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。
文章对比评测了同日凌晨发布的Grok 4.7与小米MiMo V2.6两款大模型。作者提出大模型的"不可能三角"——性能、价格、速度难以同时满足。Grok 4.7表现低于预期，前端能力崩盘，Coding Agent评测得分惨淡；而MiMo V2.6则超出预期，AA指数46分与Grok 4.7打平，位列开源与国产第一，CritPt科研推理仅次于GPT和Claude，价格极低（缓存输入0.025元/百万Token），输出速度达130 Token/s，成为作者心中解决不可能三角的版本答案。作者还介绍了小米公开直播强化学习训练过程的创新做法及其技术报告。
智谱发布 GLM-5.3-Flash 模型（320B 总参数、仅激活 18B），即此前在 X 上爆火的匿名“牛来”模型。其 AA 综合智能指数达 57 分，与 Opus 4.8 相当，但价格仅为后者的 1/40，并采用稀疏注意力+线性注意力混合架构，由国产芯片支撑全部线上推理流量。作者通过多个实测案例展示模型能力：一句话从 PDF 生成企业官网、生成带真实图片的 PPT、模拟 Omarchy Linux 界面、构建在线 Excel、开发多款小游戏，以及用多模态能力自动剪辑《楚门的世界》电影解说视频。文章认为该模型以架构创新和国产算力打破了“前沿模型必然昂贵”的逻辑，且已以 MIT 协议开源。
文章通过分析多个真实场景评测集（如RealReplicaBench、E-Bench等），指出尽管大模型在编程领域表现优异，但在电商、生活等复杂真实任务中的成功率极低，甚至不足50%。这揭示了模型从解题到实际工作之间仍存在巨大差距。
