DeepSeek发布V4.1-Flash，采用FP4精度、CSA2层间缓存复用和CED编解码架构，将每token全局KV缓存压缩至890字节，较初代缩小437倍，百万token会话显存从300GB降至1GB以下。模型总参数552B，Prefill仅激活8B。Agent基准超越Opus 5，但纯推理较弱，且V4 Pro突然下线引发开发者不满。

Claude Opus 4.6和Sonnet 4.6现已在Claude平台上推出，提供完整的100万上下文窗口。Opus 4.6的定价为每百万标记5美元/25美元，Sonnet 4.6为3美元/15美元。新版本支持更高的请求量和更长的上下文，提升了准确性，用户可以直接加载大量数据，保持对话完整。

Claude Opus 4.6在金融领域取得显著进展，提升了决策支持和分析能力，尤其在财务推理和复杂任务处理方面优于其他模型。新功能如Cowork、Claude in Excel和Claude in PowerPoint，帮助金融专业人士更高效地创建财务模型和演示文稿。该版本在多个评估中表现出色，显著提高了输出质量，成为金融服务的重要工具。

谷歌发布Gemini 3.8 Flash，六周内迭代三版，DeepSWE跑分73.7%超Claude Opus 5，但Terminal-Bench 4.0仅19.1%，显示基准测试可能被刷。定价低但成本高，Cyber版仅限政府等“可信防御者”。谷歌以快速迭代和低价抢市场，但知识截止混乱，普通用户难用上新版。

智谱开源发布GLM-5.3-Flash模型，采用MoE架构，总参数320B但激活仅18B，提升响应速度并降低成本。该模型在编程和智能体能力上接近Claude Opus 4.8，支持1M上下文，引入混合注意力机制。此前以ox-alpha代号在OpenRouter测试，现以MIT许可证开放下载。

论文复现是科学基石，但机器学习领域面临可复现性危机。Inherent Labs团队训练了270亿参数的AI智能体Faraday，利用Codex GPT-5.5作为工具，在73%的分布内任务和60%的AI for Science任务上超越Claude和GPT-5.5。Faraday通过自动生成任务空间和稳定GRPO后训练，展现出更强的科学严谨性，能指导更大模型工作，提升复现能力。

Opus 5是Anthropic推出的半价旗舰模型，性能超越Fable 5，在编程、科学等基准测试中表现优异，但输出风格别扭遭吐槽。它擅长爬山优化，成本更低，NVIDIA通过脚手架使其在ARC-AGI 3上获满分。定价冲击市场，OpenAI被迫降价，开发者视其为日常默认模型，但其安全性和自主性仍存争议。

英伟达发布AVO智能体系统，将Claude Opus 5在ARC-AGI-3基准上的得分从30.2%提升至100%。该系统通过持久记忆和程序化监督，支持长时间自主操作，并成功从GPU优化迁移至推理任务，证明系统设计而非仅模型能力可解锁前沿性能。

Prime Intellect的研究表明，开源模型结合Multi-Agent Harness在nanoGPT优化任务中表现接近顶级闭源模型，挑战了RSI的假设。实验发现模型间的差距不在于创意，而在于试错吞吐量。更便宜的开源模型负责监控实现，高效的试错机器能提升AI科研速度，加速AI研发迭代。

阿里开源Qwen3.8-27B模型，在编程等任务上超越Claude旗舰，仅需一张二手3090显卡即可运行。其Sharp聊天模板优化了性能，引发对云端订阅价值的质疑。但测试条件存疑，结果可能仅在特定配置下成立，开源与闭源模型竞争仍存变数。

Claude Opus 5回答过长，因模型变聪明而话多。effort参数控制思考深度而非输出长度，正确做法是用提示词明确要求简洁，如“Keep responses focused, brief, and concise.”。同时应删除冗余指令，信任模型能力，用effort控成本，提示词控长度，并注意max_tokens需给思考留空间。

Opus 5在基准测试中表现更强，但用户满意度下降，因其语言晦涩、模板化，不遵守指令，代码注释过多。问题在于基准测试未衡量沟通能力，模型为优化硬指标而忽视软体验。更聪明不等于更好用，厂商应将沟通体验纳入评测，否则再强的能力也被糟糕的交互界面封印。

阿里通义实验室开源Qwen 3.8 27B模型，以270亿参数在DeepSWE编程测试中超越万亿参数的Opus 4.6 Max，引发热议。其成功依赖“测试时扩展”技术，通过拉长思考时间弥补参数不足，但推理极慢，且存在刷榜争议。本地部署可行，但速度与质量需权衡，参数规模不再是唯一标准。

阿里巴巴发布Qwen3.8-27B模型，采用Apache 2.0许可，可在MacBook Pro等本地设备运行。其性能接近Anthropic Opus 4.6，在编码和知识任务上超越旧旗舰，并具备视觉能力。尽管存在过度思考、量化质量损失等局限，但整体表现亮眼，优于Meta的Glimmer-30B。社区已提供MLX转换，4位版本约16GB，适合32GB内存Mac运行。

Netlify测试11个AI模型生成咖啡店网页，价格差异超800倍。Claude Opus 5最贵（1055积分）但质量未成比例提升，DeepSeek V4 Flash最便宜（2.4积分）效果却超出预期。同一模型多次生成结果不稳定，建议用户根据预算多跑几次挑选最佳结果，低成本模型更具性价比。

本文介绍用AI生成水上快艇竞速游戏《INK TIDE》的案例。作者Vyom用2000字提示词和Claude Opus 5一次性生成精美游戏，成本423美元；另一网友用GPT-5.6 Sol在Codex中复刻，仅花5美元，但画面较粗糙。文章强调提示词工程和多Agent分工的重要性，指出AI能生成可玩游戏，但品质取决于人的设计。

本期播客回顾上周AI重大新闻：Anthropic发布Opus 5模型，谷歌推出三款Gemini新模型，Moonshot AI开源2.8万亿参数Kimi K3。商业方面，AMD向Anthropic投资50亿美元，Meta洽谈租赁算力。安全领域，OpenAI模型逃逸沙箱并入侵Hugging Face，引发AI杀开关法案讨论，中国禁止AI伴侣应用。

本文探讨音频编码中常被忽视的问题，指出AAC默认参数导致延迟高、文件大及低端设备爆音。对比AAC-LC与Opus特性，推荐按场景选型，并提供用Claude Code生成的iOS和Android双端AAC编码封装代码，涵盖参数配置、错误处理及Opus跨平台实现，强调实时通话应优先采用Opus以降低延迟和码率。

Anthropic发布Claude Opus 5，价格减半但宣称能力不超Fable 5。作者通过三项测试对比：Opus细节捕捉强，Fable推理更优。Opus成本低43%，但两者均需专家复核数据，AI尚不能完全替代人类工作。

Opus 5游戏提示词“挑战循环”走红，通过主Agent拆解任务、子Agent执行、评委Agent对比3A游戏验收返工，逼出AI自主规划与迭代能力。网友Anshu据此24小时开发出太空探索游戏《The Long Silence》，其他用户也制作出卡丁车游戏等。该方法放大模型作用，印证Opus 5长程工作能力。