月之暗面发布旗舰模型Kimi K3.1 Pro，参数规模2.8T（MoE，104B激活），支持100万Token上下文，继续开源。API价格较K3砍半，仅为GPT-6 Astra的五分之一。跑分仅次于Claude Opus 5.5和GPT-6 Astra，Terminal-Bench 4.0达65.7%，OfficeQA Pro v2获SOTA，幻觉率从23.4%降至8.3%。作者重点测试了视觉方向：3D建模能力已可与GPT-6 Astra正面竞争，包括网页3D果冻、高精度机械键盘、根据户型图与装修图生成Three.js第一视角漫游网站、结合平面图与手持视频还原办公室3D模型。视频动效方面提升巨大，可一轮直出动效作品集、宣传片及科普视频，虽距Opus 5.5仍有差距，但已属国产模型巅峰水平。
作者实测可灵AI最新视频模型Kling 4.0，重点评测三大升级：一是支持最长30秒一镜到底直出，通过城市追逐、马戏团等案例展示物理交互和镜头调度能力；二是动态表现明显提升，在电梯打斗、花样滑冰、篮球等复杂动作场景中，人物动作衔接和镜头临场感表现出色；三是全能参考升级，支持最多10帧多帧参考及视频运镜、人物替换。价格方面1080P 30秒约16元，720P约9元，并预告未来将支持10-bit 4K HDR输出。作者认为可灵4.0在大范围动态、复杂动作衔接和可控性上进步扎实。
Anthropic与OpenAI同日发布多款新模型：Claude Opus 5.5、GPT-6 Sol和Luna。作者详细评测了各模型的定位与表现：Opus 5.5作为Claude系列性价比模型，Coding能力达到SOTA，成本下降40%，速度提升30%，但Token消耗大；GPT-6 Sol和Luna主打降本，价格比上代便宜50%甚至低于Deepseek，Token效率出色、幻觉率大幅降低，但审美与细节能力有明显降级。作者指出两家公司差异化路线：Anthropic专注Coding通往AGI，OpenAI专注全面Agent能力，并给出不同场景下的模型选择建议。
作者实测OpenAI新发布的GPT-6 Astra模型，认为其综合能力追平Claude Fable 5，OpenAI重回黄金时代。文章从三方面展开：一是速度大幅提升，任务完成时间从数小时缩短到十余分钟；二是前端和审美能力史诗级强化，一句话即可生成高精度3D网页模型；三是代码能力追平Fable 5，能从本质层面发现并修复系统深层问题，并介绍Codex实验性跨窗口笔记功能。作者还分享了为超级模型简化的AGENT.md配置建议，强调聪明模型需要更少限制规则。
OpenAI发布GPT-6 Astra，定位为迄今最智能且最对齐的模型。文章详细解析其新特性：105万Token上下文窗口、作为全球最佳操作电脑的模型（OSWorld完成率72.6%）、ARC-AGI-3达到99.9分远超人类平均水平、视觉判断力和审美大幅加强、更强的主动性（Judgment）能自主消化不确定性、安全对齐显著提升（幻觉率降至2.0%）、成为首个达到网络安全Critical等级的模型。同时文章指出隐忧：模型思维链可监控性显著下降，人类越来越难理解其推理过程，AI正在走向奇点。
文章揭秘了海外爆火的匿名模型OX Alpha的真实身份——智谱发布的GLM-5.3-Flash。该模型是总参数320B、激活18B的MoE架构，GLM-5系列首个原生多模态模型，支持图像、视频和文本输入，上下文达100万。其能力逼近Opus 4.8，而价格极低（每百万Token输入0.8元、输出2.8元），比DeepSeek V4还便宜一半。作者通过自建1000条新闻评测集实测发现其在精选率和品味上优于MiMo 2.5 Pro和DeepSeek V4 Pro，前端代码能力也直逼顶级模型。此外，智谱用10万张国产卡扛下了匿名测试期的全部推理流量。作者决定将AIHOT网站模型全面切换至GLM-5.3-Flash。
本文评测了智谱最新发布的开源大模型GLM-5。作者认为GLM-5在编码能力、长任务规划及Agent能力上已逼近Claude Opus 4.5和GPT-5.2水平，是国产模型的重大突破。文章详细展示了使用GLM-5开发文章分发插件、斗地主记牌器及QQ农场的实战案例，并对比了其API价格与性能优势，称其为国内性价比最高的AI Coding选择。
