真正在做 AI 的人今天说了什么。一页读完，约 4 分钟。
两家前沿实验室同一天降价：GPT-6 Sol 和 Luna 发布，API 价格永久砍半；Opus 5.5 成了 Claude 全线产品的默认模型，速率上限比原来多撑 25%。紧接着 Vercel 放出新一轮 Next.js evals，Opus 5.5、GPT-6 Sol 和 Fable 5.1 并列 97%，难分高下。最值得一读的是 Box 的实测，他们量化了 token 变便宜到底换来了什么：同样的任务，更高的准确率，花的钱只是零头。
GPT-6 Sol 与 Luna 发布，API 价格永久下调 50%
GPT-6 Sol 和 Luna 已经上线，OpenAI 这次把 API 价格砍半是永久性的，不是发布期的促销，这让一批原本扛不住 token 成本的场景变得可行。官方说提升是全方位的，而写作和整体手感是你最先能感觉到的地方。Plus、Pro 和 Business 账户已累积的用量也会清零重置。背后的逻辑是用能力供养效率：只有顶端有足够强的模型，你才有资格把前沿之下的一切做便宜。
Box 实测：Opus 5.5 的 token 用量比 Opus 5 少 63%
Box 拿 Opus 5.5 跑了复杂的企业知识工作，结果是 token 用量比 Opus 5 少 63%，啰嗦程度低 42%，完成速度快 30%；同时准确率在财务尽调任务上提升 39%，在云成本分析上提升 65%。在一项临床诊断任务里，模型发现两组数据的标准差相差超过 100 倍，于是重新正确地跑了一遍对比，最后发现所谓的旱季差异其实并不成立。Levie 把两家实验室同时降价解读成 agent 版的杰文斯悖论：AI 的单任务成本下降速度超过此前任何一种技术，每降一档就解锁一层新的部署场景，从扫描你全部代码找安全问题，到把每一行日志都读一遍。
Vercel 的 Next.js evals 三方并列 97%
最新一轮 Next.js evals 里，Opus 5.5、GPT-6 Sol 和 Fable 5.1 都是 97%，Grok 4.7 以 94% 紧随其后，价格却比领先者便宜 2 到 7 倍。更大的判断是：生成变便宜之后，软件本身的定义也变了。怀念 Google Reader？那就自己生成一个部署上去，永久留着。Rauch 还认为 web 上 headless 的时机终于到了，因为现在任何一个页面都可以长成你想要的任意奇形怪状，不再有任何借口不去推进设计的边界。
把 Opus 5.5 指向 Lean，换来 16 个修复竞态条件的 PR
用 Lean 对 Claude Agent SDK 做形式化验证，只花了几条简短的 prompt，产出 16 个修 bug 和竞态条件的 PR，而写这些的人其实并不熟 Lean。TLA+ 也能用，两者结合起来对付数据流、并发和状态管理这类问题尤其有效，人类 reviewer 大概率根本发现不了。另外，Opus 5.5 和 Fable 5.1 各自把 HAProxy 从 C 移植到了 Rust，两者都几乎通过了 HAProxy 的全部测试，但 Opus 5.5 用了 9.5 小时，对方是 12 小时，成本还低 51%。留下的问题是：找 bug 这件事最终会不会落到形式化验证上？
一条 prompt，用档案资料在 Blender 里重建 1906 年的 Market Street
Opus 5.5 在 3D 建模和视觉上的提升，意味着一条 prompt 就能生成一整个世界：1906 年旧金山大地震前一天下午的 Market Street，从 Ferry Building 一路到第五街，包括 Palace Hotel、Call Building 和 Lotta's Fountain。这条 prompt 禁止使用下载来的 mesh、贴图和 HDRI，要求为维多利亚式立面、孟莎屋顶、缆车和煤气灯写可复用的生成器，整个场景基于一份资料文件搭出来，来源包括 Sanborn 火险地图、Miles Brothers 当年 4 月拍的影片，以及那个年代的照片档案，每一条事实都要带上出处和置信度。
大额融资的头条数字，默认里面大半是 SPV 的钱
现在连最顶级的投资人都在大量组 SPV，规模大到你看见一个融资头条数字时，不管公告怎么写，都可以合理假定其中相当一部分来自 SPV。再叠加上分档估值，以及那些字面意思和实际含义并不一致的收入数字，结论很直白：别再信头条了。是骡子是马得拉出来遛遛，可这匹马压根没在公开场合露过面。
Waymo 真正的成就是那套 eval 基础设施，不是开车本身
今天讲安全和 alignment，讨论的都是模型，但机器学习安全最早的那场辩论其实是关于自动驾驶的，而那个领域只能靠证据把问题解决掉。在 SPC 接待 Dmitri Dolgov 时，最让人印象深刻的是 Waymo 建起来的那套庞大的 eval 和测试基础设施，正是它带来的信心，才敢让 2 吨重、以每小时 30 英里穿行城市的机器人上路。第一次坐 Waymo 仍然是一种近乎宗教体验的感觉：一项真的能在真实道路上跑通的技术。完整视频随后放出。
模型变强，该换来的是原型，而不是十倍的上线功能
面对能力跃升，错误的反应是把十倍数量的功能推到生产环境。正确的做法是把多出来的余量花在理解用户、做实验、搭原型，以及弄懂那些你还不懂的东西上，这样你真正上线的东西才是能用的。放到游戏和 3D 生成上也一样：它很适合把你脑子里的游戏变成现实，但你还是得先找到一个让人玩得下去的游戏循环。
源数据来自 zarazhangrui 的开源项目 follow-builders，以 MIT 许可发布。摘要由 LLM 基于该项目的公开 feed 生成，摘要 prompt 亦改编自该项目。上面每一条都链接到原始出处。
摘要由程序自动生成。据此做判断前请先看原文。