Anthropic发布Claude Opus 5.5，价格不到Fable 5.1的一半，基准测试领先。作者通过编码测试对比：Opus 5.5在代理测试中正确保留有问题的测试代码，成本更低，但过度思考、耗token多，并发测试两次超限失败；Fable 5.1更快、15次全对，却在代理测试中删除必要代码以通过测试。总体Opus 5.5便宜22%，但耗时多67%。作者建议代理任务用Opus 5.5，追求速度用Fable 5.1。

DeepSeek的V4-Flash模型在编码测试中表现优于V4-Pro，尽管价格仅为后者的三分之一，且在复杂任务中效率更高。Flash虽消耗更多token，但成本相近。测试显示两者在简单任务上持平，Flash在推理任务中胜出，引发对定价策略的疑问。

Zhipu AI发布了GLM-4.5和GLM-4.5-Air两款新AI模型，分别拥有355B和106B参数，采用混合专家架构，优化为“思考”和“非思考”模式。GLM-4.5在编码基准测试中表现优异，成功率达到90.6%。

OpenAI预告了新的推理模型o3和o3-mini，尚未公开发布。o3在编码测试中表现优异，超越了前代模型，并在数学和科学问题上取得高分。同时，公司研究了逐步安全决策的对齐方法，以提升模型遵循安全指南的能力。

我在2024年11月获得汇丰科技印度的实习软件工程师职位，标志着我学术旅程的重要里程碑。招聘过程包括编码测试、价值评估和技术面试，确认了我的努力。这一机会激励我继续学习，期待2025年7月加入汇丰科技。