10月5日-10月11日大模型发布追踪：Haiku 5.5、Mistral Large 4 与 GPT-6 全员上线 (2026)

覆盖窗口是 2026 年 10 月 5 日至 10 月 11 日（UTC+08:00）。

这一周，Anthropic、OpenAI、Mistral 和阿里通义做的是同一件事：把已经验证过的能力挪到更便宜的一档。10 月 7 日 Anthropic 发布 Claude Haiku 5.5，同一轮把 Sonnet 5.5 的缓存读取价砍掉一半；OpenAI 把 GPT-6 从付费档推到全部 ChatGPT 用户；Mistral 在 10 月 6 日拿出 1.05 万亿参数的开放权重旗舰；通义千问 10 月 11 日把图像模型的 Pro 与 Turbo 两档 API 一起上线，Turbo 权重同步开放。

这一周还多出一个以前没有的名字：决策模型。10 月 6 日 OpenAI 在 API 里放出 Decisions 接口，用 gpt-6-luna 把文字和图片变成结构化答案，官方称比 Responses 接口快 10 倍。三天后微软发布 Microsoft-Decision-1，一个只做决策打分的小模型，它不写文字，只给每个选项一个可以被程序立刻判读的概率。

文中的「智力指数」与「每任务成本」来自第三方评测机构 Artificial Analysis。前者是十项评测加权得到的综合分，后者是跑完这套评测平均每次任务的花费，把输入、缓存、推理与输出的 token 价格都算进去。厂商自报跑分的口径不同，本文把两者分列，不合成单一排名。

先看价格、状态和边界

模型与发布	发布与定位	关键变化	评测信号	价格与可用性	先测什么
Claude Haiku 5.5 1	10 月 7 日发布；Claude 5.5 系列第三个模型，官方定位为迄今最快、最便宜、能力最强的小模型	10 万 token 以内的请求比 Haiku 4.5 便宜 90%，超过 10 万 token 便宜 50%；首个带可调 effort 档位的 Haiku；上下文从 200K 提到 1M；换用新分词器	官方自报 OSWorld 2.1 从 15.7% 升到 72.4%、Terminal-Bench 4.0 从 0% 升到 39.2%、HLE 无工具从 10.2% 升到 45.9%、GDPval-AA v2.1 为 1620；Artificial Analysis 独立记录智力指数 43，比上一次 Haiku 发布高 26 分，每任务输出约 16.2 万 token 2	每百万 token 输入 $0.10、输出 $0.50、缓存读取 $0.01（10 万 token 以内），超过 10 万 token 为 $0.50 / $2.50 / $0.05；模型名 `claude-haiku-5-5`，Anthropic API、AWS、Google Cloud、Azure 同步可用；Sonnet 5.5 缓存读取价同期由 $0.20 降到 $0.10	把摘要、压缩、子智能体这三类高频短任务从 Haiku 4.5 换过来，按新分词器后的真实 token 数重算账单
GPT-6（ChatGPT 全线）3	10 月 7 日面向全球 ChatGPT 用户推出；GPT-6 系列从付费档铺到免费档，官方给出的规模是每周 12 亿用户	新增 Intelligent UI，回答可以带图表、按钮、表单和可交互组件；模型边想边答，官方称联网检索类问题开始作答平均早 44%	官方自报 GPT-6 Extra High 开始作答的时间与 GPT-5.6 Medium 相当、总分高于 GPT-5.6 Extra High；本期没有第三方独立数据	付费档用 GPT-6 Sol，每百万 token 输入 $2、输出 $10、缓存输入 $0.20；免费档与 Go 用 GPT-6 Luna，$0.10 / $0.50、缓存输入 $0.01 4；只改 Chat 主对话，Work 与 Codex 的底层模型不变	在自家场景里量一次「边想边答」对首字延迟的影响，并确认 Intelligent UI 生成的组件能不能接进现有前端
Mistral Large 4 Preview 5	10 月 6 日开放公开预览；Mistral 迄今最大的模型，官方称其代表开放权重的性能前沿	1.05 万亿总参、每 token 激活 52B，另有 1.6B 视觉编码器，原生多模态 MoE；官方文档标 1M 上下文；训练用 3,800 块 NVIDIA Grace Blackwell，全程在欧洲自建机房	官方自报 DeepSWE v1.1 61.7%、Terminal-Bench 4.0 28.3%、AutomationBench 59.9%、Dense 200 视觉定位 42%；Artificial Analysis 独立记录智力指数 38、网络安全指数 50、每任务成本 $1.13 6	每百万 token 输入 $1.36、输出 $4.18、缓存输入 $0.14；预览期前两周五折，即 $0.68 / $2.09；权重定在本月底开放，此前先交给网络安全机构与监管方做红队 7	拿需要视觉定位或安全分析的样本先试；成本敏感的场景先记下它比同智力的开放权重模型贵几倍
Qwen-Image-2.1 Pro / Turbo 8	10 月 11 日千问 AI 平台上线两个 API；Turbo 权重 10 月 9 日已放进 Hugging Face	Pro 是 70 亿参数的生成编辑一体模型，支持最多 10 张参考图与圈选、涂抹、掩码编辑，可出原生透明图；Turbo 在同一架构上把去噪从 40 步压到 8 步，仍出 2K 图	官方未公布新跑分，本期也没有可引的第三方独立评测；「8 步不掉画质」目前只有厂商说法	千问 AI 平台按张计费，Turbo ¥0.1、Pro ¥0.25 9；Turbo 权重在 Hugging Face 开放，许可为 Qwen Research License，商用需另行申请 10	用自家商品图或人像做一次 10 张参考图的合成与局部编辑，重点看文字渲染、身份保持和 8 步出图的稳定度

注：价格按美元或人民币原币列示，不做汇率换算。表格「评测信号」一列把厂商自报与 Artificial Analysis 的独立数据分列，两者口径不同；「每任务成本」是跑完智力指数的加权平均，与厂商按单个基准算出的每任务成本不能直接比。

Claude Haiku 5.5：把 Haiku 档的单价压到上一代的十分之一

Anthropic 在 10 月 7 日发布 Claude Haiku 5.5，把它定位成摘要、压缩、数据库查询、分类这类高频任务的主力，也是 Opus 5.5 与 Sonnet 5.5 做编码时的子智能体。1

这一代最实在的改动是计价方式。Haiku 5.5 按输入长度分档：10 万 token 以内的请求，每百万 token 输入 $0.10、输出 $0.50；超过 10 万 token 的部分，输入 $0.50、输出 $2.50。缓存读取同样分档，$0.01 与 $0.05。对照 Haiku 4.5 的 $1.00 / $5.00，同一档的单价降到十分之一。1

官方说，上一代 Haiku 有九成请求落在 10 万 token 这个档里，所以按综合运行成本算，Haiku 5.5 便宜约 75%。这个数字要打折看：Haiku 5.5 换了新分词器，完成同一件事会多消耗一些 token，单价降幅有一部分被抵消，官方没有给出统一的实际节省比例。1

能力上，官方自报的跳变集中在电脑操作和命令行编码。OSWorld 2.1 从 Haiku 4.5 的 15.7% 升到 72.4%，Terminal-Bench 4.0 从 0% 升到 39.2%，HLE 无工具从 10.2% 升到 45.9%，知识工作的 GDPval-AA v2.1 从 735 升到 1620。Haiku 5.5 也是 Haiku 系列第一个带可调 effort 档位的模型，用户可以在成本和智力之间自己选，默认停在中档。1

第三方给出的是另一面。Artificial Analysis 记录 Haiku 5.5 在 max 档的智力指数为 43，略高于 GLM-5.3-Flash（42）、Gemini 3.8 Flash（41）与 GPT-6 Luna（38），比同代的 Sonnet 5.5（56）低 13 分。它的上下文窗口也从上一代的 200K 提到 1M。2

代价落在 token 用量上。跑完一轮智力指数，Haiku 5.5（max）平均每个任务输出约 16.2 万 token，约为 GPT-6 Luna（max）的三倍；从 xhigh 升到 max 只多拿 2 分，token 却要多约 1.8 倍。也就是说，它更适合范围明确、可以拆小的任务，长链路的智能体任务仍要交给 Sonnet 5.5 和 Opus 5.5。2

Artificial Analysis 的智力指数榜与「每任务输出 token」散点图。Haiku 5.5（max）的分数与小模型同级，但跑完一轮评测平均每个任务消耗约 16.2 万输出 token，约为 GPT-6 Luna（max）的三倍。2

独立评测里还有两处出入值得记。Terminal-Bench 4.0 上 Artificial Analysis 记录的是 33%，比官方自报的 39.2% 低 6 个百分点；AutomationBench-AA 上它只拿到 35%，Artificial Analysis 说明这是发布前的一次安全拒答导致过度拒绝，Anthropic 正在修，该机构会重跑这项。2

安全侧有一条边界。Haiku 5.5 的网络安全护栏比 Haiku 4.5 更严，但比 Anthropic 最近几款模型松一些：它允许比 Sonnet 5.5 更宽的一批防御性任务，渗透测试仍在拦截范围内。生物学护栏与 Sonnet 5、Sonnet 5.5、Opus 5 保持一致。1

同一轮里 Anthropic 还做了两件抬高性价比的动作。Sonnet 5.5 的缓存读取价从每百万 token $0.20 降到 $0.10，官方测算多数智能体任务因此便宜约 20%；Max 与 Team 订阅者开始每月领取 Claude Platform 的 API 额度，Max 5x 为 $100、Max 20x 为 $200，Team 最多 $500 合并使用。1

OpenAI：GPT-6 走进 ChatGPT 主入口

OpenAI 在 10 月 7 日把 GPT-6 推到全球 ChatGPT 的 Chat 主对话，付费档（Plus、Pro、Business、Enterprise）用 GPT-6 Sol，免费档与 Go 用 GPT-6 Luna，第二天覆盖到全部用户。官方给出的规模是每周 12 亿用户。Work 与 Codex 的底层模型这一次不动。3

最容易感知的变化在界面。Intelligent UI 让模型按问题自己决定回答的样子，可以是并排比较、可交互的图、表单、图表，也可以是一段纯文字。OpenAI 的做法是给模型一套原生可流式的组件库，再加一个编译器，让界面在模型生成的同时逐段出现。3

另一处变化在作答方式。以前的推理模型要先想完再答，GPT-6 被训练成边想边答。官方称在内部的日常智能体任务评测里，GPT-6 Extra High 开始作答的时间与 GPT-5.6 Medium 相当，总分高于 GPT-5.6 Extra High；需要联网检索的问题，GPT-6 Instant 平均早 44% 开始作答。3

价格结构决定了这次铺开的分层：GPT-6 Sol 每百万 token 输入 $2、输出 $10、缓存输入 $0.20；GPT-6 Luna 输入 $0.10、输出 $0.50、缓存输入 $0.01。免费档拿到的是便宜十倍的 Luna，付费档拿到 Sol。4

API 侧同一周还有三条。10 月 6 日上线 Decisions 接口的 beta，用 gpt-6-luna 把文字和图片转成带类型的答案，官方称比 Responses 接口快 10 倍；10 月 7 日更新 chat-latest 快照，指向 ChatGPT 里最新的那个模型；10 月 8 日给 gpt-6.1-sol 加上 Ultrafast 档，用 service_tier: "ultrafast" 调用，全部 API 用户可用，覆盖全球处理与美欧数据驻留。4

Mistral：1 万亿参数的开放权重，这一次从欧洲发出

Mistral 在 10 月 6 日开放 Mistral Large 4 的公开预览，内部代号 Le Chonk。它是一个 1.05 万亿总参、每 token 激活 52B 的原生多模态 MoE，另带一个 1.6B 的视觉编码器，官方文档标 1M 上下文。训练在 Mistral 欧洲自建机房的 3,800 块 NVIDIA Grace Blackwell 上完成，训练语料覆盖 160 多种语言。5 7

这个模型改变了一条记录。Artificial Analysis 把它记为智力指数 38，与 DeepSeek V4.1 Flash（max，39）和 GPT-6 Luna（max，38）同档，成为美国和中国之外最强的模型，法国因此回到了那张按国家排序的前沿曲线上。6

它的位置不在智力，在价格。标准价是每百万 token 输入 $1.36、输出 $4.18、缓存输入 $0.14；预览头两周打五折，即 $0.68 / $2.09。Artificial Analysis 记录的每任务成本为 $1.13，折后 $0.57，仍高于同智力的开放权重模型：GLM-5.3-Flash 是 $0.25，DeepSeek V4.1 Flash（max）是 $0.27，相差四倍以上。6

Artificial Analysis 的每任务成本图与智力—成本散点图。Mistral Large 4 Preview 在标准价下每项智力指数任务花 $1.13，折后 $0.57，仍是 GLM-5.3-Flash（$0.25）和 DeepSeek V4.1 Flash（max，$0.27）的四倍以上；它的智力指数 38 与这两款同档。6

官方把网络安全当成主打方向。在 Artificial Analysis 的网络安全指数上，Mistral Large 4 得 50 分，与 GLM-5.3-Flash 持平，低于小米 MiMo-V2.6-Pro 的 56；在指数里一项要求先复现真实漏洞再修补的测试中，它拿到 82%，是全场最高。Mistral 特别指出，Claude Opus 5.5 与 GPT-6 Astra 在同一项上接近零分，原因是拒绝执行，而验证漏洞是否真实存在恰恰是防御工作的起点。5 6

权重不在今天。官方说本月底开放，此前先把同一模型、降低护栏并放开网络能力的版本交给网络安全机构、受审伙伴和国家监管方做实战红队。这一档能力现在先走「可信方优先」的通道。5

通义千问：图像模型上线 API，Turbo 权重同步开放

阿里通义千问在 10 月 11 日把 Qwen-Image-2.1 的 Pro 与 Turbo 两个 API 上线千问 AI 平台，Turbo 权重同时开放。权重实际更早就放出去了，Hugging Face 上的仓库在 10 月 9 日创建。开发者这次有两条路：想省事的直接调 API，要自己跑的拿权重。10 11

Pro 是这一代的主模型。它的视觉生成部分是 70 亿参数、32 层单流 DiT，生成和编辑合成一个模型：既能从文字出图，也能编辑透明图层，还能从照片里把主体抠出来。它最多吃 10 张参考图，局部编辑支持圈选、涂抹和独立掩码，人像编辑上强调保留面部身份，商品编辑上强调保住文字、纹理与形态。9

Turbo 是同一架构上的加速版。它把去噪从原版的 40 步压到 8 步，仍能出 2K 图，官方称质量不掉。这个取舍值得自己验一遍：步骤减少八成，实际耗时不会等比例下降，画质也还没有独立评测。8

价格按张算，Turbo ¥0.1、Pro ¥0.25，都在平台上直接开通，并发上限分别是 10 与 10、每分钟请求数上限 120 与 20。要留意授权：Turbo 的模型卡标的是 Qwen Research License，权重可以下载，免费使用限于非商业研究与评估，商用要单独申请。8 9 10

本期其他条目

微软：Decision-1 把「决策」做成一类模型

10 月 9 日微软发布 Microsoft-Decision-1，一个只做决策打分的模型，可在微软 Foundry 与 OpenRouter 调用。它不生成文字：给定一个情境和一组固定选项，它给每个选项一个校准过的概率，支持是非题、多选题和打分。底座是把 Qwen3.5-9B 后训练而来，微软说之后会换到其它底座，包括自家 MAI 与 OpenAI 的模型。12

价格是每百万输入 token $0.042，输出不计费。官方称它在 36 项、近 15 万道题的比对里准确率最高，P50 延迟约为 GPT-6 Sol 的 1/35；把同一个请求做八种改写后，只有 1.3% 的情况会改变决定，选项描述被改写或选项顺序被打乱时一次都没有翻盘。这条与 OpenAI 10 月 6 日的 Decisions 接口是同一件事的两端：一部分模型开始不写文字，只输出可以直接接进程序的分支。12

Google DeepMind：EmbeddingGemma 2 开放多模态嵌入模型

10 月 6 日 Google DeepMind 发布 EmbeddingGemma 2，一个 7.4 亿参数的开放嵌入模型，Apache 2.0 许可，把文本、图像、音频、视频映到同一个向量空间，权重在 Hugging Face 与 Kaggle 可下载。它按需拆分：纯文本最低 270M 参数，视觉编码器 170M，音频编码器 300M。上下文窗口从上一代的 2K 提到 8K，单次可处理约 5.5 分钟音频、29 张图片或 58 帧视频。它跑在本机上的意义是语义检索可以完全离线，做私有检索的团队值得先测一轮。13

Artificial Analysis：网络安全指数开始收录「受控访问」模型

10 月 8 日 Artificial Analysis 把只对特定机构开放、护栏更少的模型纳入网络安全指数。首批收录的是 GPT-6 Sol（Daybreak Blue，max），只通过 OpenAI 的 Daybreak 计划提供。它在这一版指数里升到第一，比公开可用的 GPT-6 Sol（max）高 32 分，整轮评测没有触发任何安全拦截，每任务成本 $1.77，低于 Grok 4.7（xhigh）的 $11.67。这件事对选型的提示是：同一款模型，公开版与受控版的分差主要来自拒答，而不是新增的能力。14

Artificial Analysis 网络安全指数柱状图。图例把成功、安全拦截与受控访问模型分开标注：GPT-6 Sol（Daybreak Blue）以 69% 居首并落在成本—能力前沿上，而公开可用的若干前沿模型在部分分项上因安全拒答而被压分。14

OpenAI：公开内部前沿模型的数学成果，两天后撤回三篇

10 月 6 日 OpenAI 在一个 GitHub 仓库里公开一批由未发布的内部前沿模型做出的数学结果，附上部分证明的 Lean 形式化，并披露了取得结果的方式，包括 10 份模型推理摘要与算力估计。官方给出的口径是平均每项结果消耗相当于约 3 小时 ChatGPT Pro 思考的算力。15

报道称这批手稿超过 700 篇、覆盖 372 个结果家族；两天后，OpenAI 撤回了其中三篇。数学界的反应不小，一份由数学家联署的声明把这次发布称为一次力量展示，并呼吁研究者暂停与之相关的这类合作。把它记在这一期，是因为它给「模型能做什么」提供了一种可机器核验的证据形式，同时也把发布方式本身的问题摆上了台面。16 17

本期未纳入条目与覆盖说明

本期严格执行 2026 年 10 月 5 日至 10 月 11 日的时间窗核验，各厂商的筛查结果如下。

DeepSeek：官方 API 更新日志在窗口内没有新条目，最新一条仍是 9 月 10 日的 DeepSeek-V4.1-Flash。窗口内与它相关的是融资报道，属于资本动作。18
智谱 GLM：官方模型的发布记录最近一条仍是 8 月 26 日上线的 GLM-5.3-Flash。窗口内的可核验动作是把 GLM-5.3 放进海外云渠道，属于分发层面。19
月之暗面 Kimi：窗口内没有发布。K3.1 到 10 月 11 日仍未上线，当天的报道称它计划 10 月中旬发布，重点提升智能体连续执行长任务的能力。20
Meta：本期筛查未发现可核验的模型级发布，公开动作集中在广告创意工具与个人智能体协议。
xAI：窗口内没有新模型。10 月 10 日把官方账号更名为 SpaceX Super Intelligence，属于品牌动作。
Google：窗口内没有新的基座或 Flash 模型；除 EmbeddingGemma 2，其余是 Gemini 应用层的套餐与访问调整。
Artificial Analysis 收录情况：本期窗口内新收录的模型只有 Claude Haiku 5.5、Mistral Large 4 Preview 与 10 月 1 日发布、已在上期覆盖的 Ling 3.1 Flash。21

面向技术选型的三项行动建议

把高频短任务从 Haiku 4.5 迁到 Haiku 5.5 之前，先按新分词器算一遍真实账单。 单价降到十分之一，但同一任务的 token 用量上升，两端相抵后的实际节省要自己量。同时值得把 compaction、摘要、子智能体这三类任务与 GPT-6 Luna 放在一起比：两者单价同为 $0.10 / $0.50，Luna 的 token 用量更低，Haiku 5.5 的独立评测分数更高。1 2
要自建图像生成与编辑能力，先确认授权边界再动手。 Turbo 权重可以下载，但许可是研究用途，商用要单独申请；只想尽快接入的走平台 API，按张付费，Turbo 每张 ¥0.1、Pro 每张 ¥0.25。8 10
评估最靠前那一档能力时，把「能不能拿到访问权」和「拿到后的真实通过率」分开算。 本周最靠前的几项都走受控通道：GPT-6 Sol 的 Daybreak Blue 版本只通过计划发放，Mistral Large 4 的权重开放前先做安全方红队，公开版的前沿模型在安全类评测里则因为拒答而拿不到分。5 14

References

1
Anthropic：推出 Claude Haiku 5.5
anthropic.com
2
Artificial Analysis：Claude Haiku 5.5
artificialanalysis.ai
3
OpenAI：GPT-6 与 Intelligent UI 面向所有人
openai.com
4
OpenAI API 变更日志
developers.openai.com
5
Mistral：推出 Mistral Large 4
mistral.ai
6
Artificial Analysis：Mistral Large 4
artificialanalysis.ai
7
Mistral 文档：Mistral Large 4
docs.mistral.ai
8
千问 AI 平台：Qwen-Image-2.1-Turbo
qianwenai.com
9
千问 AI 平台：Qwen-Image-2.1-Pro
qianwenai.com
10
Hugging Face：Qwen-Image-2.1-Turbo
huggingface.co
11
IT之家：Qwen-Image-2.1 Pro 与 Turbo API 上线千问 AI 平台
ithome.com
12
微软：推出 Microsoft-Decision-1
commandline.microsoft.com
13
Google：EmbeddingGemma 2
blog.google
14
Artificial Analysis：网络安全指数收录受控访问模型
artificialanalysis.ai
15
OpenAI：公开数学进展
openai.com
16
Retraction Watch：OpenAI 撤回三篇预印本
retractionwatch.com
17
陶哲轩博客：AHM 关于 10 月 6 日数学文件发布的声明
terrytao.wordpress.com
18
DeepSeek API 更新日志
api-docs.deepseek.com
19
智谱：模型与产品发布记录
docs.bigmodel.cn
20
新浪财经：Kimi K3.1 月中发布
finance.sina.com.cn
21
Artificial Analysis：模型发布列表
artificialanalysis.ai