Anthropic 发布 Claude Sonnet 5.5，速度提升 30% 以上且价格更低
Anthropic 发布 Claude Sonnet 5.5，官方称其运行速度快 30% 以上，多数任务成本最多降低 30%，定价与 Sonnet 5 相同但在各项基准上均优于后者。
推荐理由：作者实测了 Sonnet 5.5 的思考预算、编码表现与免费层能力，可据此判断它与 Opus 5.5 及竞品免费档的差距。
#评测/基准
#评测/基准
今日 0 条Simon Willison精选AI 评分7878 The Decoder精选AI 评分8282 Anthropic 发布 Claude Sonnet 5.5，基准接近 Opus 5.5 且单任务成本最多低 30%
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5，输出速度提升超过 30%，单任务成本最多降低 30%，在多项基准上接近 Opus 5.5。
推荐理由：梳理了 Sonnet 5.5 与 Opus 5.5、GPT-6 系列的基准与价格对照，可据此判断中端模型的性价比位置。
OpenAI NewsAI 评分4545 Basis 用 GPT-6 Astra 完成税务工作簿速度提升 2 倍
GPT-6 Astra 完成 50 个标签页的税务工作簿速度是 GPT-5.6 Sol 的 2 倍，其更强的用户意图理解能力让 Basis 对实际使用更有信心。
Ars Technica · AIAI 评分4444 XPRIZE Wildfire 获奖方案 10 分钟内发现野火，却无法阻止火势蔓延
XPRIZE Wildfire 竞赛的获奖方案能在 10 分钟内发现野火，但无法阻止火势蔓延。这场奖金 1100 万美元的竞赛表明，野火探测仍比扑灭野火更容易。
Hugging Face BlogAI 评分3434 英国 AISI 如何用 EvalEval 基础设施让评测结果可复现
英国 AI Security Institute（AISI）正采用 EvalEval 的 Every Eval Ever schema 与 Evaluation Cards 平台公开分享评测结果，以提升评测科学的可复现性。
Import AIAI 评分4242 Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了新基准 DiG-bench（Discovery in Games），包含 70 款规则与目标均隐藏、需靠交互探索发现的游戏，其中 21 款已公开。
Microsoft ResearchAI 评分4242 MindTopo：微软研究院推出评估多模态模型拓扑推理能力的新基准
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结五类拓扑关系上的推理与规划能力。测试显示，当前模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，图像与视频生成工具也难以在动作序列中稳定保持拓扑关系。