Claude Opus 5.5 (High) 在 Agent Arena 排名第二并重塑 Pareto 前沿
Arena 公布 Claude Opus 5.5 (High) 以 +12.15% 净提升分数进入 Agent Arena 第二名，仅低于 Claude Fable 5.1 (Max)。其每任务中位价格为 $1.31，比同水平低 64%，成本比 Opus 5 (High) 低 40%、比 Opus 5 (Max) 低 56%；分项信号中 Steerability 排名第一（+14.50%）。
Anthropic 发布 Claude Sonnet 5.5，基准接近 Opus 5.5 且单任务成本最多降 30%
Anthropic 发布 Claude 5.5 系列第二款模型 Claude Sonnet 5.5，输出速度提升超过 30%，因单任务消耗 token 更少，有效成本最多降低 30%，多项基准接近 Opus 5.5。
Anthropic 发布 Claude Sonnet 5.5，速度提升 30% 以上、多数任务成本降低 30%
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5，输出速度比 Sonnet 5 快 30% 以上，多数任务成本最高降低 30%，定价保持每百万输入 token $2、输出 token $10。
Claude Opus 5.5 (High) 在 Agent Arena 排名第 2 并重塑 Pareto 前沿
Arena 官方宣布 Claude Opus 5.5 (High) 进入 Agent Arena 排名第 2，净改进分 +12.15%，仅次于 Fable 5.1 (Max)。其中位价格为每任务 $1.31，比 Opus 5 (High) 便宜 40%、比 Opus 5 (Max) 便宜 56%，分项上 Steerability 排名第 1（+14.50%）。
Claude Opus 5.5 (High) 进入 Agent Arena 第 2 名，成本比 Opus 5 (Max) 低 56%
Arena 公布 Claude Opus 5.5 (High) 进入 Agent Arena 排名第 2，净改进分 +12.15%，仅次于 Fable 5.1 (Max)。
H Company 发布 Holo4 智能体模型系列，含 27B 与 35B-A3B 两个版本
H Company 发布通用计算机使用智能体模型系列 Holo4，含 27B dense 和 35B-A3B MoE 两个尺寸，并基于 Nemotron 3 Nano Omni 推出 Holotron4 Nano。
Fireworks AI 发布 Ember-1：基于 Kimi K3 的后训练模型，推理 Token 减少约 40%
Fireworks AI 推出 Ember-1，这是基于 Moonshot AI 开源权重 Kimi K3 进行后训练的专用模型。该模型通过优化内部推理过程，在保持任务准确率的同时将生成的推理 Token 减少了约 40%。与单纯降低推理努力程度不同，Ember-1 保留了有用的自我反思并削减了冗余循环。基准测试显示，其在 Terminal Bench 2.1 和 DeepSWE 1.1 上表现优于 K3 Max，且在生产环境 A/B 测试中实现了显著的成本节约。目前仅通过 Fireworks Serverless API 以研究预览形式提供，未开放权重。
DeepSeek API 更新：chat 模型升级为 V3-0324，多项基准显著提升
DeepSeek 官方宣布 deepseek-chat 模型底层升级为 DeepSeek-V3-0324。新版本在推理能力上增强显著，MMLU-Pro、GPQA、AIME 及 LiveCodeBench 等基准测试分数均有大幅提升（如 AIME 提升近 20 分）。此外，Web 前端代码生成准确率与美观度优化，中文写作风格向 R1 对齐，Function Calling 准确率改进并修复了此前问题。
DeepSeek 合并 Chat 与 Coder 模型，升级至 DeepSeek V2.5
DeepSeek 宣布将 DeepSeek V2 Chat 和 DeepSeek Coder V2 两个模型合并升级为 DeepSeek V2.5。API 用户通过原 deepseek-coder 或 deepseek-chat 标识即可访问新模型，保持向前兼容。官方数据显示，新模型在通用能力、代码能力及人类偏好对齐上均显著超越旧版本：ArenaHard 胜率提升至 76.3%，MT-Bench 分数达 9.02；代码方面 HumanEval 得分 89%，LiveCodeBench（1-9月）得分 41%。
DeepSeek R1 升级至 0528 版本，多项基准测试显著提升
DeepSeek 将 deepseek-reasoner 模型升级为 DeepSeek-R1-0528。新版本在 AIME 2025、GPQA、LCB_v6 及 Aider 等基准测试中得分大幅提升（如 AIME 从 70.0 升至 87.5）。官方指出复杂推理问题相比旧版会消耗更多 tokens。此外，该版本优化了 Web 前端开发能力，降低了幻觉率，并增强了对 JSON Output 和 Function Calling 的支持，Tau-bench 分数分别为 Airline 53.5 和 Retail 63.9。