Anthropic 发布 Claude Haiku 5.5，官方跑分逐项超过 GPT-6 Luna，并成为新的小模型守门员。10 万 token 以内的请求输入输出价格砍 90%，超过部分砍 50%，价格对标 GPT-6 Luna 且低于 DeepSeek-V4.1 Flash。
同一新闻，精选展示《Anthropic 发布 Claude Haiku 5.5，价格较 Haiku 4.5 平均降约 75%》
微软 partner research manager Jennifer Neville 在 Microsoft Research Podcast 中讨论了评估如何推动当前 AI 系统突破性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细审视数据。
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 19 种语言的 219 个 pull request。