Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，同日还下调了 Sonnet 5.5 与订阅计划价格。
推荐理由：汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗数据，便于判断小模型在 Agent 工作流中的成本取舍。
内容形态
评测基准 最新动态
SWE-bench、Terminal-Bench 等编程基准与模型、工具的评测结果。
4 条精选近 30 天 3 条共收录 19 条
更新
评测基准的精选
Latent Space精选AI 评分8282
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 219 个 pull request、覆盖 19 种语言。
推荐理由：GitHub 公开了代码审查基准的构建方法与评分口径，读者可据此判断自家审查 Agent 的强弱项。
Amp News精选AI 评分6262 Amp 将 medium 模式默认模型换成 Claude Opus 5.5
Amp 宣布 medium 模式默认模型由 GPT-5.6 Sol 换成 Claude Opus 5.5，使用 ChatGPT 订阅的 ChatGPT Only 预设时 medium 仍固定为 GPT-5.6 Sol。
推荐理由：Amp 官方给出 Opus 5.5 在 medium 模式的任务解决率与成本对比，以及可迁移的提示与验证习惯。
Mistral AI精选AI 评分6262 Mistral 发布 Agentic Search 检索层，FinanceBench 正确率从 26.7% 升至 86%
Mistral 发布 Agentic Search，一个让模型在多步检索循环中查找、检查并核实信息的检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries。
推荐理由：原文给出多步检索循环的工具设计与两组基准数据，可据此判断它相对一次性 RAG 的取舍。