今天的 LLM 圈有三個方向同時在跑：Google 把 Flash 系列的價格再砍一半、OpenAI 和 Cerebras 合作把前沿模型的推理速度拉到 750 tokens/sec、DeepSeek 一方面開源了 agent harness，一方面把 API 價格調漲到最高 10 倍。三件事的共同點：定價策略正在成為模型戰爭的主戰場，技術差異化逐漸讓位於商業模式差異化。

🔥 Google 推出 Gemini 3.7 Flash：Intro pricing $0.75/$3.75，半價賣到年底

Google 發布 Gemini 3.7 Flash，在 Gemini 3.6 Flash 推出僅三週後。新模型在 FrontierCode 1.1 上拿到 43.6%（vs 3.6 Flash 的 34.4%）、DeepSWE v1.1 上 65.3%（vs 48.6%）、WebDev Arena Elo 從 1538 提升到 1588。Artificial Analysis Intelligence Index 得分 56，介於 Claude Sonnet 5（55）和 GPT-5.6 Terra（57）之間。

價格方面：每百萬 input token $0.75、output token $3.75——這是 Gemini 3.6 Flash 原價的一半。但這有個明確期限：intro pricing 只到 2026 年 12 月 31 日。2027 年 1 月 1 日起，價格回到 $1.50/$7.50。

支援 text、image、audio、video 輸入，1M context window，最大 64K output tokens。今天已在 Gemini API、Google AI Studio、Android Studio、Antigravity、Gemini Enterprise 上線，AI Pro 和 Ultra 訂閱者可用 Gemini Spark agent。

背景：OpenAI 上週把 GPT-5.6 Luna 降價 80%、xAI 推出定價僅為 Claude Opus 5 四分之一的 Grok 4.6。Google 這次的 intro pricing 是回應這個環境。值得注意的是 intro pricing 有明確截止日——2027 年 1 月 1 日之後價格翻倍。

OpenAI + Cerebras 推出 Ultrafast mode：GPT-5.6 Sol 跑到 750 tokens/sec

OpenAI 和 Cerebras 聯合發布 Ultrafast mode，一個新的 API service tier。GPT-5.6 Sol 在 Ultrafast 模式下每秒最多輸出 750 tokens，官方說法是比 Standard 快 14 倍，比 Fable 5 快 11 倍，比 Opus 4.8 Fast mode 快 5 倍（Artificial Analysis 數據）。

Cerebras 的測試數據：在 Humanity’s Last Exam（2,500 題博士級問題）上，GPT-5.6 Sol Ultrafast 用 11 小時 11 分跑完全部題目，Claude Fable 5 需要 78 小時 27 分。在 GDP-Val（經濟有價值的知識工作 benchmark）上，Ultrafast 的端到端加速是 5.6 倍，官方說法是「without quality degradation」。

技術基礎是 Cerebras 的 Wafer-Scale Engine，每片晶片封裝 44 GB SRAM，權重留在 on-chip，token 穿過跨晶片 pipelined layers 不中斷。

限制條件：Ultrafast 目前是 limited preview，只對 select group of customers 開放。官方沒有公布定價，只說「access will expand as capacity grows」。早期客戶包括 Jane Street、Podium、Basis、Rogo。

這是 Cerebras 繼 Groq 之後第二家在專用硬體上跑前沿模型推理的公司。兩家策略不同：Groq 和多模型商合作，Cerebras 目前深度綁定 OpenAI——Ultrafast 只跑 GPT-5.6 Sol，沒有其他模型選項。

DeepSeek Harness：MIT 授權的 agent harness，「everything is a plugin」

DeepSeek 在 GitHub 上發布 DeepSeek Harness developer preview，一個開源的 agent harness 框架，MIT 授權。核心設計原則是「everything is a plugin」——models、tools、skills、sessions、sandboxes、storage、loops、scheduling、UI 都是可替換的 plugin，基於 Cordis kernel 的 plugin system。

四種 runtime mode：

  • Standard：完整 toolset（file editing、shell、web search、skills、planning、subagents）
  • Code：用模型生成的 TypeScript 程式碼編排多輪 tool calls
  • Minimal：只有 shell tool 和 str_replace_editor，用於 benchmarking
  • Creator：runtime inspection、plugin experiments、preset authoring

每個 run 的所有輸入都記錄在 append-only session log 中，包括 system prompts、reasoning、tool calls、subagent scheduling。Trajectory view 可以按 source 檢視這些記錄，支援 resume、fork、search、replay。

同一時間，DeepSeek 宣布 API 定價調整（8 月 16 日 16:00 UTC 生效），引入 peak 和 off-peak 費率。社群反應：多位使用者指出漲幅可達 10 倍，尤其影響亞洲時區的使用者（peak 時段正好是亞洲工作時間）。一位使用者寫道：「It was fun while it lasted. There isn’t really a reason to use DeepSeek anymore.」另一位質疑：「Why do you subsidize US and EU and increase price for everyone near ASIAN time zone?」

兩個消息放在一起看：DeepSeek 一方面開源了 agent harness（讓開發者可以自建、自管、自部署），一方面把 API 價格調漲到讓部分開發者考慮離開。這兩個動作的受眾是不同的——前者吸引基礎設施層的合作者和貢獻者，後者影響的是直接用 API 的終端開發者。

Anthropic 推出 Conceptual Reasoning Index：衡量模型在哲學、決策理論、AI 風險上的推理能力

Anthropic Alignment Science 團隊發布 Conceptual Reasoning Index（CRI），一個聚合三個 benchmark 的綜合指標，用來衡量模型在「概念推理」上的能力——這裡的概念推理指的是沒有明確 ground truth、無法用經驗證據驗證、需要依賴論證的任務。

三個子 benchmark：

  • LMCA（Language Model Conceptual Argumentation）：560 個立場文本、1,461 個反對論點，由專家評分。衡量模型判斷論點品質的能力。佔 CRI 60%。
  • ACCoRD（Assessment of Consistency in Conceptual Reasoning Domains）：567 個邏輯一致性約束，衡量模型在概念問題上的自我一致性。佔 CRI 20%。
  • DTBench capabilities（Decision Theory Benchmark）：407 個手寫選擇題，涉及決策理論、對模型自身行為的預測。佔 CRI 20%。

最高分是 Opus 5（73.6，95% CI ±2.1），其次是 Claude Fable 5、Muse Spark 1.2。CRI 的估計上限是 91——意思是即使模型完美複製專家的論點評分、完全邏輯一致、答對所有 DTBench 題目，也只能拿到 91。DTBench 已接近飽和（Fable 5 答對 98%），LMCA 預估一年內會開始飽和，ACCoRD 的飽和時間不確定。

一個結構性的細節：CRI 衡量的是模型在「AI 安全研究者需要的推理類型」上的表現。Anthropic 的立場文件寫得很清楚——「a major determinant of whether we address AI risks in time is how early we can automate or uplift this work」。這等於說：CRI 不只是在衡量模型的通用能力，它在衡量模型能不能幫 Anthropic 做 Anthropic 想做的事。

📡 其他值得關注

  • Samsung 用 Claude 驗證晶片設計，過程不順利：Neowin 報導 Samsung 正在用 Claude 做 chip design verification，但過程「not going smoothly」。沒有具體細節，但半導體設計驗證是一個高度專業、容錯率極低的領域，LLM 在其中的應用還需要大量調整。→ Neowin

  • Mistral OCR 4.1 發布：Mistral 推出 OCR 4.1 模型。→ docs.mistral.ai

  • Mistral 宣布歐洲區域推理基礎設施：官方說法是「sovereign AI」，把 inference infrastructure、open models、long-term commitments 帶到歐洲。→ Mistral

  • OpenAI 發布 GPT-5.6 builder’s guide：說明 startups 如何使用 GPT-5.6。→ OpenAI