技术信号 · AI Tech Radar

模型 · 第 2026-09-22 号值得跟踪

Opus 5.5 与 GPT-6 同日降价，最贵的一档没有动

9 月 22 日 Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna。Sol 和 Luna 的单价约为上一代的一半，Luna 每百万 token 输入 0.10 美元、输出 0.50 美元；Opus 5.5 降价 20%，缓存读取降 60%。最顶档的 GPT-6 Astra 与 Claude Fable 5.1 没动。对跑智能体的团队，缓存价格比标价更决定账单；而 Opus 5.5 的 max 推理档在一道画图题上两次想到撞上输出上限、没有返回任何结果。

为什么重要两家实验室在同一天把次顶档模型的单价砍到一半上下，最顶档却没动。对大多数团队，这意味着换代的成本账要重算——但决定账单的不是标价，而是缓存命中率和推理档位；而这一轮里恰好有一个把推理档开到最高、结果什么都没返回的反例。

适合在为智能体或应用挑选默认模型、并负责推理预算的工程负责人、维护模型路由、按任务分配不同档位模型的平台团队

工作流 · 第 2026-08-19 号值得跟踪

以前替你否掉那个功能的是一周工期，现在它只要一小时

Simon Willison 在一次播客里给「代码行数」做了辩护，又给它划了边界：过去一个工程师一天能产出几百行可上生产的代码，两百行已经是极好的一天；如果智能体让这个数字到一千行且质量不变，那是实打实的提升。但产能不是新的瓶颈——认知容量才是。他随后接上《人月神话》的「概念完整性」：加一个功能的成本从一周掉到一小时之后，那个替你否决它的刹车也一起没了。

为什么重要本站最近连着三条信号都落在同一个问题上——没有人负责喊停。这一条给出了机制层面的解释：过去的纪律不是靠人自觉，而是由时间成本代为执行的。工期从一周变成一小时，被删掉的不是那个功能，是那个判断。

适合用智能体写代码、并且已经感觉到代码库在往奇怪方向长的工程师、要为「一个人能顶几个人」这类说法定口径的技术负责人

模型 · 第 2026-08-16 号值得跟踪

Qwen3.8-27B 的第三方实测：模型很好，出厂默认值不好

本站昨天发这条模型时点名它所有对比都由厂商自跑，缺第三方的尺子。这就是那把尺子：同一道题，出厂默认档跑 21 分钟、烧掉 22,276 个思考 token 产出 3,223 token；关掉思考 137 秒完成。视觉定位很强，而真正的门槛是 15–30 token/秒的吞吐。

为什么重要昨天那条信号明确写着所有对比都由厂商自跑、缺第三方复现，这条正是补上的那一半，而且它补的方向出人意料：模型本身站得住，出问题的是出厂默认值。一个默认 xhigh 的推理档在消费级硬件上把 21 分钟花在一道两分钟的题上，还能把 8,192 的上下文整个吃光——这不是模型能力问题，是发布方替你做完的一个错误权衡。

适合打算在笔记本或单机上跑 27B 这一档模型、需要知道真实吞吐而不是数据中心数字的开发者、在评估本地模型能否替代托管 API 的团队——15–30 token/秒是那道分界线的具体形态

工具 · 第 2026-08-04 号值得跟踪

LLM 0.32：一个命令行工具长成了智能体框架

Simon Willison 发布 LLM 0.32，称其为该项目自诞生以来最重要的一版：推理轨迹打到 stderr 因而不污染可管道的标准输出、接入供应商的服务端工具（含由供应商代跑远程 MCP 调用的 AnthropicMCP）、仿 Git 的内容寻址消息存储解决长对话的重复日志、以及分型的流式事件。工具链还能为人工审批暂停并从存储的消息历史恢复——作者由此写道「我猜 LLM 现在是个智能体框架了」。

为什么重要推理轨迹打到 stderr、答案留在 stdout，是一个很小却值得抄的设计：可观测性和可组合性通常互相打架，而这一版让两者同时成立，没有引入任何新概念。更大的一层是方向——AnthropicMCP 把 MCP 调用收进与供应商的一次往返，说明工具循环正在往服务端挪；而这个项目本身却走反方向，坚持一个能在本机跑、可审计、能拼接任意 OpenAI 兼容端点的命令行。两者的取舍就是「你必须自己拥有哪一层」。

适合在自建智能体运行时与使用托管平台之间做决定的工程团队、需要把模型调用嵌进既有命令行/管道工作流的开发者