Kimi K3 max vs. GPT-5.6 Sol max @togethercompute 团队 @zainhas 在 DeepSWE 软件工程基准上对比了 Kimi K3 max 和 GPT-5.6 Sol max，结论很客观，并没有谁前...

第三方评测对比 Kimi K3 max 与 GPT-5.6 Sol max 在 DeepSWE 基准上的表现，显示两者各有所长，推荐级联使用以提升覆盖率和降低成本。

第三方评测在 DeepSWE 基准上对比 Kimi K3 max 与 GPT-5.6 Sol max，两者各有所长：Kimi 在多次尝试（pass@2/4）、成本、Rust 和运维领域占优；Sol 在单次（pass@1）、速度、Python/TS/JS 和序列化等领域占优。任务级相关低（0.46），失败模式不同，推荐级联使用。先 Kimi 再 Sol 的级联策略可达 85.6% 解题率，成本 $7.30/任务，比单独 Sol 覆盖高 13 个百分点且成本更低，为开发者提供高效低成本方案。 核心观点： 1. pass@2/4 上 Kimi 反超 GPT，多次尝试优势明显（Kimi pass@4 89.4% vs GPT 85.8%）。 2. Kimi 成本仅为 GPT 约 55%（$4.65 vs $8.37），每 $100 解题数近 3 倍（14.7 vs 5.3）。 3. 级联策略（先 Kimi 再 Sol）实现 85.6% 解题率，成本 $7.30，比单独 Sol 覆盖高 13 个百分点。

推荐理由观点讨论，视角可参考

RT meng shao: Agent Swarm 与新模型经济学：Fable 5 全程两万刀，Opus 规划 + Composer 执行一千三 https://cursor.com/blog/agent-swarm-model-economics 当任...

Cursor团队通过从零实现SQLite的实验，验证了Agent Swarm架构中上下文分工和模型组合的经济性，指出协调成本是扩展瓶颈。

Cursor团队通过从零实现SQLite的实验，验证了Agent Swarm中上下文分工和模型组合的经济性。新harness显著优于旧：Grok 4.5新系统4小时达80%，旧系统不到2小时失控。架构为树形：强模型Planner拆分决策，便宜模型Worker执行。可扩展性来自上下文效率而非并行，协调成本是瓶颈。模型组合质量接近时成本差一个数量级（$1,339 vs $20,057），优化策略是frontier仅用于高熵决策。实验还揭示了五类失败模式。对开发者：Harness设计、上下文分工和成本优化是关键。 核心观点： 1. 新harness在所有模型配置下更好，Grok 4.5新系统4小时约80%，旧系统不到2小时失控。 2. 不同模型mix质量接近，费用差极大：Opus planner+Composer worker成本$1,339，全程Fable $20,057。 3. 可扩展性主要来自上下文效率，planner不写实现、worker不规划，各自专注上下文。

推荐理由常规资讯，保留列表

Agent Swarm 与新模型经济学：Fable 5 全程两万刀，Opus 规划 + Composer 执行一千三 https://cursor.com/blog/agent-swarm-model-economics 当任务规模大到单 a...

Cursor团队通过树形swarm架构从零实现SQLite，验证了上下文分工和模型组合经济学，使成本降低一个数量级而质量接近。

单Agent处理大任务时瓶颈从模型智力转向协调成本与上下文经济学。Cursor团队用树形swarm架构（Planner强模型+Worker便宜模型）从零实现SQLite，通过自研VCS、Review lenses、Field Guide等机制，使成本降低一个数量级（Opus规划+Composer执行总成本$411 vs 全程Fable $20,057），质量接近（新系统4小时达73%-85%）。验证了上下文分工和模型组合经济学，提示开发者应关注协调工程，成本优化主杠杆是frontier只做高熵决策。 核心观点： 1. 树形swarm架构使冲突从7万+降至<1000，代码量从64305行降至9908行。 2. Opus规划+Composer执行总成本$411，而全程Fable成本$20,057，质量接近。 3. 新系统4小时冲突<1000、包结构9 crates，旧系统commits多但thrash严重，协调成本是瓶颈。

推荐理由常规资讯，保留列表

为 Claude Fable 5 设计「成本高效 Harness」 这种成本高效设计同样适用于 GPT-5.6 Sol，核心思路是：大多数任务的智能需求在 token 维度上是不对称的——少数 t...

为Claude Fable 5设计成本高效Harness，通过识别任务中token智能需求的不对称性，在正确位置注入前沿智能，实验表明可大幅降低成本并保持性能。

针对Claude Fable 5等前沿模型的高成本问题，本文提出了一种成本高效的Harness设计方法。核心思路是利用任务中token智能需求的不对称性，仅在关键位置使用Fable 5等前沿模型，其余部分委派给廉价模型。通过Orchestrator、Advisor、Verifier三种分配模式，在Parameter Golf和BrowseComp实验中，以约46%的成本实现了约90%的性能。文章总结了四条设计准则，包括审视任务形状、使用委派启发式、评估协调成本和保证prompt cache命中，为开发者提供了构建经济高效AI系统的实用框架。 核心观点： 1. Parameter Golf实验表明，前置规划无效，Fable 5的真正价值在于中段检查点提供方向纠偏与重新排序。 2. BrowseComp实验中，Fable 5编排+Sonnet worker在完整集（~31M tokens/题）上实现了96%分数/46%成本的套利。 3. 协调成本的两大来源是边界重复（跨模型token计费至少两次）和扇出重叠（worker互不通信、研究范围部分重合）。

推荐理由常规资讯，保留列表

Z ai 发布 GLM-5.2 开源模型，744B/40B 参数，在 Intelligence Index 上得分 51 领先，并处于智能与成本帕累托前沿补录

Z ai 发布 GLM-5.2 开源模型，744B/40B 参数，在 Intelligence Index 上得分 51 领先，并处于智能与成本帕累托前沿。

Z ai 发布 GLM-5.2 开源模型，总参数 744B，激活参数 40B，在 Artificial Analysis Intelligence Index v4.1 上得分 51，领先于 MiniMax-M3 和 DeepSeek V4 Pro。相比 GLM-5.1，科学推理能力显著提升，CritPt 提高 16 分，HLE 提高 12 分。模型位于智能与成本帕累托前沿，每任务成本约 $0.46。上下文窗口扩展至 1M tokens，采用 MIT 许可证。开发者可通过 Z ai 官方 API 及多家第三方提供商使用。 核心观点： 1. GLM-5.2 在 Intelligence Index v4.1 得分 51，领先 MiniMax-M3 (44) 和 DeepSeek V4 Pro (44)。 2. 科学推理提升显著：CritPt +16 分至 21%，HLE +12 分至 40%。 3. 每任务输出 tokens 43k，高于 GLM-5.1 的 26k，成本 $0.46/任务。

推荐理由常规版本更新，跟进即可

OpenRouter 发布 Fusion API，一种服务端多模型并行推理系统，通过法官与合成器生成最终回答，声称以更低成本超越前沿模型

OpenRouter 发布 Fusion API，一种服务端多模型并行推理系统，通过法官与合成器生成最终回答，声称以更低成本超越前沿模型。

OpenRouter 发布了 Fusion API，这是一种服务端多模型并行推理系统。它将用户提示并行发送给多个模型，允许它们使用网络搜索和 bash 工具，然后由法官模型比较答案，合成器生成最终回答。OpenRouter 声称 Fusion 在 Perplexity 的 DRACO 深度研究基准测试上超越了前沿模型，且成本更低，达到 Fable 级智能但价格减半。这对开发者意味着一种新的低成本、高智能的模型组合调用方式。 核心观点： 1. Fusion 通过并行调用多个模型并引入法官与合成器机制，在 DRACO 基准上声称超越前沿模型。 2. Fusion 声称达到 Fable 级智能但价格减半，为开发者提供低成本高智能的替代方案。

OpenRouter上线实时缓存命中率与有效价格对比功能

OpenRouter在其定价页面新增功能，支持查看不同模型提供商的实时缓存命中率、历史流量及有效价格，帮助用户优化模型调用成本。目前已支持Claude Opus 4.8等模型。

推荐理由常规版本更新，跟进即可