谷歌Gemini 4 Argon在18项基准测试中14项领先Claude Opus 5.5，且限时半价。作者实测三项任务：代码审查两者持平，Argon更便宜；规格测试因一行代码错误失败；长上下文测试中Argon推理错误严重、回答草率。结论：Argon虽便宜，但可靠性不足，不建议使用。

谷歌发布旗舰模型Gemini 4 Argon，主打复杂多步任务，覆盖编程、金融、科研等领域，在Vals Index排名第一。该模型支持百万Token，定价激进。内部测试中代码提交量增长35%，回滚率降低近三分之一。实测显示其3D生成与代码能力出色，成本远低于竞品。但未付费用户默认仅能使用轻量版Flash-Lite，满血体验需付费。

Meta发布Muse Wonder系列模型，主攻个人智能体，强化跨对话记忆与长任务执行能力，部分评测比肩GPT-6.1等领先模型。Meta借此重整AI业务，推动订阅与API收费，但编程和3D生成仍逊于对手，成本与授权问题也待解决。

Anthropic发布Sonnet 5.5，价格仅为Opus 5.5的一半。相同提示测试显示：Sonnet 5.5在代码修复和并发测试中更准、更快、更便宜，15次运行全部通过，总成本比Opus 5.5低约36%；Opus 5.5在智能体测试中更快、更省。建议硬编码任务默认用Sonnet 5.5并调高输出上限，智能体循环仍用Opus 5.5。

OpenAI的Codex负责人Tibo宣布，未来28天每天二选一：要么交付对多数用户明显有用的改进，要么重置额度。此举被视为安抚用户，因DevDay更新过多、额度重置频繁且套餐缩水、模型任务中途断连等问题引发不满。关键不在“每天”，而在改进是否真正有用。

本期播客聚焦AI行业动态：Anthropic发布Opus 5.5，价格更低、性能更强，并扩大网络安全防御应用；OpenAI推出低价GPT-6系列Sol和Luna，但可解释性受限。Meta的Muse登陆Mac，下载量超ChatGPT早期，却遭亚马逊封禁。开源方面，DeepSeek-V4.1-Flash优化KV缓存压缩，Bonsai 227B实现近无损压缩。政策上，中美将讨论AI风险，多公司因呼吁“放缓”AI被诉，公众对数据中心负面看法上升。研究涉及奖励黑客检测、疼痛轴表征及多智能体通信。

国产模型 MiniMax M3.1 Flash Preview 在前端创作上可与旗舰 Claude Opus 5.5 一较高下，测试涵盖动态作品集、手绘与水墨短片、交互场景及游戏原型，风格统一、完成度高。该模型以速度与成本优势，让更多编程任务稳定进入开发流程，推动 AI 能力普及。

谷歌发布Gemini 4 Argon，在多项榜单登顶，性能超越Claude Opus 5.5和GPT-6 Astra，成本约为对手一半，支持百万Token输出，主打编程、金融、法律及网络安全防御。目前仅向审核过的网络安全团队开放。内部评价不一，有人质疑其编程实际表现和刷榜，谷歌予以否认。

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。

开源项目Jev Use为Codex等AI代理提供技能与运行时，通过Jev模型优化浏览器和桌面自动化任务编排，减少往返调用，将执行效率提升约2.6倍。

Anthropic发布Claude Sonnet 5.5，速度较上代提升逾30%，单任务成本最多降低30%，擅长编程、文档与幻灯片制作。Terminal-Bench 4.0得分70.6%，远超Sonnet 5的10.3%。定价不变，每百万输入2美元、输出10美元。已在Claude平台及AWS、谷歌云、微软Azure上线，并首次为Sonnet配备网络安全防护与推理防提取分类器。

OpenAI发布GPT-6 Sol，宣称在业务任务上优于Claude Opus 5且成本仅9%。实测对比Opus 5.5：单次任务两者持平，但重复测试中Opus 5.5十五次全对，Sol仅十二次全对。Sol在价格和速度上占优，总成本仅为对手16%，但准确性稍逊。建议高容错场景用Sol，高风险场景用Opus 5.5。

上周AWS主要动态：Amazon Bedrock上线OpenAI GPT-6 Sol、Luna及Anthropic Claude Opus 5.5，强调按需匹配模型；CloudWatch Omni统一观测应用与智能体；EventBridge增强自定义事件总线；SageMaker HyperPod推出GPU感知推理网关；SES等发布智能体技能；Strands框架开源，成本降低约28%；AWS再获Gartner容器管理领导者。

Anthropic发布Claude Opus 5.5，宣称比Opus 5便宜40%、快30%。作者用三道推理题实测：两者正确率相同，Opus 5.5每题更省钱更快，逻辑题省43%，石子游戏省69%，主要靠减少输出token，速度仅快11%。但难题中两模型都可能思考近20分钟无结果，且Opus 5.5曾误触安全过滤拒答。建议升级，但设输出上限，计数题应配代码工具。

Claude Code任务成本由轮次、缓存读取、输出token和模型选择构成。Opus 5.5较Opus 5输入输出便宜20%，缓存读取便宜60%。日常建议用中等effort让模型自检，卡住再升high，两次失败换Fable 5.1，搜索类子代理用Sonnet或Haiku。可用/usage查看实际用量，自行测量最可靠。

Claude Opus 5.5按token计费比Opus 5便宜约40%，主要惠及长时间、高上下文会话。成本优势来自三方面：输入输出token降价20%、缓存读取降价60%；Claude Code缓存命中率提升，未命中输入减少超50%；完成同一任务所需轮次更少，输出速度提升30%以上。建议在会话开始时选定模型、离开前压缩上下文，并为长会话设置一小时缓存。