責人 Michelle Chen 在 AI Engineer Code Summit 上將公司描述為 Neolab。
快手可靈正式推出圖像創作模型 Kling Image 4.0,並向企業客戶及開發者開放 API 接入。模型支援原生 8K,單張圖片內可生成 2000 字,並可接收最高 15000 tokens 的文字輸入。模型亦可按一次描述生成最多 10 張圖片,並提供 70+ 種預設商用字體和 110+ 種預設影調風格。
快手可靈推出 Kling Image 4.0 圖像創作模型,並向企業客戶及開發者開放 API 接入。模型首次支援原生 8K 圖像生成,並可在單張圖片內生成 2000 字、一次按描述生成最多 10 張系列圖片。模型支援最高 15000 tokens 文本輸入,並具備原生 Agentic 能力,可按創作意圖規劃系列圖片內容。
阿里巴巴 Qwen 團隊推出 Qwen4-Max,模型總參數量為 2.4 trillion、每個 token 啟用 71 billion 個參數,提供 1M-token 上下文窗口,但只透過封閉 QwenCloud API 提供,沒有可下載權重。
商湯科技正式發布 SenseNova Loop-9B,總參數量約 9B,部署所需顯示記憶體低至 10 GB 內。模型透過 Loop 結構重用參數,將 32 個物理解碼層擴展為 56 次層計算,支援文字及圖像輸入、文字輸出,上下文長度最高 512K tokens。
商湯科技發佈 SenseNova Loop-9B,模型總參數量約為 9B,並通過兩次執行共享的中間層,將 32 個物理解碼層擴展為 56 次層計算。模型支持輸入文本和圖像、輸出文本,上下文長度最高可達 512K tokens。
OVHcloud 於 2026 年 11 月 17 日宣佈推出首個大語言模型系列 Olala,首款為 Olala mini 7A1B,並計劃在 Hugging Face 以 Apache 2.0 授權開源。
Saurabh Bhayana 的指南整理 Claude Fable 5.2 的定價、Anthropic 公佈的基準測試,以及它與 Mythos 5.2、Opus 5.5 的差異。
推薦理由:文章比較 Anthropic 的基準與工作成本估算,指出 Fable 5.2 雖然每個 token 收費是 Opus 5.5 的兩倍,部分測試的單項任務成本仍較低。
阿里雲在年度香港峯會宣佈 Qwen4-Max 上線,並推出多項面向企業的 AI 智能體開發、監控及安全防護能力。Qwen4-Max 總參數為 2.4 萬億,每個 token 激活 710 億參數;阿里雲稱 token 消耗減少 35%,平均每項任務成本降低約 60%。阿里雲在香港服務超過 65,000 名客戶,並宣佈與香港浸會大學及美亞娛樂合作,涵蓋 AI 培訓及影視內容創作。
Liquid AI 發佈 d1.2 和 d1.2-ultra 兩款決策模型,支援文字、圖像及音訊輸入,並以固定答案選項的機率作答。d1.2-ultra 在 AA Decision Index v2.1 得分 75,d1.2 得分 69;前者在該指數的決策模型中排名最高。兩款模型新增 5 種答案類型,並且不產生輸出 token;目前只透過 Liquid API 提供,尚未公開權重。