真正在做 AI 的人今天說了什麼。一頁讀完，約 4 分鐘。
兩家前沿實驗室同一天降價：GPT-6 Sol 和 Luna 釋出，API 價格永久砍半；Opus 5.5 成了 Claude 全線產品的預設模型，速率上限比原來多撐 25%。緊接著 Vercel 放出新一輪 Next.js evals，Opus 5.5、GPT-6 Sol 和 Fable 5.1 並列 97%，難分高下。最值得一讀的是 Box 的實測，他們量化了 token 變便宜到底換來了什麼：同樣的任務，更高的準確率，花的錢只是零頭。
GPT-6 Sol 與 Luna 釋出，API 價格永久下調 50%
GPT-6 Sol 和 Luna 已經上線，OpenAI 這次把 API 價格砍半是永久性的，不是釋出期的促銷，這讓一批原本扛不住 token 成本的場景變得可行。官方說提升是全方位的，而寫作和整體手感是你最先能感覺到的地方。Plus、Pro 和 Business 賬戶已累積的用量也會清零重置。背後的邏輯是用能力供養效率：只有頂端有足夠強的模型，你才有資格把前沿之下的一切做便宜。
Box 實測：Opus 5.5 的 token 用量比 Opus 5 少 63%
Box 拿 Opus 5.5 跑了複雜的企業知識工作，結果是 token 用量比 Opus 5 少 63%，囉嗦程度低 42%，完成速度快 30%；同時準確率在財務盡調任務上提升 39%，在雲成本分析上提升 65%。在一項臨床診斷任務裡，模型發現兩組資料的標準差相差超過 100 倍，於是重新正確地跑了一遍對比，最後發現所謂的旱季差異其實並不成立。Levie 把兩家實驗室同時降價解讀成 agent 版的傑文斯悖論：AI 的單任務成本下降速度超過此前任何一種技術，每降一檔就解鎖一層新的部署場景，從掃描你全部程式碼找安全問題，到把每一行日誌都讀一遍。
Vercel 的 Next.js evals 三方並列 97%
最新一輪 Next.js evals 裡，Opus 5.5、GPT-6 Sol 和 Fable 5.1 都是 97%，Grok 4.7 以 94% 緊隨其後，價格卻比領先者便宜 2 到 7 倍。更大的判斷是：生成變便宜之後，軟體本身的定義也變了。懷念 Google Reader？那就自己生成一個部署上去，永久留著。Rauch 還認為 web 上 headless 的時機終於到了，因為現在任何一個頁面都可以長成你想要的任意奇形怪狀，不再有任何藉口不去推進設計的邊界。
把 Opus 5.5 指向 Lean，換來 16 個修復競態條件的 PR
用 Lean 對 Claude Agent SDK 做形式化驗證，只花了幾條簡短的 prompt，產出 16 個修 bug 和競態條件的 PR，而寫這些的人其實並不熟 Lean。TLA+ 也能用，兩者結合起來對付資料流、併發和狀態管理這類問題尤其有效，人類 reviewer 大機率根本發現不了。另外，Opus 5.5 和 Fable 5.1 各自把 HAProxy 從 C 移植到了 Rust，兩者都幾乎透過了 HAProxy 的全部測試，但 Opus 5.5 用了 9.5 小時，對方是 12 小時，成本還低 51%。留下的問題是：找 bug 這件事最終會不會落到形式化驗證上？
一條 prompt，用檔案資料在 Blender 裡重建 1906 年的 Market Street
Opus 5.5 在 3D 建模和視覺上的提升，意味著一條 prompt 就能生成一整個世界：1906 年舊金山大地震前一天下午的 Market Street，從 Ferry Building 一路到第五街，包括 Palace Hotel、Call Building 和 Lotta's Fountain。這條 prompt 禁止使用下載來的 mesh、貼圖和 HDRI，要求為維多利亞式立面、孟莎屋頂、纜車和煤氣燈寫可複用的生成器，整個場景基於一份資料檔案搭出來，來源包括 Sanborn 火險地圖、Miles Brothers 當年 4 月拍的影片，以及那個年代的照片檔案，每一條事實都要帶上出處和置信度。
大額融資的頭條數字，預設裡面大半是 SPV 的錢
現在連最頂級的投資人都在大量組 SPV，規模大到你看見一個融資頭條數字時，不管公告怎麼寫，都可以合理假定其中相當一部分來自 SPV。再疊加上分檔估值，以及那些字面意思和實際含義並不一致的收入數字，結論很直白：別再信頭條了。是騾子是馬得拉出來遛遛，可這匹馬壓根沒在公開場合露過面。
Waymo 真正的成就是那套 eval 基礎設施，不是開車本身
今天講安全和 alignment，討論的都是模型，但機器學習安全最早的那場辯論其實是關於自動駕駛的，而那個領域只能靠證據把問題解決掉。在 SPC 接待 Dmitri Dolgov 時，最讓人印象深刻的是 Waymo 建起來的那套龐大的 eval 和測試基礎設施，正是它帶來的信心，才敢讓 2 噸重、以每小時 30 英里穿行城市的機器人上路。第一次坐 Waymo 仍然是一種近乎宗教體驗的感覺：一項真的能在真實道路上跑通的技術。完整影片隨後放出。
模型變強，該換來的是原型，而不是十倍的上線功能
面對能力躍升，錯誤的反應是把十倍數量的功能推到生產環境。正確的做法是把多出來的餘量花在理解使用者、做實驗、搭原型，以及弄懂那些你還不懂的東西上，這樣你真正上線的東西才是能用的。放到遊戲和 3D 生成上也一樣：它很適合把你腦子裡的遊戲變成現實，但你還是得先找到一個讓人玩得下去的遊戲迴圈。
來源資料出自 zarazhangrui 的開源專案 follow-builders，以 MIT 授權釋出。摘要由 LLM 依該專案的公開 feed 生成，摘要 prompt 亦改編自該專案。上面每一則都連結到原始出處。
摘要由程式自動生成。據此判斷前請先看原文。