AI 技能与降智体检实验室

针对高难度提示词“生成完全自包含SVG动画：螃蟹骑带辅助轮三轮车沿花坛圆周骑行、8足严格绑定曲柄与车把、12秒无缝循环”，GLM-5.3-Flash 与 Gemini-3.8-Flash-Medium 分别交出了两份风格截然不同却又极具代表性的高分答卷。本页面提供双模型分屏实时对决、代码量与实现原理深度对比！

OpenAI 在 10 月 10 日悄悄把新模型 gpt-rosalind-discovery 挂上 API 定价页的「生命科学模型」版块，输入 $5、输出 $25/百万 token，与 research 版同价，文档页仍是 404。本文梳理 Rosalind 从 4 月研究预览到 10 月 5 日正式计费的全时间线、三层产品矩阵，并对比 Anthropic、Google、微软在 AI 制药赛道的三种打法。

10 月 11 日据报道，OpenRouter 上的第三方服务商 Relace 与 Open Inference 将 DeepSeek V4.1 Flash 的输入报价打到官方价的零头。本文回顾官方价目表（非高峰输入最低 $0.003/百万 token）、拆解第三方能更便宜的三层原因，并给出避开高峰、死磕缓存命中率、多路由 fallback 的实战省钱方案。

微软 10 月 9 日发布决策模型 Microsoft-Decision-1：基于 Qwen3.5-9B 后训练，单次前向输出固定选项的校准概率，不生成文本。定价 $0.042/百万输入 token、输出免费，比 OpenAI 本周 GA 的 Decisions API 便宜约 58%。官方宣称 36 基准平均准确率 83.5%、延迟约为 GPT-6 Sol 的 1/35，均为厂商自测，待独立验证。

OpenAI 在 GitHub 公开了 722 篇 AI 生成的数学手稿，覆盖 372 个开放问题家族，号称在黎曼猜想等千禧年难题方向取得进展。幕后内部模型被称显著强于 GPT-6 Astra，每项成果耗资约 3 小时 ChatGPT Pro 级算力。但数学界反弹激烈：菲尔兹奖得主联署声明、数学家协会呼吁抵制，3 篇论文上线一天即被撤回。本文梳理时间线、拆解技术细节，并分析对模型用户的真实影响。

10 月 9 日 Business Insider 报道 Google 员工正在内测代号 Carbon 的 Gemini 4 新版本，编程体验被比作 Claude Opus 5.5；10 月 8 日 Google Cloud 发布统一办公 AI 代理 Gemini agent，主打模型无关路由，首发支持自家 Gemini 与 Anthropic Claude。本文梳理两条线的关键事实、官方基准对照与对模型用户的实际影响。

OpenAI 于 10 月 7 日把 GPT-6 推送到 ChatGPT 主对话界面并上线 Intelligent UI：回答可以是图表、按钮、表单甚至现场生成的小工具。付费档先用 GPT-6 Sol，免费档随后用 GPT-6 Luna。本文梳理推送节奏、技术原理与对普通用户的实用建议。

10 月 9 日起，免费版 Gemini App 仅保留 Flash-Lite，AI Plus（$4.99/月）失去 Pro 模型访问权，具体生效日按账户邮件通知；AI Pro（$19.99/月）不受影响并新增原 Ultra 独占的 Deep Think 模式。同月 Gemini App 还上线 low/medium/high 三档 effort 开关，思考强度越高烧额度越快。

微软 10 月 7 日宣布 MAI-Code-1.1-Flash（137B/6.8B MoE）经 3-bit 量化登陆 Windows 本地，保留 256K 上下文，SWE-bench 仅比云端低 1.8 个百分点，本地调用零推理费用；GitHub Copilot 的 HydraFusion 路由 10 月底实验性支持本地/云端自动切换。本文拆解技术细节、硬件门槛与降本算账。

Anthropic 于 10 月 7 日发布 Claude Haiku 5.5：10 万 token 内请求输入 $0.10/百万 token，官方称平均成本比前代低约 75%；基准测试全面翻倍，OSWorld 达 72.4%、Terminal-Bench 达 39.2%，并首次支持可调 effort 档位。同场 Sonnet 5.5 缓存读降价 50%，Max/Team 用户每月可领 $100–$500 API 积分；Claude for Google Workspace 进入公测，付费用户可在 Docs/Sheets/Slides 侧栏直接改文件。

10 月 6 日，法国 Mistral AI 发布新旗舰 Mistral Large 4（代号 Le Chonk）：1.05T 总参数、49B 激活、原生多模态、100 万上下文。API 以 Public Preview 上线、预告期输入 $0.68/M tokens；权重将于 10 月 27 日公开。本文拆解规格、训练故事、定价与对比 Reflection Beam，并给出 API 用户、自部署用户、渠道用户的出手建议。

Liquid AI 在 10 月 5 日宣布其决策模型 d1 新增视觉能力，成为首个同时支持文本与图像的决策模型：它不生成任何文本，只对预设选项输出校准概率，且只按输入 token 计费（$0.04/百万）。官方实测称 d1 在 6 个真实应用中的 4 个上打平或超过 GPT-6.1 Sol，成本低 19 到 200 倍，为 TypeSafe Jev 带来了真正的对手。

OpenAI 宣布 10 月 30 日起 ChatGPT Pro（$200/月）Work/Codex 额度从 20 倍 Plus 配额砍至 10 倍，Chat 内 GPT-6 Pro 消息减半，价格不变；同步上线 $500/月的 Pro 500 档（25 倍配额+独占 Ultrafast 极速）。现有用户保留旧额度至 10 月 29 日并获 62,500 额度点补偿。全系单价拉平为 $20/单位配额，订阅逻辑从拼折扣转向拼速度和功能。

Reflection AI 于 10 月 5 日正式发布首款开放权重模型 Beam：501B 总参数、23B 激活参数的 MoE 架构，纯文本、100 万 token 上下文。官方自报 SWE-bench Verified 80.9、Terminal-Bench v2.1 80.1，与 GLM-5.2 同档，推理算力号称只需西方同类模型的 1/3 到 1/4。权重将于 10 月内按 Apache 2.0 协议放出。本文逐项拆解参数、训练、成绩单与效率主张的口径，并给出三条行动建议。

Axios 10 月 4 日爆料英伟达背书的 Reflection AI 将在本月发布首款开放权重模型，多家西方公司同期跟进；Bloomberg Intelligence 报告称中美顶尖模型 LiveBench 分数差距已降至历史最低的 3%。本文梳理爆料事实、澄清「尚未发布」的误读，并从价格视角解读开放权重竞争对 AI 模型用户的意义。

博通通过华尔街银团筹集 600 亿美元债务融资支持 Anthropic 的 TPU 算力租赁：420 亿优先级担保贷款由银行分销，180 亿次级债由黑石领投。债券可转为 Anthropic 股权，延续英伟达开创的“循环融资”模式。

解读 @Foxmir 的社区观察、知识题和英文环境测试，并给出任务评分、复测记录表、语言对照流程与常见误判清单。

由 Gemini 3.8 Flash (Medium) 制作的超高规格极客级交互应用。手写完整 3D 轴测投影引擎与视角自由拖拽旋转，根据转弯半径实时解算阿克曼转向角，内置 Web Audio 纯代码合成双音车铃与脚踏声，8足动力学铰接外加墨镜大螯，并提供独立 SVG 序列化导出。

由 GLM-5.3-Flash 生成的自包含 SVG 动画。仅用 542 行代码与 27.8 KB 体积，完美实现切线对齐圆周运动、阿克曼转向透视压缩、6足分踏3组曲柄连杆与大螯握把，辅以可爱的红披风飘动与确定性伪随机花木摇曳。

深度拆解 Z.ai 披露的 GLM-5.3-Flash 推理基础设施建设内幕。10 万卡集群、1M 上下文与复杂 Kernel 调优，Infra Agent 如何与人类工程师协作？理性辨析“递归自我改进（RSI）”真相，提炼对日常 Claude Code / Codex 开发者的反馈闭环指导。