企业官网建设流程全解析

截至2026年10月10日，近期公开信息显示，大模型行业的关注点正在从单纯比较参数规模，转向智能体能力、运行成本、开源权重和评测可信度。

GPT-6.1 Sol：模型竞争进入成本核算阶段

OpenAI近期发布GPT-6.1 Sol，重点放在智能体编程、电脑操作和复杂代码重构等任务上。官方称，该模型的能力接近更高规格的GPT-6 Astra，同时缓存输入价格降低约95%。

这次发布受到关注的原因，不只是模型能力提升，也在于价格和性能之间的重新平衡。开发者关心的不仅是模型能否完成任务，也关心完成一次任务需要多少时间和成本。

OpenAI官方说明

Claude Opus 5.5：代码代理成为主要战场

Anthropic发布Claude Opus 5.5后，行业讨论集中在编程能力、长任务稳定性和实际工作流表现。Anthropic称，Opus 5.5在大部分任务上达到了上一代高端模型的水平，运行成本比Opus 5低40%。

这类发布反映出，大模型厂商正在把竞争重点放到代码代理和专业工作上。模型能否连续处理多个步骤、理解复杂代码库、调用工具并修正错误，已经比单轮问答中的表现更受关注。

Anthropic相关信息

Qwen3.8：稀疏架构和开源权重受到关注

Qwen3.8系列是近期国产模型中讨论度较高的一组产品。Qwen3.8-Max面向复杂编码和专业工作，Qwen3.8-Flash则采用稀疏混合专家架构，总参数规模达到125B，但每个Token只激活约6B参数。

官方还公布了较低的API价格，并将Flash版本描述为Qwen4架构的早期预览。对于开发者来说，开源权重、较低推理成本和本地部署能力，可能比单纯追求参数规模更有吸引力。

Qwen技术报告
Qwen官方博客

Mistral Large 4：欧洲模型的能力与开放性争议

Mistral于10月6日发布Mistral Large 4的研究预览版本。公开信息显示，该模型拥有约1万亿总参数和49B激活参数，支持160多种语言，并重点覆盖代码、安全和多模态任务。

围绕它的讨论并不只是在介绍模型能力，也包括对基准测试、真实使用效果和欧洲AI竞争力的质疑。开源模型是否真正具有竞争力，最终仍要看它在真实工作流中的稳定性、部署成本和生态支持。

Mistral Large 4发布信息

Mellum2.1：小型代码模型开始强调智能体能力

JetBrains发布Mellum2.1后，开发者开始关注小型代码模型如何通过强化学习提升智能体能力。JetBrains团队表示，新版本扩大了真实代码环境中的强化学习训练，使模型能够更好地完成查找文件、修改代码和运行检查等连续任务。

Mellum2.1同时提供HF和GGUF格式权重，说明这类模型的目标不只是云端调用，也包括本地部署和开发工具集成。

与单纯扩大模型规模相比，Mellum2.1代表了另一条路线：通过更贴近真实软件开发环境的训练，让较小模型在特定任务中获得更高效率。

JetBrains官方文章

评测可信度成为新的讨论焦点

除了模型发布，开发者也在讨论另一个问题：模型分数越来越高，是否真的意味着线上效果变好了。

近期的行业实践开始重视自动设计Eval、持续优化Prompt，以及通过多轮任务测试模型在工具调用和复杂环境中的表现。传统基准测试可能很快达到饱和，但未必能反映长任务和真实用户场景中的效果。

因此，越来越多团队开始关注代码测试、工具调用记录、最终环境状态和人工复核。评测正在从一张分数表，变成贯穿模型开发和产品迭代的长期系统。

Anthropic评测方法文章

结语

近期的大模型竞争正在出现几个明显变化。

第一，智能体编程和电脑操作成为头部模型的重要应用方向。第二，价格、延迟和推理成本开始与模型能力同等重要。第三，稀疏架构、开源权重和本地部署让模型竞争更加分散。第四，评测方法本身也成为模型开发的一部分。

整理这些公开信息时，可通过Oken继续检索相关资料，并对照不同来源的观点。