招银国际发布3Q26大模型行业复盘及展望报告：模型能力持续提升，电脑操作与RSI推动AI向完整工作流延伸

Anthropic发布Sonnet 5. Anthropic发布Sonnet 5.5，为Claude 5.5模型系列的第二款模型。 Sonnet 5.5的运行速度显著快于Sonnet 5，并且是Opus 5.5的低成本替代互补方案。 Sonnet 5.5定价为每百万输入token 2美元，每百万输出token 10美元，每百万缓存读取0.2美元。 Haiku 5.5模型即将推出，专为快速、高吞吐量任务打造。 AI 解读 一句话结论 这条新闻整体偏 中性利多 ，但不是单一公司利润兑现，而是 AI模型竞争进入“性价比分层+推理需求扩张”阶段 的产业信号。短期看，Sonnet 5.5以低于Opus 5.5一半的输出价格补齐中端主力，会强化市场对企业AI降本增效的预期；中期看，更低价格、更快速度和更低缓存成本可能提升Token调用量，利好云、推理算力、AI应用和Agent工具链。直接受益最明确的是 云计算、AI芯片/推理基础设施、数据中心产业链和AI应用服务商 ；相对承压的是 依赖高单价API、缺乏成本效率的模型厂商和同质化算力租赁 。我的倾向是： 产业趋势偏多，交易上关注Haiku 5.5发布后的调用量验证。 事件背景与上下文 Anthropic在2026年9月22日发布Opus 5.5后，继续推出Claude 5.5系列第二款模型Sonnet 5.5。此前Sonnet 5已证明中端模型可接近旗舰性能，并且Anthropic在8月取消Sonnet 5涨价，显示其策略从“高端溢价”转向“规模渗透”。当前背景是：企业AI支出更敏感，OpenAI、Grok、国产模型均通过低价和缓存优化竞争；Anthropic在IPO前需要扩大开发者与企业使用基础。Sonnet 5.5定价输入2美元、输出10美元、缓存读取0.2美元，明显低于Opus 5.5的4/20美元，形成“Opus负责复杂任务、Sonnet负责高频主力、Haiku负责高吞吐”的产品矩阵。 影响路径 新闻事件 → 模型价格与能力分层 → 企业AI使用成本下降 → Token调用量与Agent渗透率提升 → 云、算力、应用收入预期改善。 一阶影响 Anthropic模型矩阵更完整 Sonnet 5.5不是简单降价，而是把Opus 5.5的能力外溢到更低价格带。对开发者而言，日常编码、Agent、知识工作可能不再需要频繁调用Opus/Fable，使用成本下降。 云厂商与模型分发渠道受益 Claude系列已在AWS、Google Cloud、Azure等平台上线。价格更低、速度更快，有利于提升调用量，间接利好云厂商AI收入。 AI应用与Agent工具链受益 更低Token成本会改善代码助手、企业搜索、客服、办公自动化、数据分析等场景的ROI，推动从“试用”走向“规模化部署”。 二阶影响 推理算力需求可能上升 市场容易把降价理解为利空，但AI行业常出现“杰文斯悖论”：单位价格下降，总使用量反而上升。若企业预算约束被打开，推理算力、数据中心、网络、电源散热、HBM/存储需求可能同步扩张。 模型厂商盈利分化加剧 有云生态、有企业客户、有缓存/推理效率的厂商更容易靠规模盈利；缺乏成本优势、只能靠API差价的模型厂商压力上升。 国产模型与开源模型面临竞争再校准 Sonnet 5.5把中端价格锚定在2/10美元，会倒逼国内厂商进一步强调缓存命中、推理效率、场景闭环和私有化部署，而非单纯参数竞争。 市场预期差 市场可能低估两点： 第一， 缓存读取0.2美元 对长上下文Agent非常重要，因为多轮调用、重复上下文、工具链状态会显著降低实际任务成本。 第二， Haiku 5.5即将推出 可能打开实时交互、高并发、语音/客服/代码补全等高频场景，若定价进一步下探，调用量弹性可能大于单次价格下降带来的收入损失。 核心分歧 多头逻辑： 降价不是内卷，而是扩大企业AI预算边界。模型成本下降会提升Agent落地速度，最终做大云、算力和应用市场。 空头逻辑： 模型价格持续下移可能压缩API毛利，行业从“能力稀缺”转向“价格竞争”，部分模型公司收入增长但利润不增长。 关键分歧变量： 不是单价本身，而是 Token调用量、企业AI预算、推理算力利用率、云厂商AI收入指引 。如果调用量增长超过价格下降，则产业利好；如果调用量未明显提升，则可能演变为价格战。 我的倾向更偏多头，但限定在 有场景、有分发、有推理效率的平台型公司和应用型公司 ，而非所有模型厂商。 受影响资产分层 层级 方向 标的/行业/商品 影响逻辑 确定性 时效 直接受益 利多 云计算：AWS、微软Azure、Google Cloud、阿里云、腾讯云、百度智能云、火山引擎等 Claude降价提升调用量，云厂商作为分发和推理承载方受益 中高 1-3天至中长期 直接受益 利多 AI应用/Agent工具：代码助手、企业搜索、办公Copilot、客服机器人、数据分析平台 模型成本下降改善ROI，推动企业采购和规模化使用 中 1-2周至中长期 二阶受益 利多 AI芯片/推理算力：GPU、ASIC、HBM、服务器、网络、光模块、电源散热、数据中心 调用量上升和实时推理需求扩张，带动基础设施投资 中 1-2周至中长期 二阶受益 利多 数据中心基础设施：电力设备、UPS、液冷、机柜、铜、变压器、电力需求 AI推理扩张带来数据中心电力与设备需求，但传导较慢 中低 中长期 潜在受损 利空/中性 高单价API模型厂商、缺乏云生态的独立模型商 Sonnet 5.5压低中端价格锚，削弱单纯卖Token的溢价能力 中 1-3天至1-2周 潜在受损 中性偏负 同质化算力租赁、低效推理服务商 模型厂商和云厂商通过缓存、调度、自研推理压降成本，挤压中间环节 低中 中长期 情绪映射 利多 A股AI应用、港股互联网平台、美股软件SaaS、半导体/数据中心板块 消息强化“AI降本—应用放量—算力需求”的交易逻辑 低中 日内至1-3天 商品/汇率/利率 中性偏多 电力、铜、天然气、铀等数据中心相关商品 若AI capex持续上修，可能间接支撑电力和金属需求，但非直接事件驱动 低 中长期 投资结论与观察点 短期交易影响： 消息本身对AI板块偏正面，但Anthropic未上市，直接交易标的有限。市场更可能交易“模型降价→调用量提升→云和算力受益”的映射逻辑。日内或1-3天内，云计算、AI应用、推理算力、数据中心情绪可能受益；纯模型API涨价逻辑的公司可能承压。 中期产业影响： Sonnet 5.5的意义在于补齐Claude 5.5中端主力，使Anthropic形成高端Opus、中端Sonnet、高吞吐Haiku的分层定价。若Haiku 5.5进一步下探价格和延迟，将推动实时Agent、代码补全、客服、语音、企业搜索等高并发场景放量。中期看，AI产业竞争重点将从“谁模型更强”转向“谁能以更低成本完成真实任务”。 最值得跟踪的3个指标： Token调用量与云厂商AI收入指引 若OpenRouter、AWS、Azure、GCP或国内云厂商披露调用量创新高，说明降价正在转化为需求扩张，结论增强。 Haiku 5.5定价与速度参数 如果Haiku 5.5在更低价格下保持较高能力，将进一步打开实时推理和高并发应用空间。 企业AI预算与Agent部署案例 关注软件公司、云厂商、企业客户是否披露AI成本下降后预算增加、部署周期缩短，而非只是API价格下降。 结论增强条件： 若Sonnet 5.5/Haiku 5.5发布后，云厂商AI收入、推理算力订单、Agent应用ARR同步上修，则应视为产业级利多。 若调用量没有增长、企业AI预算继续收缩、模型厂商毛利率下滑，则可能转向价格战利空。 分类: AI人工智能相关新闻或者创新药相关新闻 原因: 新闻聚焦Anthropic发布新一代AI模型Sonnet 5.5，属于AI领域核心技术进展，高度相关。 重要程度: 重要 温馨提示： 请将我们的邮箱地址 "mail.lxaa.top"、"lxkj.fintechcreater.top" 添加到您的邮箱白名单，以确保您能正常接收我们的邮件。 此邮件由系统自动发送，请勿回复。 如需调整推送设置，请 登录网站 进行修改。 如果您不想再收到此类邮件，请 点击这里退订 。

Anthropic正式补齐Claude 5.5中端主力模型Sonnet 5.5，形成Opus/Sonnet/Haiku三层定价矩阵；Sonnet 5.5引入明确的缓存读取定价（0.2美元/百万token），降低长上下文Agent的实际调用成本

Anthropic发布Sonnet 5. Anthropic发布Sonnet 5.5模型。 AI 解读 Anthropic 发布 Claude Sonnet 5.5 投资分析报告 一句话结论 这是一条 产业趋势强化型利多 事件，性质上属于 Anthropic IPO 前"5.5 系列补全"的关键产品落地，而非孤立的新品发布。其核心矛盾在于" 能力下沉 + 价格通缩 "双轮驱动——200 万 token 上下文、逼近旗舰 Fable 的 Agent 能力被压进 Sonnet 档位定价，单位智能成本大幅下移，对推理算力总量和 AI 应用/Agent 落地是量增逻辑（Jevons 效应），但对模型层自身毛利和同质化中端竞品（OpenAI 中端档、国内中端模型）构成价格战压力。影响资产上， 最确定的受益在"卖铲子"环节 （英伟达/AMD、云分销平台、存储与光模块），其次是应用层成本红利，模型厂商本身收入利好但估值兑现依赖 IPO 定价。 我的倾向：偏多算力与推理基础设施、偏多 Agent 应用落地，对模型厂商中性偏多，对中端模型竞争者偏空。 事件背景与上下文（≤300 字） Sonnet 5.5 是 Anthropic 5.5 产品节奏的"第二只靴子"。脉络清晰：2 月 Sonnet 4.6（强化计算机操作）→ 7 月 Sonnet 5（迄今 Agent 能力最强，性能逼近 Opus 4.8，首发 $2/$10 优惠至 8/31 后调回 $3/$15）→ 7 月 Opus 5（性能近 Fable 5、价格减半）→ 9 月 22 日 Opus 5.5 发布并预告"未来几周推 Sonnet 5.5 与 Haiku 5.5"→ 9 月 29 日路透确认第二款 5.5 模型落地。战略动因是 IPO ：公司正以"旗舰能力中端定价"做厚收入与调用量，为上市估值铺路。研报一致指出竞争已从"刷榜"转向"能力×成本×可用性"的综合性价比战，DeepSeek V4 Flash、Grok 4.5、OpenAI Luna 均在此维度施压。需提示：200 万上下文、$2/$10 定价、缓存 $0.20 等细节多来自发布前泄露/灰测爆料，应以官方口径为准。 影响路径 传导链 ：新模型发布 → 单位 token 智能成本下降 + 长上下文/工具调用能力跃升 → Agent 可承接任务复杂度与频次上升 → token 调用量放量 → 推理算力/云分销/存储需求增长；同时 → 应用层毛利改善、模型层定价权稀释、中端竞品被迫应战。 一阶影响 ：直接利好 Anthropic 收入端（开发者/企业迁移、调用量跳升）与 AWS/微软 Foundry/谷歌云等分销渠道；直接利空 OpenAI 中端档（Terra/Luna）及国内中端模型的同质化定价空间。 二阶影响 ：推理算力链（英伟达、AMD、博通/Marvell 定制 ASIC、HBM 存储三星/海力士/美光、光模块、服务器、电力）受益于"以价换量"；AI 应用与 Agent 工具商（编码、办公、客服）受益于成本红利；传统软件外包/低代码人力环节受替代压力。 市场预期差 ：市场易 低估 "价格通缩对推理总量的刺激"（Jevons 悖论，缓存 $0.20 进一步压低边际成本），把降价误读为利空算力；也易 高估 模型厂商的定价权与毛利弹性，忽视 IPO 前"做收入、压毛利"的战术性让利。 核心分歧 看多派 ：200 万上下文 + 价格不变 = 长代码库/长文档/多步 Agent 场景的"可用性拐点"，调用量指数级增长，算力与应用双受益。 看空/有限派 ：5.5 本质是系列补全的边际迭代，非代际跃迁；价格通缩侵蚀模型毛利；发布时点服务于 IPO"做市值"，商业化兑现待验证；DeepSeek 低价心智已建立，Sonnet 难独享红利。 关键分歧变量 ： token 调用量增速能否跑赢单价跌幅 （即收入与算力需求是否真放量），以及 IPO 招股书对"以价换量"叙事的定价认可度。 我的倾向 ：偏多产业总量逻辑。理由：历史 Sonnet 5 已验证"中端旗舰化"带来调用量跃升，且云厂商 capex 指引持续上调，量增对上游的确定性高于价缩对模型层的冲击。 受影响资产分层 层级 方向 标的/行业/商品 影响逻辑 确定性 时效 直接受益 利多 英伟达、AMD（与 Anthropic 2GW GPU 绑定）、博通/Marvell 推理调用量放量，算力需求上行 高 1-2周/中长期 直接受益 利多 亚马逊(AWS Bedrock)、微软(Foundry)、谷歌云 Claude 分销与 token 计费渠道受益 中-高 日内/1-2周 直接受益 利多 三星、SK海力士、美光（HBM/DRAM） 200 万上下文+缓存读取推高存储带宽需求 中 1-2周/中长期 间接受益 利多 AI 应用/Agent 工具商、办公套件集成商 单位智能成本下降，B 端落地毛利改善 中 1-2周/中长期 间接受益 利多 光模块、服务器、电力/铜 推理集群扩容的配套需求 中 中长期 间接受损 利空 OpenAI 中端档、国内同质化中端模型厂商 性价比正面冲击，定价空间被压缩 中 1-3天/1-2周 间接受损 利空 低代码外包、传统软件人力环节 Agent 自主运行能力替代 低-中 中长期 情绪映射 中性偏多 A 股 AI 应用/算力租赁/国产大模型概念 性价比叙事催化风险偏好，但需防"利好兑现" 低 日内/1-3天 大宗/汇率/利率 中性 电力、铜；韩元（三星/海力士） 算力配套边际利好，无直接冲击 低 中长期 投资结论与观察点 短期交易 ：事件催化算力与 Claude 生态情绪，但发布本身已被路透提前定价，警惕"见光回落"；OpenAI Dev Day 若以降价/提性能回应，可能引发板块波动。 中期产业 ：确认"能力下沉+价格通缩→推理放量"主线，逢回调布局推理算力与存储，应用层优选已绑定 Agent 工作流的标的；模型厂商本身看收入增速而非单价。 最值得跟踪的 3 个信号 ：1）OpenRouter 等第三方 token 调用量数据中 Sonnet 5.5 的环比跃升幅度；2）Anthropic IPO 招股书披露的 API 收入、毛利率与调用量指引；3）云厂商/英伟达下一次财报的推理 capex 与需求表述。 结论增强条件 ：若调用量跳升 + 云厂商上调推理 capex + IPO 估值高于前轮，则"量增"逻辑确认，偏多算力/应用的判断强化；反之若单价跌幅显著压制收入、OpenAI 以更大降价反击，则需下调模型层与中端竞品的相对判断。 风险提示：200 万上下文与 $2/$10 定价部分源于发布前泄露，最终以官方口径为准；IPO 前发布存在"做市值"动机，商业化兑现存在不确定性。 分类: AI人工智能相关新闻或者创新药相关新闻 原因: Anthropic是AI公司，发布Sonnet 5.5模型属于AI领域核心新闻，高度相关 重要程度: 重要 温馨提示： 请将我们的邮箱地址 "mail.lxaa.top"、"lxkj.fintechcreater.top" 添加到您的邮箱白名单，以确保您能正常接收我们的邮件。 此邮件由系统自动发送，请勿回复。 如需调整推送设置，请 登录网站 进行修改。 如果您不想再收到此类邮件，请 点击这里退订 。

Anthropic正式落地Sonnet 5.5（路透确认）；Sonnet 5.5据称实现200万token上下文+逼近旗舰Agent能力+中端档位定价的组合

【Anthropic推出Claude S 【Anthropic推出Claude Sonnet 5.5 速度提升30%以上 成本降低30%】9月29日讯，Anthropic发布新一代AI模型Claude Sonnet 5.5，称该模型相比上一代Sonnet 5运行速度提升30%以上，执行任务成本最高降低30%。Sonnet 5.5定位为Claude 5.5系列中的中端模型，主要面向日常工作、代码修复、文档、演示文稿和表格制作等任务。 Anthropic表示，Sonnet 5.5在多项测试中性能提升明显，在Terminal-Bench 4.0代码测试中得分70.6%，高于Sonnet 5的10.3%。该模型在长周期任务、图像理解以及知识工作方面也有所增强。价格方面，Sonnet 5.5维持与Sonnet 5相同的定价，每百万输入词元收费2美元，每百万输出词元收费10美元，缓存读取每百万词元收费0.2美元，但由于模型效率提升，Anthropic称实际任务成本最高可降低30%。Anthropic称，Sonnet 5.5在安全能力方面也进行了升级，首次在Sonnet系列中采用类似高性能模型的网络安全防护措施。同时，该模型已上线Claude平台，并支持亚马逊云服务（AWS）、谷歌云（Google Cloud）和微软Azure等平台。 AI 解读 Anthropic 发布 Claude Sonnet 5.5：中端主力"加量不加价"，价格战进入第二战场 一句话结论 这是一条 产业趋势强化型的中性偏多信号 ，而非短期交易催化剂：Sonnet 5.5 以"价格不变、速度+30%、任务成本-30%"的姿态落地，意味着 Anthropic 把竞争主战场从旗舰模型正式推向 走量最大的中端价格带 。对资产的影响路径是双向的—— 利多 AI 应用/Agent 商业化与推理算力（单位成本下降打开调用量天花板，Jevons 效应主导），利空纯模型层定价权与中端竞品（含国内开源模型厂商） 。Anthropic 本身未上市，A 股没有直接标的，映射主要通过"美股云巨头持股+算力链"与"A 股应用/安全链"两条间接通道传导。我的倾向： 中期看多算力与应用，短期对"模型公司毛利"叙事保持谨慎 ，这是趋势确认而非拐点。 事件背景与上下文 需要放在 Anthropic IPO 前夜的 连续降价链 中理解，而非孤立产品发布： 时间 事件 定价动作 2026-06/07 Sonnet 5 发布，原定 8/31 后涨至 3/15 美元 2/10 美元 08-11 取消涨价，初始定价永久保留 放弃涨价权 09-02 Fable 5.1（旗舰）发布 缓存调用降价 75% 09-22/23 Opus 5.5 发布，IPO 前抢跑 单价-20%、任务成本-40% 09-23 OpenAI 发布 GPT-6 Sol/Luna 反击 API 价格永久-50% 09-29 Sonnet 5.5（本次） 单价不变、任务成本-30% 关键背景有三：①Anthropic 估值约 9650 亿美元、市场期待上市，有强烈动机用"低成本+高频迭代"讲增长故事；②国信/华鑫/国金等研报一致指出，头部竞争已从 参数与榜单 转向 能力、调用成本与产品可用性的综合平衡 ，AI Agent 商业化落地加速；③微软同期将 Copilot 折扣放宽至 30%–50%，说明 降价是全产业链行为 ，模型层只是最上游一环。 ⚠️ 数据可靠性提示 ：新闻称 Sonnet 5.5 在 Terminal-Bench 4.0 得 70.6%"高于 Sonnet 5 的 10.3%"，该对比值明显异常（Sonnet 5 在 Terminal-Bench 2.1 得 80.4%），疑为转写错误， 本报告不采信该对比 。但 70.6% 若属实，则 高于 Opus 5.5 的 66.4% ——这一点若被验证，才是本次发布真正值得交易的信息（详见核心分歧）。 影响路径 传导链 ：中端模型效率跃升 → 同等预算可执行任务量上升 → 企业 AI 支出从"试点额度"转向"规模化部署" → 应用层毛利改善/降价抢客 → 推理 Token 总量与算力需求上行 → 云厂商收入与 GPU 采购订单。 一阶影响（直接） - Anthropic ：售价不变而速度+30%，意味着 单位 GPU 小时产出 token 增加 ，毛利结构改善；但主动放弃涨价权、且旗舰与中端价差被压缩， 长期定价权受损 。 - 三大云（AWS/GCP/Azure） ：Sonnet 是渠道走量主力，同步上架三云，直接增厚推理收入；亚马逊、谷歌兼具股东+算力供应商身份， 受益确定性最高 。 - OpenAI / Gemini / 国内开源模型 ：被迫在中端价格带跟进，承压最直接。 二阶影响（产业链） - 应用/Agent 层 ：代码修复、文档、PPT、表格是办公自动化最成熟的付费场景，成本-30% 直接改善 SaaS 厂商的"AI 成本占收入比"，是 从 demo 走向可交付的关键变量 。 - 算力链 ：效率提升 ≠ 需求下降。研报反复提示，长任务、多智能体、缓存管理正成为成本结构核心， 单次便宜但调用次数与上下文长度指数增长 ，推理算力需求总量仍向上。 - 网络安全 ：首次在 Sonnet 系列引入高性能模型级防护，降低企业部署 Agent 的合规门槛，对 B 端安全预算是 边际利好 ；但模型自主漏洞发现能力增强，也抬升攻击面治理需求。 市场预期差 - 市场可能 低估 ：中端模型能力逼近/反超上代旗舰，会加速"企业把工作负载从 Opus 迁移到 Sonnet"， 放量主力是便宜模型而非旗舰 ，对应算力需求结构向推理侧倾斜。 - 市场可能 高估 ：把"任务成本-30%"直接读成"算力需求-30%"，忽略 Jevons 效应；也忽略降价对模型公司自身收入单价的侵蚀。 核心分歧 多头观点 ：能力下沉+成本下降是 Agent 规模化的最后一块拼图，企业 AI 预算约束被解除，应用与算力共振向上；Anthropic 用效率换规模，收入增速与毛利率可同步改善。 空头观点 ：这是典型的"以价换量"内卷——Sonnet 5 承诺不涨、Opus 5.5 降价 20%、GPT-6 降价 50%， 行业性通缩已确立 ；中端模型逼近旗舰后，2 倍价差难以维持，模型层沦为"管道"，利润向云与芯片转移；且国内开源模型（如 Kimi K3）在追赶，价格战无退出机制。 最关键分歧变量 ： 效率提升释放的需求弹性，能否跑赢单价下降的速度 ——即 Token 消耗量的增速是否 > 单价的降幅。 我的倾向 ：偏多头，但 受益方在云/芯片/应用，不在模型公司本身 。理由：①微软 Copilot 折扣、OpenAI 永久降价、Anthropic 放弃涨价三个独立信号同向，说明需求侧对价格高度敏感，降价带来的量增大概率超过价减；②Anthropic IPO 前需要收入增长叙事，会优先保量；③模型层差异化正在收敛，长期看议价能力弱于基础设施层。 受影响资产分层 层级 方向 标的/行业 影响逻辑 确定性 时效 直接受益 利多 谷歌、亚马逊（美股） 股东+算力供应商+云渠道三重身份；Azure 亦上架 高 1-2 周财报季 直接受益 利多 AI 算力基础设施：中际旭创、新易盛、天孚通信、工业富联、沪电股份、生益科技；第三方 IDC/液冷（润泽科技、英维克）；国产算力（寒武纪、海光信息、浪潮信息） 推理 Token 量增逻辑，效率提升扩大部署规模 中-高 中长期 间接受益 利多 企业软件/办公 Agent：金山办公、福昕软件、万兴科技、用友网络、致远互联；AI 编程工具链 中端模型成本下探，办公/PPT/表格/代码修复场景经济性成立 中 1-3 个月 间接受益 利多 网络安全：奇安信、深信服、三六零、安恒信息 模型级安全护栏降低企业 Agent 部署门槛；攻击面治理需求同步上升 中-低 1-3 个月 间接受损 利空 纯模型层厂商（商汤、科大讯飞及未上市智谱/MiniMax/月之暗面） 中端价格带被"加量不加价"挤压，被迫跟随降价、毛利承压 中 中长期 情绪映射 中性偏多 OpenAI 生态（微软、软银）、Meta AI、xAI 竞争压力叙事，但同步享受行业扩容红利，方向取决于跟进速度 低 日内-数日 商品/利率 中性偏多 电力、铜、HBM/存储 推理算力扩张的实物映射；短期无直接冲击 中 中长期 投资结论与观察点 短期交易 ：不构成独立买点。A 股映射标的多为间接受益，建议 不追高算力情绪股 ，关注 10 月云厂商财报中 AI 收入与资本开支指引的验证窗口。 中期配置 ：优先"确定性受益方"（云巨头、光模块/PCB/液冷等算力实需环节），其次"成本下降兑现为毛利"的应用层； 回避纯模型层定价权叙事 。 三个必须跟踪的信号 ： 1. OpenAI / Gemini 是否在中端价格带跟进降价 （GPT-6 Luna、Gemini Flash 定价动作）——决定价格战烈度。 2. Terminal-Bench 4.0 等榜单的第三方复核 ：若 Sonnet 5.5 确认反超 Opus 5.5，则"旗舰溢价"逻辑被破坏，需下调高端模型厂商收入预期。 3. 推理端算力租赁价格与利用率 （H100/B200 现货价、云厂商 GPU 资本开支节奏）——判断 Jevons 效应是否跑赢单价通缩。 证伪条件 ：若出现"单位任务成本下降但总 Token 调用量增速同步放缓"，则说明需求弹性不足、行业进入真实通缩，本报告看多算力与应用的核心假设将被推翻，需转向防守。 （以上为基于公开信息的分析判断，不构成投资建议。Anthropic 未上市，相关结论通过产业链间接映射，存在传导衰减风险。） 分类: AI人工智能相关新闻或者创新药相关新闻 原因: 新闻核心为AI模型Claude Sonnet 5.5的技术升级，属于典型AI领域创新新闻。 重要程度: 重要 温馨提示： 请将我们的邮箱地址 "mail.lxaa.top"、"lxkj.fintechcreater.top" 添加到您的邮箱白名单，以确保您能正常接收我们的邮件。 此邮件由系统自动发送，请勿回复。 如需调整推送设置，请 登录网站 进行修改。 如果您不想再收到此类邮件，请 点击这里退订 。

Sonnet 5.5在速度与成本效率上的同步提升（30%+速度、30%任务成本下降）；维持与Sonnet 5相同定价，意味着降价空间来自模型效率而非标价调整

【研报快讯】华鑫证券_计算机行业周报：O 【研报快讯】华鑫证券_计算机行业周报：OpenAI推出GPT-6 Sol与Luna，Anthropic发布Claude Opus 5.5_20260930.pdf 华鑫证券计算机行业周报维持推荐。报告称OpenAI推出GPT-6 Sol与Luna，API价格永久下调50%，缓存资费降至1折；Anthropic发布Claude Opus 5.5，成本较上代降40%、速度升30%。研报认为Meta Muse上线两周下载约280万次，AI智能体竞争正转向分发渠道与场景入口，并建议关注联动科技、罗博特科、唯科科技、合合信息、能科科技。 AI 解读 华鑫证券计算机周报：模型性价比战与"入口之争"——一份已部分兑现的产业确认报告 一句话结论 这是一份 "存量产业事实 + 卖方叙事切换" 性质的周报快讯，而非增量突发事件：OpenAI GPT-6 Sol/Luna 与 Anthropic Opus 5.5 的降价、Meta Muse 的下载曲线均为 9 月 22–24 日已公开信息，研报于 9 月 29–30 日做的是 趋势确认与主线重排 。核心信号是 模型层"能力过剩、价格通缩"，竞争焦点上移至分发渠道与交易场景 ——对应用层与推理算力是中长期逻辑改善（Jevons 效应下"单任务成本跌破 ROI 临界点"），对模型厂商自身则是收入天花板压力。影响资产上， 直接受益在推理算力/海外链与 Agent 治理基础设施，A 股软件股更多是二阶映射与情绪修复 ；需特别提示：研报推荐的联动科技、罗博特科、唯科科技（半导体设备/精密模具）与本新闻 几乎无因果链条 ，属惯性罗列，不应作为本事件的交易依据。我的明确倾向： 看多"降本→Agent 起量→算力与应用放量"这条中期主线，但对 A 股应用标的保持"选入口、选订单、不选叙事"的谨慎，节奏上偏左侧布局而非追高 。 事件背景与上下文 本轮降价并非孤立动作，而是 2026 年以来"性能+成本"双轨战的延续与加速：5 月小米 MiMo API 永久降价 30–50%，6 月 GPT-5.6 推出 Sol/Terra/Luna 三档分层，7 月 Anthropic Opus 5 把旗舰价砍至 Fable 5 的一半、OpenAI 再将 Terra/Luna 降 20%/80%，华泰 8 月已定性"竞争从能力排名转向同等智能成本"。9 月 22 日美东时间 OpenAI 与 Anthropic 一小时内相继发布 GPT-6 Sol/Luna 与 Opus 5.5，Sol/Luna 较前代促销价 永久 下调 50%、命中缓存降至 1 折，Opus 5.5 典型负载成本约为 Opus 5 的五分之一、输出提速 30%。值得注意的是，这是在 Anthropic CEO Amodei 呼吁"放缓前沿开发"、安全辩论白热化背景下发生的—— 性价比战已取代榜单战成为主战场 。同时，腾讯云上线 Agent 可观测服务、企业浏览器厂商 Island 以 64 亿美元估值完成 4 亿美元 F 轮（ARR 约 2 亿美元），印证"Agent 治理/可观测"正被资本单独定价。而申万计算机指数近 12 个月 -24.8% 、显著跑输沪深 300（-6.0%），板块处于深度回调后的低估值、低情绪区间，这是本报告"叙事切换"得以被市场听进去的真实底色。 影响路径 传导链 ：前沿模型 API 永久性降价 + 缓存 1 折 → Agent 多轮推理/工具调用的 单任务总成本 跌破商业可行临界点（GPT-6 Sol 在 AutomationBench 单任务成本仅为 Opus 5 的 9%，这是事实层面最硬的数字）→ 过去 ROI 为负的"邮件处理、表单填写、行程预订、采购结账"等长链路场景转为正 ROI → 需求从"问答"转向"替人做事"→ 用户增长与支付/零售连接器闭环（Muse 两周 280 万下载、日均环比 +55% 超 ChatGPT 首发同期的 24%）→ 竞争壁垒从模型能力迁移至 分发渠道与场景入口 → 入口方议价权上升、模型方毛利承压、算力方受益 Token 总量扩张。 一阶影响 ：①海外模型厂商——单价通缩但调用量弹性放大，收入取决于 Jevons 是否跑赢降价，中性偏正面但分化；②推理算力链——Agent 长链路使单任务 Token 消耗数倍于问答， 降本≠降需求 ，利好光模块/服务器/IDC/液冷及国产算力闭环；③拥有入口与交易场景的平台（Meta、腾讯、阿里、电商/支付方）——直接受益。 二阶影响 ：① Agent 治理/可观测/安全 （腾讯云可观测服务、Island 的"企业 AI Agent 控制平面"）成为新增基础设施预算科目，利好 A 股网络安全、IT 运维、可观测性相关标的；②垂直软件与 AI 应用厂商受益成本下降，但 议价权未必提升 ——若入口被平台垄断，软件商可能沦为被整合的乙方；③端侧 AI（AI 眼镜、AI 手机、随身硬件 Muse Charm）拉动终端换机与端侧算力。 市场预期差 ：市场易把"降价"读成利空（价格战、天花板下移），而真正的预期差在于 任务级经济学 ——单价下降 50% 但完成率与链路长度上升，总 Token 与总价值量反而扩张；另一处预期差是 A 股 缺乏"入口级"资产 ，"入口之争"的叙事在美股/港股有 Meta、腾讯对应，在 A 股只能映射到间接环节，这决定了 A 股应用股的弹性被高估的风险。 核心分歧 看多者 认为：模型"够用且便宜"扫清了 Agent 落地的最大成本障碍，Muse 的下载曲线是消费级智能体需求的首次硬验证，入口与场景闭环一旦跑通，应用层将迎来 2023 年算力之后的第二波主升，板块 12 个月 -24.8% 提供赔率。 看空/中性者 认为：降价本质是需求侧疲弱的被动应对，单任务成本下降若伴随客户预算同步收缩，则"以价换量"未必成立；且 A 股推荐的 5 只标的中 3 只与 AI 无直接因果，研报"凑单"痕迹重，缺乏可验证的订单与业绩拐点。 最关键的分歧变量 是： 单位成本下降带来的需求弹性是否大于价格弹性 （即 Token 总消耗与 Agent 付费用户数的增速能否覆盖 50% 降价）。我倾向 看多产业方向、谨慎 A 股映射 ：事实层面（定价、基准成本、下载增速）支撑"需求拐点"判断，但 A 股缺少入口标的、业绩兑现滞后，故应把这条主线落在 推理算力与 Agent 治理基础设施 这两个"卖铲人"环节，而非纯应用叙事股；对研报所列半导体设备/精密模具标的，本事件 不构成有效催化 。 受影响资产分层 层级 方向 标的/行业/商品 影响逻辑 确定性 时效 直接受益 利多 推理算力/光模块/服务器/IDC/液冷（海外链+国产链）、国产算力芯片闭环 单任务成本跌破 ROI 临界点→Agent 长链路推理放大 Token 总量，Jevons 效应主导 高 1–2 周/中长期 直接受益 利多 Agent 可观测/治理/安全基础设施（对应腾讯云可观测服务、Island 融资叙事） 企业级 Agent 上量催生"治理控制平面"新增预算，资本已单独定价该细分 中–高 1–2 周/中长期 直接受益 利多 拥有分发入口与交易场景的平台（Meta、腾讯、阿里、电商/支付，A 股映射弱） "入口之争取代榜单之争"，议价权向渠道与场景方集中 高（海外/港股） 中长期 间接受益 利多 工业软件/垂直 AI 应用（ 能科科技 、 合合信息 ＝智能文字识别） 模型降本降低集成与调用成本，垂直 Know-How+场景落地者受益；但与本新闻为二阶传导 中 1–2 周/中长期 间接受益 利多 端侧 AI 硬件链（AI 眼镜、AI 手机、随身硬件、连接器/结构件） Muse 铺向眼镜与 Charm、豆包手机助手落地，拉动端侧算力与硬件 中 1–3 天/中长期 情绪映射 中性偏多 计算机板块整体、AI 应用主题 板块 12M -24.8% 处低位，"主线切换"叙事提供估值修复催化，但属存量信息 低 日内–3 天 关联度低（提示） 中性 联动科技、罗博特科（半导体设备）、唯科科技（精密模具） 与模型降价/Muse 入口无直接因果，系研报中长期关注池惯性罗列， 不应作为本事件交易依据 低 — 受损/承压 利空 纯模型 API 厂商、无差异化的"套壳"应用、独立大模型创业公司 永久性降价+开放权重（DeepSeek/Kimi 路线）双向挤压毛利与融资窗口 中 1–2 周/中长期 商品/汇率/利率 中性偏多 电力、铜/液冷耗材、AI 相关资本开支链金属 推理放量延续算力基建需求；若降息预期升温则利好长久期成长（计算机）估值 低–中 中长期 投资结论与观察点 短期（日内–3 天） ：事件已发生约一周、数据多为公开存量， 追高交易价值有限 ；若板块因"入口之争"叙事脉冲式反弹，宜视为情绪修复而非右侧买点，对研报"凑单"标的（半导体设备/精密模具）不参与。 中期（1–2 周–数月） ：坚持"卖铲人优先"——推理算力与 Agent 治理/可观测是确定性最高的两条腿；应用层只选 有真实订单或入口绑定 的标的（垂直工业 AI、文字识别/文档智能这类能直接吃到"降本→调用量上升"的环节），回避纯概念。 最值得跟踪的 3 个信号 ：① Token 总消耗/推理量增速 vs API 单价降幅 ——若国内云厂或 OpenRouter 类平台周度 Token 调用量环比持续两位数增长，则 Jevons 假设成立，算力与应用双主线确认；② Muse/豆包手机助手等消费级 Agent 的付费转化与 DAU 留存曲线 （SensorTower 后续周度数据），验证"入口闭环"是昙花一现还是结构性迁移；③ A 股标的的 Agent 相关订单/合同负债/云厂采购公告 ，特别是能科科技、合合信息是否出现可验证的收入拐点——这是把"叙事"切换为"业绩"的唯一硬指标。 结论倾向 ：本新闻是 中长期产业逻辑的边际改善确认 （利多应用与推理算力、中性偏空纯模型层），叠加板块深度回调后的 情绪面修复期权 ；但 A 股映射链条长、入口资产稀缺，故 方向看多、节奏左侧、选股从严 ，并明确剔除与本事件无因果的半导体设备/精密模具标的。风险在于"以价换量"证伪、Agent 任务完成率与用户信任不及预期、以及板块 12 个月跑输背后隐含的业绩下修尚未充分出清。 分类: AI人工智能相关新闻或者创新药相关新闻 原因: 新闻核心内容聚焦于OpenAI与Anthropic发布的AI大模型及其技术迭代，属于典型的AI人工智能领域最新进展。 重要程度: 重要 温馨提示： 请将我们的邮箱地址 "mail.lxaa.top"、"lxkj.fintechcreater.top" 添加到您的邮箱白名单，以确保您能正常接收我们的邮件。 此邮件由系统自动发送，请勿回复。 如需调整推送设置，请 登录网站 进行修改。 如果您不想再收到此类邮件，请 点击这里退订 。

报告将多起9月已知事件进行系统性串联，定性'模型层能力过剩+价格通缩'，明确提出'入口之争取代榜单之争'的叙事切换，并指出推理算力与Agent治理/可观测为确定性最高的两条主线

# 3Q26 大模型发展复盘及展望 ## 单任务成本下降及 RSI 深化推动 AI 使用深度提升 复盘 3Q26 行业发展：1）基础模型智能能力继续提升，Claude Opus 5.5 与 Sonnet 5.5 领跑全球，中国厂商维持开源模型领域的优势，但开源模型的竞争亦有加剧趋势；2）行业探索突破方向为强化电脑操作、长程软件工程及网络安全能力，推动编程与 Agent 向完整工作流延伸；3）用户规模增长与使用深度提升共同推动商业化进展，而国内大模型厂商通过与海外云平台按调用量分成有望进一步拓宽收入来源。展望而言，我们判断模型能力上界依旧是决定差异化定价能力的关键，每任务成本下降及 Agent 化有望为调用量快速增长提供支撑。高价值且 ROI 具备吸引力、产出结果具备可验证性、数据充足、出错代价可控是推动 AI 在垂类场景渗透进一步提升的关键要素，而 RSI 的深化或有望进一步推动 AI 使用深度提升。股票推荐：1）海外云厂商：建议关注亚马逊（AMZN US）、微软（MSFT US）和谷歌（GOOG US）；2）中国云和 AI 应用：推荐阿里巴巴（BABA US）和腾讯（700 HK）；3）大模型标的：看好智谱（2513 HK）和 MiniMax（100 HK）。 行业进展：电脑操作、长程软件工程及网络安全为主要突破方向。3Q26 模型真实任务执行能力进一步提升：1）电脑操作与成果编辑逐步整合，Cowork 等产品将资料读取、跨软件操作和文档交付连接起来，推动 Agent 从编程向通用办公进一步扩展；2）软件工程能力由代码生成向长时间自主执行延伸，模型能够围绕同一目标持续开展开发、测试及问题修复；3）网络安全应用向漏洞检测与自动修复拓展。我们认为，长程任务完成能力的提升将扩大 AI 可承接的工作范围，为更高频、持续性的调用提供支撑。 行业趋势：用户规模扩张，头部付费群体使用深度提升。用户规模层面，ChatGPT周活由2026年的8月的10亿增至10月的12亿，美国消费者样本中至少付费订阅ChatGPT、Gemini或Claude之一的比例，亦由2025年8月的 $2.1\%$ 升至2026年8月的 $4.5\%$ 。使用深度维度，B端高强度用户持续增加投入，Ramp美国企业样本中，2026年8月Top $1\%$ 企业每员工月度AI支出达7,205美元， $+198\%$ YoY，Top $10\%$ 及中位企业支出分别同比增长 $246\%$ 及 $165\%$ 。C端付费渗透方面，头部付费人群的支出增长更快，YipitData数据显示，2025年1月至2026年8月，美国Top $1\%$ AI付费用户平均月支出增长 $79\%$ ，搭建与自动化、内容创作、事务处理是重要的付费场景。 商业模式：海外模型商业化持续深化，国内模型变现渠道进一步拓宽。3Q26海外AI平台商业化主要边际变化包括：1）OpenAI企业业务增长提速支撑年化收入运行率（ARR）快速增长，3Q26公司企业业务ARR同比增长 $107\%$ （据CNBC）；2）广告商业化继续推进。国内AI平台商业化进展层面，海外云平台收入分成模式成功拓展。 未来展望：RSI加速模型迭代，每任务成本下降及电脑操作推动AI渗透率提升，关注Agent进展。我们预期，RSI持续深化有望推动AI渗透率进一步提升。Anthropic披露的AI主导研发工作占比于8月已升至26%（3月：1%）。模型能力提升与每任务成本下降共同改善用户ROI。电脑操作能力提升使AI能够参与更多非编程办公流程，日常工作中的提效案例有望形成积极的示范效应，进一步提升B、C端渗透率与使用深度。Agent进展深化的过程中，我们认为行业的竞争有望逐步从“谁的模型更强”转向“谁能拥有用户的长期工作流”，未来中间层的SaaS和自动化工具的价值存在被挤压的风险，而治理和合规有望获得更多的重视。 优于大市 (维持) 中国互联网行业 贺赛一, CFA (852) 3916 1739 hesaiyi@cmbi.com.hk 陶冶, CFA (852) 3850 5226 franktao@cmbi.com.hk 陆文韬, CFA luwentao@cmbi.com.hk ## 郭书音 (852) 3916 3716 guoshuyin@cmbi.com.hk ## 相关报告链接 1. 软件 & IT 服务 - 海外软件选股策略深度 报告：在共识中寻新机 - 9 Oct 2. Z.AI (2513 HK; BUY) - Scaling intelligence, scaling monetization – 2 Sep 3. Minimax (100 HK) 1H26 review: strong monetization; extending performance-cost frontier of large model – 27 Aug 4. Alibaba (BABA US) - 2Q26 review: Strong cloud growth prospects with clear ROIC visibility – 21 Aug 5. Z.AI (2513 HK) - GLM-5.3 unveiled with strong capabilities – 14 Aug 6. Tencent (700 HK) - Solid 2Q26 results: gradually capturing AI benefits in the long run – 13 Aug 7. 北美云大厂业绩超预期有哪些投资启示? - 6 Aug 8. Amazon (AMZN US) 2Q results: Solid AWS revenue growth and margin expansion – 3 Aug 9. Alphabet (GOOG US) - 2Q26 results: Strong AI demand continues to drive cloud acceleration and solid core search – 23 Jul 10. Tencent (700 HK) - Solid core business growth; investing to accelerate AI development – 13 Jul 11. AI 主题研究 - 2Q26 大模型发展复盘及展望：关注算力利用效率提升及差异化定价能力 - 6 Jul 12. AI 主题研究 - 1Q26 大模型进展复盘：关注 Agent 化及 B 端突围 - 16 Apr ## 目录 行业发展趋势：模型能力持续提升，新场景应用推动商业化扩张……3 大语言模型：模型能力快速迭代，Claude领跑全球，小米及智谱位居开源前列……4 效率优化：专业能力与任务成本共同决定应用扩张空间……8 行业探索最新进展：电脑操作与专业工具结合，AI向完整工作流延伸……10 大语言模型需求展望：用户与使用强度同步提升……15 多模态：海外厂商领跑图像，中国厂商保持视频优势……19 龙头基础模型平台模型及业务进展更新……21 海外AI基础模型平台：商业化持续加速，Agent拓展付费场景……21 国内AI基础模型平台：长程能力与推理效率同步改善，API商业化加速……27 重点覆盖公司3Q26 AI业务进展更新……35 Meta：C端Agent加速落地……35 腾讯：WorkBuddy持续领跑国内办公Agent市场……36 阿里巴巴：深化全栈布局、拓展全球数据中心规模……38 股票推荐……39 ## 行业发展趋势：模型能力持续提升，新场景应用推动商业化扩张 复盘 3Q26 大模型行业发展，我们观察到三个主要趋势：1）基础模型智能能力继续提升，Claude Opus 5.5 与 Sonnet 5.5 领跑全球，中国厂商维持开源模型领域的优势；2）编程与办公 Agent 向长程任务、电脑操作及专业工作流延伸，模型开始参与自身研发，推动持续运行及并行实验带来的 Token 需求；3）推理效率优化与商业模式创新同步推进，订阅、API 及云平台收入分成共同扩展模型厂商的变现空间。 前沿模型继续提升能力上界，中国厂商保持开放权重模型优势。根据 Artificial Analysis 截至 2026 年 10 月 2 日的数据，Claude Opus 5.5 及 Sonnet 5.5 的智能能力指数为 58 及 56 分，10 月发布的 Meta Muse Wonder Full 亦达到 56 分；小米 MiMo-V2.6-Pro 为 46 分，智谱 GLM-5.3 及 Qwen3.8 Max 均为 45 分。专业场景中，模型优势随任务变化；图像生成由 OpenAI 领跑，中国厂商在文生视频保持较强竞争力。 AI 商业化持续加速，增长动力来自用户规模与使用深度同步提升。ChatGPT 周活用户由 2026 年 8 月的 10 亿增至 10 月的 12 亿；Ramp 样本中，8 月 Top 10% 及中位企业每员工月度 AI 支出分别为 675.60 美元和 12.50 美元，同比增长 245.5% 及 165.4%。高价值用户方面，a16z 引用的美国订阅样本显示，Claude 月费 100 美元及以上订阅占比为 7.3%，高于 ChatGPT 的 1.3%。我们判断，长程编程及专业办公场景的持续拓展，将推动付费用户渗透率与单用户使用量进一步提升。 展望而言，我们判断模型能力上界依旧是决定差异化定价能力的关键，推理效率优化则为更大规模调用增长提供支撑。Agent 产品持续拓宽可执行任务范围，研发自动化进一步增加高强度、长时间运行的推理需求。商业化方面，海外厂商通过分层订阅及企业端变现提升单用户价值，国内厂商则在自营 API 之外，通过与云平台分成扩大开放权重模型的收入来源。我们持续看好基础模型、云基础设施及编程和专业 Agent 应用的增长空间。 ## 大语言模型：模型能力快速迭代，Claude 领跑全球，小米及智谱位居开源前列 3Q26 模型迭代保持高频，9月为季度内发布最密集的月份。按 OpenAI、Anthropic、Google、DeepSeek、智谱、月之暗面及小米七家重点厂商统计，7-9月共发布21批、27个核心通用及推理模型版本，其中9月发布14个版本，占季度总数的 $52\%$ 。美国厂商以Anthropic和OpenAI为代表，持续提升前沿模型的编程、电脑操作及长程任务能力，并以不同能力及价格档位推动付费渗透；中国厂商则在开放权重路线下，更重视架构、推理效率及国产算力适配，并通过云平台合作扩大商业覆盖。 图 1：3Q26 核心模型迭代时间轴 厂商 7月→ 8月→ 9月 OpenAI 07/09 GPT-5.6 Sol / Terra / Luna 09/03 GPT-6 Astra 09/22 GPT-6 Sol / Luna 09/29 GPT-6.1 Sol Anthropic 07/24 Opus 5 09/01 Fable 5.1 / Mythos 5.1◆ 09/22 Opus 5.5 09/28 Sonnet 5.5 Google 07/21 Gemini 3.6 Flash / 3.5 Flash-Lite 08/13 Gemini 3.7 Flash 09/02 Gemini 3.8 Flash 09/30 Gemini 4 Argon◆ DeepSeek 07/31 V4-Flash-0731 08/13 V4-Pro-0813 09/10 V4.1-Flash 08/21 V4-Flash-Vision-Exp 智谱 08/14 GLM 5.3 08/26 GLM 5.3 Flash Moonshot 07/16 Kimi K3 09/11 Kimi K2.8 Preview 小米 09/22 MiMo V2.6 Pro / Flash 资料来源：公司资料，招银国际环球市场 注：1）统计周期为2026年7-9月；2）同厂商同日发布计一批，独立型号分别计版本，受限及预览型号在图中以◆标注。 从模型能力表现来看，根据 Artificial Analysis 智能能力指数，当前行业综合能力排名领先的模型为 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）和 Meta Muse Wonder Full（56 分），其后为 Claude Fable 5.1、OpenAI GPT-6 Astra 及 Google Gemini 4 Argon（均为 53 分），GPT-6.1 Sol 为 52 分。Claude Opus 5 至 Opus 5.5 的综合能力由 51 分提升至 58 分，GPT-5.6 Sol 至 GPT-6 Astra 由 47 分提升至 53 分，海外头部厂商持续推升前沿模型能力。 而中国厂商中小米MiMo-V2.6-Pro以46分领跑，智谱GLM-5.3及阿里巴巴Qwen3.8 Max均为45分，月之暗面Kimi K3和阶跃星辰Step 5 Preview均为44分，构成国内第一梯队。分项来看，Kimi K3、Step 5 Preview及MiMo-V2.6-Pro在长上下文推理评测AA-LCR中的成绩分别为 $89\%$ 、 $88\%$ 及 $86\%$ ；GLM-5.3在Terminal-Bench4.0中的成绩为 $42\%$ ，高于MiMo-V2.6-Pro的 $35\%$ 及Kimi K3的 $13\%$ 。月之暗面、阶跃及小米在长上下文能力方面表现突出，智谱则在终端编程任务中表现较强。 图 2：主流大语言模型能力排名 ![](images/3e67e3f0091a18555650104bea061c454b1756a1b2dab544c0f2a8737b1b9f22.jpg) 资料来源：Artificial Analysis，招银国际环球市场 注：Opus 5.5、Sonnet 5.5 及 Fable 5.1 采用 Adaptive Reasoning、Max Effort 及 Default Fallback；Haiku 5.5 及 Muse Wonder 系列采用 Max 档。 从开源和闭源模型的对比来看，闭源模型仍维持能力上界优势，中国厂商继续领跑开源权重模型。小米MiMo-V2.6-Pro以46分位列第一，智谱GLM-5.3及月之暗面Kimi K3分别为45分和44分，GLM-5.3-Flash及DeepSeek V4.1 Flash分别为42分和39分。当前开源权重领先模型与闭源领先模型的综合评分相差12分。 图 3：开源及闭源模型能力对比及智能能力指数 ![](images/cc90e75bd1dd6c877ef7568f684452c458fb297ffc4e5a23313a5aed68b4ef12.jpg) 资料来源：Artificial Analysis，招银国际环球市场 注：蓝色为开源权重模型，黑色为闭源模型。 在智能体领域，Anthropic 继续领跑实际工作任务交付。Claude Sonnet 5.5 及 Opus 5.5 在 AA-Briefcase 中的 Elo 分别为 1,823 及 1,807，Muse Wonder Full 及 Wonder 为 1,729 及 1,659；中国厂商中，Qwen3.8 Max、MiMo-V2.6-Pro 及 GLM-5.3 分别为 1,617、1,516 及 1,509。GLM-5.3 较 GLM-5.2 在同口径评测中的 AA-Briefcase Elo 由 1,230 升至 1,509，AutomationBench-AA 业务流程自动化任务通过率由 28% 升至 62%，模型迭代进一步强化了工具调用、业务流程执行及工作成果交付。 图 4：大模型智能体工作任务能力对比 ![](images/8c9a1f1974fda0f71f0973ba33bed98e06e342b60e57788cf0d889bacca78b13.jpg) 资料来源：Artificial Analysis，招银国际环球市场 注：AA-Briefcase v1.1 衡量模型执行知识工作并交付文件成果的能力。 在商业化得到广泛验证的编程领域，Claude Code/Sonnet 5.5 与 Muse Code/Muse Wonder Full 的能力指数均为 68 分，Claude Code/Opus 5.5 为 66 分；Antigravity CLI/Gemini 4 Argon、Codex/GPT-6.1 Sol（Xhigh）及 Codex/GPT-6 Astra（Max）分别为 64、63 及 62 分。中国模型中，OpenCode 搭配 GLM-5.3 为 54 分，Kimi Code CLI 搭配 Kimi K3 为 52 分。分项来看，Codex 搭配 GPT-6.1 Sol 在 DeepSWE 软件工程评测中的通过率为 73%，Claude Code 搭配 Sonnet 5.5 为 72%，Kimi Code CLI 搭配 Kimi K3 为 68%。 图 5: 大模型编程能力排名 ![](images/4d58bbd4cd02578091824a5d9aa036c727241051f4c3a3c37f9e492766700e55.jpg) 资料来源：Artificial Analysis，招银国际环球市场 注：Coding Agent Index v1.5 由 DeepSWE v1.1、Terminal-Bench 4.0 及 SWE-Atlas-QnA 三项评测得分等权平均计算。图中为编程工具或框架与底层模型的组合。 同一能力区间内，单任务费用差异已较为显著。Codex 搭配 GPT-6.1 Sol 的编程能力指数为 63 分，略高于 GPT-6 Astra 组合的 62 分，但单任务测试费用由 7.47 美元降至 1.04 美元、降幅约 86%，任务耗时由 29.4 分钟降至 15.5 分钟、缩短约 47%。均衡模型能力提升与 Harness 优化，使更多日常编程任务能够以较低费用完成，也为更复杂、持续时间更长的任务释放调用预算。 ## 图 6: GPT-6.1 Sol 与 Astra 的编程能力及单任务费用对比 ![](images/8dd99a14ef18028d612c7bbfe24ff2dfee4a6f184ee247f3e3ec8c967f87e228.jpg) 资料来源：Artificial Analysis，招银国际环球市场 注：Coding Agent Index v1.5 由 DeepSWE v1.1、Terminal-Bench 4.0 及 SWE-Atlas-QnA 三项评测得分等权平均计算。图中为编程工具或框架与底层模型的组合。 专业场景的模型表现进一步体现差异化。Artificial Analysis 的 Capability Scores 覆盖金融与会计、战略与运营、法律、医疗与健康、工程及经济学六类场景，按职业任务需求，对领域知识、推理、知识工作及工具使用等能力加权。其中，战略与运营的智能体知识工作与工具使用权重合计占 65%，工程与经济学的领域知识与推理权重合计分别占 65% 及 70%，法律和医疗另设 10% 的非幻觉权重。不同场景对能力组合的要求，推动基础模型向专业工作进一步延伸。 海外模型中，Claude Opus 5.5 在六类场景均保持领先。截至 2026 年 10 月 13 日，在图 7 选取的 18 款代表模型中，Opus 5.5 六项得分均为最高，分别为 60.7、63.7、63.3、60.5、60.4 及 65.6 分。Sonnet 5.5 工程得分为 58.4，接近 Opus 5.5 的 60.4；Gemini 4 Argon 法律得分为 60.0，高于 GPT-6 Astra 的 58.5 及 Sonnet 5.5 的 56.4。 国内模型呈现不同的专业场景优势。在图 7 选取的 7 款国内模型中，Kimi K3 在金融与会计、法律及经济学三项居首，分别为 46.9、48.6 及 53.4 分，其中经济学与 MiMo-V2.6-Pro 的 53.2 分接近；DeepSeek V4.1 Flash 在战略与运营为 51.7 分，高于 Kimi K3 的 50.5 分及 MiMo-V2.6-Pro 的 47.8 分；GLM-5.3 在医疗与健康为 46.7 分，在工程为 47.1 分，后者与 MiMo-V2.6-Pro 的 46.9 分接近。由此可见，综合指数中的国内领先模型并未包揽所有专业场景首位，垂直应用需要进一步比较领域知识与执行能力的组合。 图 7: 中外代表模型的六类专业场景能力评分 模型及评测配置 金融与会计 战略与运营 法律 医疗与健康 工程 经济学 Claude Opus 5.5 Max 60.7 63.7 63.3 60.5 60.4 65.6 Claude Sonnet 5.5 Max 57.2 59.6 56.4 58.1 58.4 60.8 Muse Wonder Full Max 54.2 57.8 54.7 — 57.0 60.7 Claude Fable 5.1 Max 56.4 59.7 60.5 58.0 56.5 62.7 GPT-6 Astra Max 55.2 57.3 58.5 51.7 54.7 59.8 GPT-6.1 Sol Max 54.0 57.0 57.7 51.2 53.9 59.3 Gemini 4 Argon High 53.8 56.2 60.0 — 55.2 60.4 Muse Wonder Max 51.3 54.8 52.0 — 53.8 57.7 Muse Spark 1.3 Max 49.8 51.2 50.9 49.7 49.4 56.3 Grok 4.7 Xhigh 51.9 54.4 54.1 47.2 47.4 55.7 Claude Haiku 5.5 Max 43.9 40.4 42.3 44.1 44.9 51.2 MiMo-V2.6-Pro 46.1 47.8 44.8 41.8 46.9 53.2 Qwen3.8 Max 0902 45.6 47.3 46.1 41.4 46.4 52.3 GLM-5.3 Max 44.7 47.6 42.0 46.7 47.1 51.2 Step 5 Preview 45.4 47.1 46.2 40.8 45.0 52.8 Kimi K3 Max 46.9 50.5 48.6 45.0 43.3 53.4 DeepSeek V4.1 Flash Max 45.0 51.7 41.3 40.6 39.3 44.4 MiniMax-M3 30.1 25.0 31.5 29.7 31.2 43.7 资料来源：Artificial Analysis，招银国际环球市场 注：1）数据截至2026年10月13日；2）指数得分越高表明能力越强，保留一位小数；3）各场景基准及权重不同，分数仅在相同场景内可比、并不适合在场景间交叉对比；4）模型档位按AA标注列示；5）“—”表示AA未提供完整评分，不代表零分。 模型在专业场景中的差异，为行业 Agent 应用提供了更多的新产品开发空间。战略运营类任务更依赖跨工具执行，工程和经济分析更依赖领域知识与推理，法律及医疗则重视事实可靠性和长篇资料处理。我们认为，行业应用厂商通过接入客户资料、专业软件及业务流程，可以在基础模型之上提供更完整的工作成果，并围绕使用量、席位及交付价值形成收费。 ## 效率优化：专业能力与任务成本共同决定应用扩张空间 专业能力接近时，调用费用差异影响企业可持续运行的任务规模。截至2026年10月2日，Artificial Analysis公布的Max档数据中，GPT-6.1 Sol与GPT-6 Astra的战略运营评分分别为57.0及57.3分，平均每评测任务费用为0.67及3.04美元；金融与会计评分分别为54.0及55.2分，费用为0.55及2.45美元。Sol在两项场景的费用均低约 $78\%$ ，为日常文档处理、重复分析和持续办公提供了不同的能力与费用选择。 推理与执行框架优化共同提高算力利用效率。架构和注意力优化减少长上下文计算及存储开销，缓存复用降低重复输入费用，服务系统优化缩短生成时间；Harness 则通过上下文管理和工具反馈，减少无效步骤与重复调用。对企业而言，模型调用价格下降与任务成功率提升同时发生，意味着相同预算能够支持更多分析、验证及持续运行的 Agent 任务。 调用成本下降有望进一步扩大 Token 需求。随着模型能够处理更复杂的工作，客户节省的费用有望部分转化为新增调用，包括更长的上下文、更多轮次的验证及多个 Agent 并行执行。Agent 使用强度已明显高于人工聊天：OpenRouter 数据显示，2026 年 8 月 Agent 七日平均 Token 用量达到 7.3 万亿，较今年 2 月 6 日增长约 14 倍；同期 Agent 的缓存 Token 占比由年初 65% 升至 86%，高于人工交互的 29%。缓存降价降低长任务的重复输入费用，也支持 Agent 在同一上下文内持续推进工作。 图 8: 2 月 6 日至 8 月 10 日，agents 7 天平均 token 使用量上涨 14 倍，而人类使用量上涨 2.8 倍 ![](images/acf8ee24edaad3714bc264ab5db27fef93a3f822f7f7b1668eb7f7bf98b474cc.jpg) 资料来源：OpenRouter，招银国际环球市场 注：数据截至2026年8月10日 图 9: Agent 的缓存 Token 占比显著高于人工交互 ![](images/aaecec011a0f308bcc1f8bcc3055d032343c1a48d737903ee43c6d89ef9c15ec.jpg) 资料来源：a16z、OpenRouter，招银国际环球市场 ## 行业探索最新进展：电脑操作与专业工具结合，AI向完整工作流延伸 大模型应用的探索重点进一步转向完整任务执行。3Q26 我们观察到：1）电脑操作与成果编辑结合，编程 Agent 向非编程办公场景扩展；2）行业资料、连接器及专业软件接入，推动 AI 进入法律、金融和工程等工作流；3）研发自动化由辅助编程向实验执行及问题修复推进。这些变化使 AI 承接的任务由短对话转向连续工作，增加长时间运行和多 Agent 并行的推理需求。 ## ■ Harness 优化与开放推动模型能力落地 Harness 优化使模型在参数不变的情况下提升任务表现，成为全栈效率竞争的重要环节。Harness 负责组织上下文、工具调用、任务状态及执行过程。据 OpenAI 2026 年 8 月 19 日披露，保持 GPT-5.6 Sol 模型不变，通过保留推理记录及压缩上下文，ARC-AGI-3 成绩由 13.3% 升至 38.3%，输出 Token 消耗降至原来的六分之一。LangChain 于 2 月 17 日披露，在保持 GPT-5.2-Codex 不变的情况下，调整提示词、工具及执行流程，使 Terminal-Bench 2.0 成绩由 52.8% 升至 66.5%。模型能力与执行框架协同优化，将同时影响 Agent 的任务成功率、执行速度及调用费用。 通用执行框架开放，行业应用的差异化进一步落在资料与业务流程。OpenAI 于 2026 年 8 月 19 日披露，Codex 开源执行框架可通过 SDK 及 app-server 嵌入第三方产品，开发者能够复用上下文管理、工具调用、沙箱及审批等能力。DeepSeek Harness 于 9 月 29 日开放开发者预览及源码，将模型、工具、会话、沙箱和调度组件插件化，支持执行记录追踪、恢复及重放。我们认为，通用组件的开放将降低 Agent 开发门槛，行业应用厂商可更集中地投入机构资料、专业软件接入及业务流程，围绕特定行业需求形成产品差异。 ## ■ 应用场景从通用办公延伸至专业行业与模型研发 电脑操作与成果编辑逐步整合，通用 Agent 扩展至非编程办公任务。OpenAI 于 2026 年 7 月 9 日推出 ChatGPT Work，将应用、本地文件及网页接入持续执行过程，并生成可编辑的文档、表格和演示文稿；Anthropic 于 9 月 16 日宣布逐步合并 Cowork 与 chat，并以测试功能推出 Claude Docs 及 Slides。非编程工作已有使用基础：Anthropic 公布的 5 月 11-31 日 120 万次 Cowork 会话样本中，业务流程与运营、内容创作与文案分别占 33.4% 和 16.4%。我们认为将资料读取、跨软件操作和成果编辑连成完整流程，有望提高 AI 在日常办公中的参与深度，并扩大可重复执行的任务量。 法律应用通过接入文档、条款规则和专业软件，将 AI 嵌入合同审阅与尽职调查。Anthropic 于 2026 年 5 月 12 日推出法律行业方案，新增 20 多个连接器及 12 个专业插件，支持按团队条款手册起草、修订和逐条比较合同，并将结果继续用于邮件、清单及汇报材料。据 Anthropic 披露，Harvey 在不足一个月内完成 Claude 的平台集成，覆盖 Assistant、Vault 及 Workflows 中的文档审阅与起草。机构资料和审阅规则的接入，使模型可以承担一项法律事务中的多个连续步骤，也为专业应用持续扩容提供基础。 金融应用向财富管理延伸，跨系统信息整理成为新增任务入口。Anthropic 于 9 月 14 日推出 Claude for Financial Advisors，连接客户关系管理、投资组合、托管及财务规划系统，提供会前准备、组合分析和合规检查等工作流，由顾问审阅结果并批准关键操作。银行内部已有多场景部署：据 Anthropic 的 N26 案例，首年上线 15 个以上内部应用，覆盖多语言客服、拒付处理及金融犯罪调查支持，在目标流程中实现最高 70% 的任务自动化。我们预计，随着客户资料、分析及沟通环节进一步贯通，金融 AI 有望提高单个团队可服务的客户数量和工作范围。 专业应用已形成新增付费，客户扩容与邻近行业延伸提供增长路径。法律人工智能初创企业 Harvey 于 2026 年 7 月 16 日披露，2Q26 净新增 ARR 超过 1 亿美元；公司已服务超过 125 家资产管理机构，包括 Blue Owl、Bridgewater 及 KKR，并收购 Benchmark，将尽职调查和交易文档分析进一步延伸至投资决策流程。法律与资产管理共享大量文档审阅、资料提取和知识复用需求，成熟产品可沿既有客户扩大部署岗位，并向相邻专业市场拓展。 芯片设计展示了通用模型与专业工具结合后，任务范围由验证调试向设计生成扩展的路径。Cadence于2026年2月推出ChipStack AI Super Agent，通过调用EDA工具执行设计、测试和问题修复；9月22日再推出RTL Generation Agent，支持从设计规格生成RTL代码，并按功耗、性能和面积要求迭代优化。公司早期评估显示，相比直接使用基础模型生成代码，设计面积和功耗平均分别降低 $24\%$ 及 $18\%$ ；相关新增能力计划于4Q26向部分早期客户开放。专业软件提供可检验的反馈，使AI能够围绕同一设计目标持续试验和改进，工具接入与验证流程因而成为工程应用的重要产品基础。 ## ■ 递归自我改进（RSI）：模型参与自身研发，实验并行化扩大 Token 需求 模型研发自动化正由辅助编程向连续实验执行推进。递归自我改进（RSI）的目标是让模型参与自身研发，通过代码、实验及优化工作改进下一代模型，再由更强的模型提高后续研发效率。我们观察到，当前落地主要集中于三类任务：1）编写和测试研发代码；2）读取实验日志、定位问题并修复；3）并行开展实验及比较结果。研发任务持续时间更长，且可以由多个Agent同时推进，因此模型能力提升有望带动更多内部推理需求。 Anthropic 的 AI 主导研发工作占比已升至 26%，并行 Agent 规模达到约 3 万个。据 Anthropic 9 月披露，按 2026 年 7 月固定研发任务篮子及人员投入加权，Claude 主导工作占比由 3 月 1% 升至 5 月 12%、7 月 22% 及 8 月 26%，达到 AI 协作及以上水平的占比超过 90%。在 AI 主导的任务中，研究员给出目标，Claude 自行读取日志、定位问题、编写及测试修复方案，研究员负责监督和部署决策。同期，公司最常用内部平台约有 3 万个 Agent 并行开展研究及工程任务，研发执行由单个助手扩展至大规模并行。 研发自动化已带来具体工程产出。Anthropic 披露，截至 5 月，合入代码库的代码中超过 80% 由 Claude 编写，2Q26 工程师人均每日合入代码量达到 2024 年的约 8 倍；4 月，Claude 完成 800 多项修复，使一类 API 错误减少约三个数量级。模型连续执行编写、测试与修复，减少研究员的逐步操作，支持更多排错和优化任务并行推进。 图 10: Anthropic 模型研发工作中 AI 主导占比升至 26% ![](images/1bc8f56206817f5deac89dffa83efa4a42c08a067243b7a677553790600eec62.jpg) 资料来源：公司资料，招银国际环球市场 OpenAI 已达到“自动化研究实习生”阶段，研发 Agent 投入继续上升。据公司 2026 年 9 月 6 日披露，系统已能在人类指导下完成原需熟练研究员数日的明确研发任务，下一目标为 2028 年 3 月的自动化 AI 研究员。截至 8 月中旬，研究组织每个人类工作日对应约 3.1 个 Agent 工作日，按累计运行时间及 8 小时工作日折算。8 月研究员每日推理用量按 API 价格计，中位数超过 600 美元、90 分位超过 7,000 美元，每名活跃实验人员的实验数量创 2025 年 1 月以来新高。我们预计研发自动化将成为模型厂商内部新增的高强度推理场景，并通过更密集的实验推动后续模型迭代。 RSI 的推进将进一步拉动 Token 用量。OpenRouter 数据显示（图 8），Agent Token 用量超过人工交互，自动化执行正成为重要的推理需求来源。随着模型更多参与代码编写、实验设计、结果分析及反复验证，模型研发将产生持续、多轮的推理调用；多 Agent 并行运行则增加同一研究团队能够同时推进的实验数量。模型能力提升还将扩大可自动化的研发范围，使 Agent 能够承担更完整的研发流程。由此，研发效率的改善有望转化为更多实验和更快迭代，推动模型研发本身成为持续增长的 Token 需求来源。 ## ■ 数据控制与操作审计支持更深的任务授权 企业数据与操作权限管理完善，支持 Agent 接入更多核心业务。Anthropic 于 2026 年 9 月 1 日宣布 Enterprise Frontier Safeguards（EFS），与金融、法律、医疗等行业的 100 多家客户共同设计，计划于秋季稍晚分阶段推出。方案将活动数据保存在客户控制的云环境中，自动识别异常并交由客户团队审查。权限、审计及验证与现有系统结合，使企业可以向 Agent 开放更多内部资料和连续操作流程，扩大 AI 在专业场景中的部署范围。 图 11: 前沿大模型最新进展及参数 厂商 最新旗舰/主力模型 最新进展 较上一代版本的核心优化 更注重的功能方向 上下文窗口(tokens) Google Gemini 4 Argon(限定开放)/Gemini 3.8 Flash 据 Google 2026 年 9 月 30 日公告,Gemini 4 Argon 先向Fairwind 经审核网络安全客户限定开放;计划开放推广价为 2/10 美元每百万 Token,缓存输入折扣 95%。公开主力 3.8 Flash 继续通过 Gemini、Antigravity 及 API 提供服务。 Argon 强化长程编程、自动化及多模态推理;公司评测DeepSWE 1.1、AutomationBench 及 LVBench得分分别为 77.9%、51.3%及 91.7%,支持最高 1M 输出,用于更长代码及研究产物生成。 长程软件工程、自动化任务、多模态专业工作及网络安全。 Argon 输入未公布、最高输出 1M;3.8 Flash 输入 1M OpenAI GPT-6 Astra/GPT-6.1 Sol/GPT-6 Luna GPT-6.1 Sol 于 9 月 29 日接入 Work、Codex 及 API,标准输入/输出价为 2/10 美元每百万 Token(输入≤272K)。10 月 8 日新增 Ultrafast,Codex 中 Token 生成速度最高为标准模式 8 倍,短输入价格为 12/60 美元。 公司 DeepSWE 1.1 评测中,6.1 Sol high 档 75.2%,高于 6 Sol max 档 68.8%,任务费用下降 76%;OSWorld 2.0 离线集 partial 口径 max 档 71.4%,接近同档 Astra 的 73.5%,每任务费用约为其七分之一。 电脑操控、跨应用业务流程、复杂编程、文档及数据分析;通过Astra、Sol、Luna 分别覆盖高能力、均衡及高频低成本任务。 1.05M;最高输出 128K Anthropic Claude Fable 5.1/Opus 5.5/Sonnet 5.5/Haiku 5.5 Opus 5.5、Sonnet 5.5 输入/输出价分别为 4/20、2/10 美元每百万 Token。10 月 7 日新增 Haiku 5.5,输入≤100K 时为 0.10/0.50 美元,超过 100K 为 0.50/2.50 美元;Sonnet 缓存读取降至 0.10 美元。 Sonnet 5.5 的 Terminal-Bench 4.0 由 10.3%升至 70.6%,OSWorld 2.1 partial 由 57.0%升至 80.1%。Haiku 5.5 平均运行成本较 Haiku 4.5 下降约 75%,OSWorld 2.1 离线子集得分 72.4%。 长程编程、电脑操控、跨应用办公、金融及法律等知识工作;重点改善单位任务成本。 1M;最高输出 128K SpaceXAI Grok 4.7 据 xAI 2026 年 9 月 21 日公告,Grok 4.7 上线 Cursor、Grok Build 及 API,原生用于 Grok Bot。API 低于 200K 输入时,标准输入/输出价为 2/6 美元每百万 Token;长输入按两倍收费。 采用更大的新基座,并通过持续数小时的强化学习任务增强长程执行;公司评测 CursorBench 4 由 Grok 4.6 的 40.4%升至 46.3%,Terminal-Bench 4 由 20.3%升至 37.6%,强化持续编程及自主工作。 长程编程 Agent、交互及视觉应用开发、知识工作、工具调用与推理优化。 500K Meta Muse Wonder / Muse Wonder Full 10 月 12 日发布。Wonder 通过 Meta Model API 及 Muse Code 开放,输入/输出价为 4/20 美元每百万 Token、缓存读取 0.20 美元;Full 面向 Muse Code 订阅用户。 强化跨会话记忆、持续执行及错误恢复。公司评测中,Wonder Full 的 DeepSWE 1.1 为 79.0%,SWE-Marathon 为 57.5%(xhigh 档),支持长程软件开发及专业任务。 长程软件工程、电脑操作、跨会话个人 Agent 及金融、法律等专业任务。 最高 1M 智谱 Z.AI GLM-5.3/GLM-5.3-Flash/GLM-5.3-FlashX/GLM-Legal Flash 采用 320B 总参数/18B 激活参数及混合注意力,注意力计算量约为旗舰 1/3,KV 缓存约为 1/4.4;Flash/FlashX 输入输出价为 0.15/0.50 及 0.37/1.25 美元每百万 Token。10 月 12 日发布 GLM-Legal 并开放 API 试用申请。 GLM-5.3 沿用 753B 基座,后训练使内部 Code Bench 表现提升 50%;Terminal-Bench 3.0 由 4.6%升至 28.3%,DeepSWE 1.1 由 46.2%升至 66.9%。Flash 在同框架 DeepSWE 1.1 达 63.4%、Toolathlon 达 78.4%,兼顾视觉理解与高频执行。 长程软件工程、复杂工具调用、模型研发及推理系统优化、网络安全;Flash 侧重多模态办公与高频调用;GLM-Legal 覆盖合同审阅、证据分析及合规研究。 1M 稀宇科技MiniMax MiniMax M3 /M3.1-Flash-Preview M3总参数约428B、激活23B,采用MSA稀疏注意力,支持图像及视频输入。9月下旬上线M3.1-Flash-Preview,延续1M上下文及多模态输入,新增五档推理深度,通过M Plan及MiniMax Code提供服务。 将编程、原生多模态与百万token上下文整合,用于长程任务执行。公司案例显示,M3可连续约12小时复现论文;在约24小时GPU算子优化中完成147次基准提交、1,959次工具调用,将硬件峰值利用率由7.6%提高至71.3%,对应9.4倍加速。 长程编程、科研复现、GPU算子优化、多模态工具调用及低成本Agent。 最高1M;官方API保证至少512K 小米 MiMo-V2.6Pro/Flash/ProUltraSpeed 据小米2026年9月22日更新,V2.6上线Studio、MiMoCode、桌面端及API,开放Pro-RL与Flash-RL权重;Pro总参数1.02T/激活42B,Flash为309B/15B。UltraSpeed维持Pro能力,输出速度最高提升20倍。 相比V2.5 Pro,统一扩大编程、通用Agent、视觉及网络安全强化学习,并通过模型参与评分改进任务执行路径。公司评测中,DeepSWE 1.1由19.0%升至71.9%,MiMoCode Bench由40.4%升至63.2%,Toolathlon-Verified由49.1%升至76.9%;V2.6 Pro的OSWorld-Verified达82.0%。 长程编程、电脑操控、原生全模态Agent、网络安全及强化学习驱动的自我改进。 1M 阶跃星辰StepFun Step 5 Preview Step 5 Preview 9月20日上线,已通过产品及API提供服务,计划10月15日开放权重;采用600B总参数/27B激活参数的MoE架构,支持视觉输入。 从效率型Flash模型向复杂工程及专业工作拓展;公司评测中,High档StepCodeBench为49.0%,FrontierFinance为66.4%。在H100的MLA算子优化测试中,四次独立尝试取最佳结果,约22小时达到508TFLOPS,体现长程执行、测试与反馈优化能力。 复杂编程、金融分析、长程Agent、GPU算子及推理效率优化。 1M 月之暗面 Kimi K3/K2.8Preview Kimi K3于7月16日发布、7月27日开放权重,总参数2.8T/激活104B,支持原生视觉。9月11日Kimi Code新增K2.8 Preview,支持1M上下文及low/high/max推理档。来源:公司模型卡及Kimi Code更新记录。 K3每步从896个专家中激活16个,采用KDA注意力及Attention Residuals;公司测算扩展效率提高约2.5倍,支持跨小时编程及科研任务。K2.8 Preview以更高推理效率承接接近K3水平的编程任务,扩展编程任务的效率选择。 长程编程、科研与GPU优化、视觉设计、可编辑办公文档、复杂知识工作及多Agent协作。 K3及K2.8Preview:1M DeepSeek DeepSeek-V4.1-Flash/DeepSeek-V4-Pro-0813 据DeepSeek 2026年9月10日更新,V4.1-Flash主干552B、另含196B Engram条件记忆参数,预填充/解码阶段分别激活8B/16B参数,加入原生视觉;V4-Pro正式版继续服务。 V4.1-Flash采用非对称编码器—解码器架构;公司max档Terminal-Bench2.1/DeepSWE 1.1达90.6%/74.2%,高于V4-Flash的82.7%/54.4%。KV缓存约890字节/Token,HBM及SSD缓存分别降至前代1/4及1/8。 低成本多模态Agent、复杂编程、长上下文、工具调用、专业推理及高吞吐部署。 1M;V4.1-Flash最高输出384K 字节跳动豆包 Seed 2.1Pro/Seed 2.1Turbo 据字节跳动2026年6月23日公告,Seed 2.1系列正式发布,通过豆包及火山引擎提供服务;Pro面向高复杂度任务,Turbo面向规模化生产,强化编程、Agent及多模态理解。 相比Seed 2.0,强化跨工具、跨环境任务交付,以及从需求分析、环境配置到验证的全流程编程。通过强化学习协调GUI操作与非GUI工具调用,公司披露平均任务执行步骤减少16%;同步改善复杂文档、图表、视频及空间信息理解。 电脑及手机操控、跨应用办公、端到端软件工程、多模态理解,以及模型研发工作流。 256K 阿里巴巴千问 Qwen3.8-Max-0902/Qwen3.8-Flash/Qwen3.8-Omni-Flash 8月3日发布Qwen3.8-Max,8月13日推出2.4T总参数/95B激活参数的开放权重版,8月26日推出Flash;9月2日更新Max快照,9月18日及21日新增Omni-Flash及实时版本。 相比3.7系列,Max强化原生视觉、复杂工程及多工具协作;0902快照进一步改善长程自主开发、图表推理及文档解析。Flash兼容主流编程Agent接口,承接高并发调用;Omni-Flash统一处理文本、图像、音频和视频,将Agent执行扩展至多媒体制作与实时交互。 长程编程、GUI操作、文档及知识工作、多模态内容制作、音视频交互及高并发Agent。 1M;此处对应Max、Flash及非实时Omni-Flash 资料来源：公司资料，Hugging Face，Artificial Analysis，Reuters，招银国际环球市场 注：数据截至2026年10月13日 ## 大语言模型需求展望：用户与使用强度同步提升 我们预期，Agent 将成为 Token 需求增长的核心驱动力。需求增长同时来自两方面：1）用户基数扩大，ChatGPT 周活及企业 AI 付费采用率继续提升；2）单用户使用强度上升，编程、专业办公及研发 Agent 增加连续执行时间，并带动多个任务并行。与短对话相比，Agent 需要持续读取上下文、调用工具及验证结果，推理成本下降将进一步扩大这些任务的使用规模。 企业 AI 使用强度仍有较大提升空间，而每任务成本下降或成为关键助推因素。根据 Ramp AI Index，2026 年 8 月美国 Top 10% 及中位企业每员工月度 AI 支出分别为 675.60 美元和 12.50…

3Q26模型迭代密集，9月单月发布14个版本(占52%)，反映研发节奏持续加速；Anthropic披露AI主导研发占比8月达26%，并行Agent达3万个，为行业首次系统性披露RSI规模数据