Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布时隔约一年的 Haiku 层级更新 Claude Haiku 5.5，定价与 OpenAI 的 GPT-6 Luna 一致，同日下调 Sonnet 5.5 缓存读取价格和订阅套餐价格。
推荐理由：除发布本身外，还汇总了第三方评测的 token 消耗与分层定价，便于判断真实成本。
内容形态
评测基准 最新动态
模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
2 条精选近 30 天 2 条共收录 11 条
更新
评测基准的精选
Latent Space精选AI 评分8080
Hugging Face Blog精选AI 评分6969 微软发布 ThinkingBox：用数据库终态而非自述评判 AI 智能体
微软与 Hugging Face 联合发布 ThinkingBox，通过隔离 MCP 会话检查智能体留下的后端状态与副作用，而不是看它生成的文字，Bench 覆盖 507 个有状态业务流程、每个任务重复运行 20 次。
推荐理由：微软与 Hugging Face 联合发布的智能体基准，用后端数据库终态而非模型自述来判定成败，并公开了 507 个任务、20 次重复运行的完整环境。