AI圈爆料周：GPT-6.5泄露、Claude新模型与MiniMax性价比

本周AI圈爆料密集，从GPT-6.5的蛛丝马迹到中国模型的价格战，信息量巨大。

最近一周，AI社区被一系列泄露、传闻和正式发布搅得热闹非凡。从OpenAI下一代模型的疑似踪迹，到Anthropic新模型的能力预览，再到中国厂商MiniMax以极低成本推出的Flash模型，几乎每条消息都值得单独讨论。本文基于B站UP主“AI圈”的视频内容，梳理其中最关键的信息，并加入适当分析。

GPT-6.5与GPT-6.1 Tera：泄露还是巧合？

视频首先提到一个神秘网站openside.lo，其HTML源码中被发现包含“6.5”的引用，同时有一个指向旧金山时间11月1日上午10点的倒计时。这个日期恰好与OpenAI的“28天发货承诺”第28天吻合，因此引发猜测：OpenAI可能以一款重磅新模型为这一系列发布收官。

但UP主也指出一个重要疑点：该网站9月23日的存档显示，它原本是一个待售的独立OpenAI恶搞网站。因此这并非官方信息，可信度存疑。

更值得关注的是另一条线索：据报道，微软的评估配置中出现了GPT-6.1 Tera的引用，共有18项配置从GPT-5.6 Tera升级至GPT-6.1 Tera。UP主认为，这比网站域名更有说服力，因为涉及微软评估基础设施的实际代码改动。

HTML源码与倒计时线索：网页的HTML源码中有时会嵌入开发者注释、数据属性或未渲染的脚本变量，这些内容虽不直接显示给用户，却可能泄露内部项目代号、版本号或计划时间。openside.lo网站源码中出现“6.5”引用，结合指向旧金山时间11月1日上午10点的倒计时，被社区解读为OpenAI新模型发布线索。但需注意，源码可被任何人修改，且该网站历史存档显示其原为恶搞网站，因此此类“泄露”的可靠性通常较低。

微软评估配置：微软等云厂商在内部会维护模型评估配置列表，用于测试不同模型的性能、成本与集成兼容性。这些配置文件（如JSON或YAML）中的模型标识、版本号和参数设置，往往反映厂商正在对接或评估的模型。报道称微软评估配置中出现“GPT-6.1 Tera”引用，且有18项配置从GPT-5.6 Tera升级，这类基础设施代码改动比公开网站线索更难伪造，因此被视为更可信的发布前兆。

Anthropic新模型：不止修Bug，还能识别整类问题

据The Information报道，Anthropic正准备发布一款新模型，很可能就是Fable 5.5（或Fable 5.1）。视频引用匿名测试者的说法称，该模型在推理、直觉和理解用户真实需求方面明显更强。

一个具体例子是：当你用Claude代码让它修复某个bug时，新模型不仅修复单个问题，还能识别出该bug属于更大的底层问题，并主动询问你是否希望处理整类问题。UP主认为，这对自主编程智能体意义重大，因为当前模型通常需要用户明确指定修复目标，而能推断潜在意图的模型将带来完全不同层次的协助。

Gemini 4 Carbon：早期检查点表现令人失望

Business Insider此前报道称，Google内部测试的Gemini新检查点代号Carbon，编码能力可与Claude Opus 5.5相比。但UP主实测了两个不同检查点（Carbon B和Carbon Z）后表示，结果相当失望。

他声称，与Opus 5.5相比，这些检查点在编码任务上完全不在同一水平；甚至与Google现有的Gemini模型相比，也几乎注意不到有意义的改进。Carbon检查点稍快一些，但实际编码质量反而更差。UP主认为，声称其编码性能达到Opus 5水平的说法“绝对是假的”，Google可能还需要好几个月才能达到那个水平。

不过他也承认，这些是早期检查点，随着时间会大幅改善。

MiniMax M3.1 Flash：价格极低，基准测试亮眼

来自中国的MiniMax正式发布了M3.1 Flash，此前霸榜的神秘模型SpaceBunny Alpha被确认为其早期版本。该模型处理速度超过每秒200个Token，比之前的M3模型快近3倍，成本降低约70%。

定价方面：每百万输入Token 15美分，每百万输出Token 60美分，缓存输入Token低至每百万1.5美分。相比之下，Claude Opus 5每百万输入Token收费5美元、输出25美元；GPT-5.6 Sol输入4美元、输出20美元。

基准测试中，M3.1 Flash在自动化基准上得分62%，而Claude Opus 5为50.3%，GPT-5.6 Sol为45.8%。在DeepSuite上，MiniMax报告了74%的得分。UP主强调，基准测试不能说明一切，但该模型表现确实令人印象深刻。

在一项复刻特斯拉Roadster警车追逐场景的对比测试中，MiniMax仅花费2.34美元完成任务，而DeepSeek^广告花费约3.07美元，成本便宜约24%。另一项为硬件设备发布创建落地页的测试中，MiniMax完成仅花1美分，而Opus 5需1.22美元，便宜近88倍，速度还快4倍。

UP主综合多个基准和提示测试后认为，M3.1 Flash目前综合排名第18，对于一款Flash模型来说相当惊人。此外，MiniMax还在开发更强的Pro版本，据路透社早期报道，该模型或拥有2.7万亿参数。

Token定价与成本结构：大模型API通常按处理的Token数量计费，输入Token指用户发送的提示词（包括上下文），输出Token指模型生成的回复。缓存输入Token（Cached Input Token）指对重复使用的提示词前缀进行缓存后再次调用时享受的折扣价，可大幅降低多轮对话或固定系统提示的成本。每百万Token的美元单价是行业通用比较口径，MiniMax M3.1 Flash的15美分/百万输入Token和60美分/百万输出Token，仅为Claude Opus 5（5美元/25美元）的约3%和2.4%，属于极低价格带。

自动化基准（Agentic Benchmark）：这类基准测试模型在自动化任务中的综合表现，如多步骤工具调用、代码执行、网页操作等，而非单轮问答。得分通常以百分比表示任务完成率或正确率。M3.1 Flash在自动化基准上得分62%，高于Claude Opus 5的50.3%和GPT-5.6 Sol的45.8%，但需注意基准测试的设计、数据污染和任务分布会影响可比性，且低价模型可能在复杂推理或长上下文任务中存在未覆盖的短板。

其他值得关注的动态

OpenAI强调旧编程语言现代化能力。 OpenAI表示其最新模型在理解COBOL、Fortran乃至Visual Basic等老旧代码库方面显著更强，能帮助开发者迁移旧代码而不破坏现有功能。UP主认为这是AI编程代理最被低估的应用。

智谱Zcode工作流模式。 智谱的编程平台Zcode获得大规模更新，引入工作流模式，允许开发者同时编排多个AI智能体。一个演示展示了十个子智能体独立工作并实时追踪进度。

Kimi K3.1泄露。 据报道，Kimi K3.1在API请求中出现，7分钟后关闭。泄露信息显示其使用与Kimi K3相同的Tokenizer和聊天格式，但引入4个推理层级（低、中、高、最高，默认最高），支持图像输入。

NVIDIA推理优化。 NVIDIA的CentML团队在2.8万亿参数的Kimi K3大模型上实现了每用户每秒423个Token，在相同架构上速度提升1.68倍。这得益于用CUDA DSL编写的解码内核和Mega Kernel Fusion技术，约12000行高度优化代码，无需额外硬件即可从现有GPU榨取更多性能。

Dreamlabs机器人基础模型Dream 1。 Dreamlabs结束隐身模式，推出Dream 1，可控制从未遇到过的机器人，在陌生环境中完成未训练过的操作。使用Dream API的起步价仅为每小时3美元。

Anthropic推出OSS Scanner。 该计划利用其最强大模型为关键开源项目提供免费定期安全扫描，每项发现都包含概念验证和建议补丁。

CUDA DSL与Mega Kernel Fusion：CUDA DSL指基于CUDA的领域特定语言（如NVIDIA的TileLang或类似工具），允许开发者用更高层抽象编写GPU内核，再编译为高效机器码。解码内核（Decoding Kernel）是推理过程中负责逐Token生成的核心计算模块，其效率直接决定吞吐量。Mega Kernel Fusion（巨型内核融合）将多个细粒度GPU操作合并为单个大内核，减少内核启动开销和显存读写次数，从而在不增加硬件的情况下提升每秒Token数。NVIDIA CentML团队用约12000行高度优化代码，在2.8万亿参数Kimi K3上实现每用户每秒423个Token、同架构提升1.68倍，正是软件层推理优化的典型案例。

机器人基础模型（Robot Foundation Model）：这类模型在大规模机器人操作数据上预训练，学习通用的感知-动作映射，使其能泛化到未见过的机器人本体和陌生环境。Dreamlabs的Dream 1宣称可控制从未遇到的机器人并完成未训练过的操作，其难点在于跨本体迁移（不同关节数、传感器配置）和零样本任务泛化。按小时3美元的API起步价，意味着机器人策略正以云服务形式提供，降低了机器人应用的门槛。

小结

本周信息呈现两条主线：一是头部厂商下一代模型的发布前兆（GPT-6.5传闻、Claude新模型、Gemini Carbon），二是中国模型以极致性价比冲击市场（MiniMax M3.1 Flash）。需要提醒的是，泄露和传闻存在不确定性，部分早期检查点表现不代表最终发布质量。建议读者关注官方信息，并对基准测试结果保持审慎。