9 款前沿 AI 模型實測(2026 年 11 月):價格倒掛、思考 token 陷阱與可重現評測框架
Mika 於 2026-11-19 透過 OpenRouter 對 9 款 AI 模型進行即時基準測試,以三項開發者任務比較表現、延遲與成本,總花費為 $0.3727。
Mika 於 2026-11-19 透過 OpenRouter 對 9 款 AI 模型進行即時基準測試,以三項開發者任務比較表現、延遲與成本,總花費為 $0.3727。
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。
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。
Skryvo AI 以同一組四項日常寫作任務測試 7 款 AI 聊天機械人,結果 ChatGPT(GPT-6.1 Sol)和 Grok 4.7 的短篇營銷文案最適合直接使用。六款模型加入了原文未提供的產品功能,五款超出 Instagram 每則貼文五個 hashtag 的上限。Claude Sonnet 5.5 是唯一會就缺失資料提問的模型;每項提示只測試一次,作者提醒細微差異可能只是噪音。
馬斯克表示,Grok 4.8 預訓練已完成,正進行 RL 後訓練,並以 C/C++ 重寫 RL 後訓練及推理技術棧。本週稍後將向 Grok Bot 用戶軟發布;馬斯克稱模型有 2.5 萬億參數,團隊不會針對 AI 榜單過度優化。
Anthropic 發佈 Fable 5.2 和 Mythos 5.2 模型,強化編程與機械人控制能力。公司亦計劃透過 IPO 發行 8.25 億股 A 類普通股,每股定價區間為 70 至 78 美元。
AICostbudget.com 以 72 個模型、13 家供應商的標價估算固定任務成本,提示詞快取命中率由 70% 升至 90% 時,中位成本由 $0.46 降至 $0.29,減少 38%。在 59 組同供應商比較中,提升命中率在 35 組比改用下一個較便宜模型節省更多。價格採用截至 2026 年 11 月 9 日的標價;任務規模及命中率是作者設定的情境,並非對真實 AI 智能體的測量結果。
OpenAI 的 GPT-6.1 Sol 參與活體小鼠腦部手術實驗,經三次操作和外科醫生回饋後,定位誤差由 0.6 毫米降至 0.3 毫米。識別關鍵解剖標誌的耗時由 169 秒減至 86 秒,人工糾正由 4 次減至 2 次;改善來自沿用過往圖像、測量數據及修正記錄,並非重新訓練或更新參數。
一項在 Cursor 進行的 5 項日常工作測試中,Gemini 在 low effort 下贏得 4 項,Claude 則做出最佳登陸頁面。測試比較 Grok 4.7、Claude Opus 5、Gemini、Muse 和 GPT;Grok high 在遊戲測試中最慢,作者認為不值得等候。作者建議按工作選擇模型:商店頁面可選 Claude,快速工具和編輯則以 Gemini 表現最佳。
Tobias Hoffmann 分析 2026 年 9 月 Grok 4.7、Claude Opus 5.5 及 GPT-6 Sol、Luna 接連推出,指出模型成本的比較重點正由每 token 價格轉向每項任務的總成本。
Anthropic、OpenAI、Google 和 xAI 在 2026 年 9 至 10 月推出多款新模型,文章整理型號、價格與免費方案。Claude Haiku 5.5 與 GPT-6 Luna 的輸入/輸出價格均為 $0.10/$0.50。作者認為免費方案中的 Sonnet 5.5 最划算,並建議應用先測試這兩款小型模型。
Claude Fable 和 Opus 新模型據稱已進入早期測試,疑似新模型 Obsidian 3 則在 FrontierCode 2.0 取得 46.8 分,超越 Claude Opus 5.5 的 45.5 分。兩者同以 high 推理強度作答時,Obsidian 3 成本是 Claude Opus 5.5 的 3.6 倍;其型號身份及是否屬於 Claude 新模型仍未確定。
ChatGPT、Perplexity、Gemini、Claude 和 Grok 對 5 條 CRM 推薦問題各回答兩次,共產生 50 個回答;HubSpot 50 次均獲提及,39 次排第一。25 組重複提問的答案中,有 14 組的前三名改變;不同 AI 使用的網站來源亦不相同。
DeepSeek推出V4.1 Flash-1017,多數場景Token用量較前版下降逾50%,API價格維持原有水平。馬斯克稱正投入大量資源開發商業專用議價機械人Hagglebot,並稱其可提升企業成本效率5%或以上,按全球GDP估算每年最多節省6萬億美元。
作者 Kyle Clouthier 在 SECOND STRIKE 核戰遊戲中測試 7 個最新 AI 模型,並公開遊戲環境及自行運行方法。結果顯示,DeepSeek V4.1 Flash 在 3 場中有 2 場觸及午夜,gpt-oss-120b 為 1/3;前沿模型 9 次核發射中有 7 次是潛艇自動報復,而非模型下令。
SpaceXAI 發佈 Grok Voice 3.0,該語音對語音模型以 86.9 分登上 Artificial Analysis Speech-to-Speech Index 榜首。
這份 2026 年 11 月的排名比較 5 款大型語言模型,已列出的模型包括 GPT-5.6 Sol、Claude Fable 5、Gemini 3.1 Pro Preview 和 Grok 4.5。
SpaceXAI 發佈語音轉語音模型 Grok Voice 3.0,官方稱其延遲低於 1 秒,並已透過 API 上線。Artificial Analysis 的獨立測試中,模型在語音轉語音綜合榜單排名第一,得分 86.9,並在全雙工基準測試得分 97%。
xAI 於 10 月 14 日推出 Grok Voice 3.0,並把 grok-voice-latest 改為指向該模型,使用別名的語音智能體因此自動切換,API 則維持不變。
SpaceXAI 發佈 Grok Voice 3.0,官方稱其為全球智能水平最高的語音轉語音模型,延遲低於 1 秒且運行成本低於其他前沿模型。Artificial Analysis 的獨立測試中,該模型在語音轉語音綜合榜排名第一,得分 86.9;全雙工基準得分為 97%,τ-Voice 得分為 71.6%,延遲較 GPT-Live-1(Astra)低 40%。
SpaceXAI於2026年10月15日發佈Grok Voice 3.0語音轉語音模型,在客服通話任務中的延遲低於1秒。模型綜合表現位列Artificial Analysis榜單首位,得分86.9;全雙工互動達97%,τ-Voice抗噪與插話能力為71.6%。模型已透過API上線,定價維持每分鐘0.08美元;每日支援特斯拉車載對話及星鏈客服超過百萬次通話,70%來電可全自動處理。
SpaceXSI 發佈語音對語音模型 Grok Voice 3.0,在 Artificial Analysis 的 Speech-to-Speech Index 得分 86.9,高於 GPT-Live-1 的 83.2 和 Gemini 3.8 Live 的 82.6。
SpaceXSI 推出 Grok Voice 3.0,稱其在 Artificial Analysis 的語音轉語音指數中排名最高,回應時間少於一秒。SpaceXSI 表示,Grok Voice 3.0 收費為 $0.08/min,低於競爭對手。
xAI 於 2026 年 10 月 14 日發佈 Grok Voice 3.0,並在 Voice Agent API 提供,收費每分鐘 $0.08,與 Grok Voice 2.0 相同。
xAI 發佈 Grok 4.7,現已可在 Cursor、Grok Build、Grok API、第三方編碼 harness、模型路由器及雲平台使用,面向編碼與知識工作。
Cursor 與 SpaceXAI 共同發佈 Grok 4.6,該模型基於 Grok 4.5,重點面向長時間運行的智能體及更複雜的互動和視覺工作。它在多項智能體編程和知識工作基準測試中展現前沿智能水平,並在由九項基準測試構成的 Artificial Analysis Intelligence Index 上與 GPT-5.6 Sol 持平。
SpaceXAI 於 2026年7月8日發佈 Grok 4.5,稱其為首個專為編碼與智能體訓練的模型。SpaceXAI 表示,該模型使用數萬台 NVIDIA GB300 GPU 訓練並結合 Cursor 技術,內部基準測試顯示其表現與 GPT-5.5、Opus 4.8 等模型相當。