推理成本

GPT-6.1 Terra 对比 GPT-6 Astra：高推理强度下，一个以准确率换低成本与高速度

OpenAI 在 10 月 26 日发布了 GPT-6.1 Terra，把它定位成便宜、快速、适合大量日常任务的模型，价格只有旗舰 GPT-6 Astra 的十分之一：输入每百万 token 1 美元、输出 5 美元，而 Astra 是 10 美元和 50 美元。作者用三项自己造的测试对比两者：SQL 推理、数据校验和故障日志排查，推理强度都设为 high。结果是 Astra 更准，例如 SQL 测试 48/50 对 26/50，数据校验 50 对 45；Terra 更快更便宜，SQL 测试约 0.08 美元、133 秒，Astra 约 1.65 美元、320 秒。作者指出，Terra 会把需要累加的任务交回给用户自己跑查询，还会自信地给出错误计数，使用时需要挑选场景。这些只是单次合成测试结果，文章没有说明正式可用范围等更多信息。

GPT-6.1 Sol 对比 GPT-6 Astra：准确率相同，成本仅为其 18%

OpenAI 在 9 月 29 日发布了 GPT-6.1 Sol，距离 GPT-6 Sol 发布仅一周。它被定位为 GPT-6 的升级版，同时也是 GPT-6 Astra 更便宜的“近似替代品”。作者通过 OpenAI 的 Responses API 用同一套三项测试对两者进行了对比：CI 故障分诊、故障日志分析和依赖解析器编写。15 次运行中两者全部满分通过，但 GPT-6.1 Sol 总共花费 2.66 美元，而 Astra 为 14.77 美元，前者只需后者约 18% 的成本，并且在两项较长的测试中更快。作者的结论是，在这类工作上，GPT-6.1 Sol 已经够用，没有理由为 Astra 多付钱。

你的 AI 智能体正在为不需要文字的选择燃烧 Token

AI 智能体在做路由、安全检查、排序和升级这类决策时，其实不需要写出文字，却仍把问题发给生成式大模型，等它吐出答案再解析回来，既浪费算力又增加延迟。开发者 Jared Palmer 基于 Qwen 3.5 发布了开源决策模型 Kev，包含 0.8B、4B 和 9B 三个规模，采用只预填充、不逐字生成的方式，一次前向传播就读出选择概率；它只给已有选项打分，不会凭空造出新选项。Kev 最大模型在项目测试中准确率 83.7%，但概率校准可能偏移、微调后通用知识和算术能力下降，这些限制开发者已有说明。

Aura-1B：CPU 原生的神经符号混合推理系统

Simonc44/aura-1b · Hybrid neuro-symbolic AI: Llama 3.2 1B + exact math + verified facts — instant CPU-native answers in 807 MB, no GPU. Sealed .aef distribution

Aura-1B 将语言生成、精确数学计算与事实记忆拆分成多个专用模块，而不是让单个小模型包办全部任务。系统以 Llama 3.2 1B Instruct（Q4_K_M，807 MB）为语言核心，配合安全的 AST 数学求值器、TF-IDF+逻辑回归路由器、遗传编程符号专家、DuckDuckGo 联网检索、事实图、PAL 计算、程序化思维（PoT）、逻辑求解器与轻量认知 Agent，在无 GPU 的机器上给出精确且可验证的答案。项目提供 .aef 密封分发格式（含 SHA-256 校验与可选 Ed25519 签名、AES-256-GCM 加密），并支持硬件自动调参。

Jev 能成为更好的 Agent 评估器吗？

TypeSafe AI 发布了一个叫 Jev 的模型，它不是普通的生成式大模型，不会写文字，而是直接对一段状态给出结构化判断和概率，他们称之为“System One”模型。研究者拿 Jev 当 Agent 评估器，和几个大模型评审（GPT-5.6 Luna、Terra、Claude Sonnet 4.6）做对比，想解决现有评估方式的两个痛点：写代码的评估只能应付固定输入，大模型评审则慢、贵、还不太稳定。结果 Jev 在连续打分上一致性高得多，质量分波动比对手低 92 到 913 倍，同时平均每次只要 0.44 秒、0.00035 美元，总花费 0.34 美元，而 Claude 花了 28.17 美元。不过作者强调这只是个小规模早期测试，还不代表它已经能普遍替代现有方案。

本周 Zed、Anthropic 和 OpenRouter 的动态表明：更好的外围工具比更好的模型更重要

这周最火的几篇文章都指向同一个道理：光有强大的 AI 模型不够，还得有配套的软件框架让它真正好用。Zed 推出了公开测试版 Delta，用共享讨论串取代传统的代码合并请求，让 AI 写的代码更容易审查；Anthropic 把 Claude Chat 和 Cowork 合并成一个界面，用户不用再纠结任务该用哪个模式；OpenRouter 为企业客户推出了美国境内路由，保证数据在美国境内处理。另外，Vercel 的数据显示 AI 推理成本连续三个月下降，8 月每 token 均价降了 23.2%，开源模型的调用量首次超过一半，但闭源模型仍拿走了大部分收入。对普通用户来说，这意味着 AI 编程和对话工具会变得更顺手、更便宜，用起来也更清楚。