DeepSeek跑分成本仅Claude旗舰1/44，美团开源1.6万亿参数模型

Anthropic 的新旗舰 Claude Fable 5.2 在智能指数上拿下全榜第一，但一份来自 Artificial Analysis 的成本对比显示：跑完同一套测试，DeepSeek V4.1 Flash 只花 0.6 美元，Fable 5.2 要 26.54 美元——相差约 44 倍。这条消息来自 B 站 UP 主 "Will叔" 的每日 AI 动态，同期还有美团开源超大模型、字节图像模型升级等动作。

Claude Fable 5.2 登顶，但价格仍是硬门槛

Anthropic 发布的 Claude Fable 5.2 在 Artificial Analysis 智能指数上拿到 65 分，位列全榜第一；在 ARC AGI3 标准测试中拿到 81.2%，创下新高。价格方面，新旗舰比上一代降低了两成——这是一个不小的让步，说明 Anthropic 也感受到了性价比压力。

但降两成显然不够。据 UP 主引用的 Artificial Analysis 数据，跑完整套智能指数测试，Fable 5.2 的成本为 26.54 美元。这个数字放在旗舰模型里不算离谱，可一旦和开源模型放在同一张表上，差距就变得刺眼。

Artificial Analysis 智能指数是独立评测机构 Artificial Analysis 维护的一套综合基准，把多个公开测试（数学、科学、代码、指令遵循等）的成绩聚合成一个归一化分数，用于横向比较不同厂商模型的通用智能水平。它不是单一考试的分数，而是加权汇总后的"综合分"，因此榜单排名反映的是多维度平均表现，个别专项能力可能被摊平。

ARC AGI3 则来自 ARC Prize 竞赛，用一组人类幼儿可解、但需要抽象推理的视觉网格题来测模型，题目设计刻意避免依赖训练数据中的模式记忆，常被视为衡量"流体智力"而非知识储备的指标。81.2% 这一数字的意义在于，它在与训练分布差异较大的题型上取得了高正确率。

DeepSeek 的成本优势：分数略低，性价比碾压

同一套测试，DeepSeek^广告 V4.1 Flash 的花费是 0.6 美元。和 26.54 美元相比，差了约 44 倍。

需要说清楚的是，这不代表 DeepSeek 的综合能力追平了 Fable 5.2——旗舰模型的分数确实更高，在复杂推理和难题上的表现仍有优势。但如果把视角换成"单位成本能买到多少智能"，结论就完全不同：对于大批量的日常任务、智能体调用、代码生成这类高频场景，44 倍的成本差足以改变技术选型。

这也是当前模型市场的一个结构性特征：闭源旗舰在绝对能力上守住了天花板，开源模型在成本曲线上不断下压，两者的交叉点正在向更多业务场景蔓延。

美团 LongCat-2.5 开源：1.6 万亿参数、MIT 协议

美团开源了 LongCat 2.5 的模型权重，总参数 1.6 万亿、激活约 480 亿，采用原生多模态设计，视觉理解和智能体编程是两大主打能力，许可证为 MIT——这意味着商用限制极少。

万亿参数级别的开源模型此前并不多见，480 亿的激活量则说明它走的是 MoE 路线：总参数撑住知识容量，激活参数控制推理成本。原生多模态加上宽松协议，对想要自建多模态智能体能力的团队来说，是一个可以直接上手的选择。

MoE（混合专家） 是一种稀疏激活架构：模型内部包含多个"专家"子网络，每次前向计算只激活其中少数几个。因此"总参数"衡量的是模型的知识容量上限，"激活参数"才决定单次推理的算力开销。1.6 万亿总参数配 480 亿激活，意味着它的显存占用和推理成本大致接近一个中等规模稠密模型，但可调用的知识面更宽。

MIT 许可证是宽松开源协议中限制最少的一类：允许商用、修改、再分发，甚至可用于闭源产品，主要义务是保留版权与许可声明。对想基于权重做二次训练或嵌入商业产品的团队来说，这种协议的法律风险明显低于带商用条款限制的许可证。

编程智能体换底座：解题率与单题成本同步变化

UP 主还提到一个值得关注的细节：编程智能体 Harness 换上 OpenCode2 之后，DeepSeek V4.1 Flash 的解题率升到 69.4%，质朴 G1M5.3 Flash 升到 65.7%，每解一题的成本降到 0.45 美元。

这组数据说明两件事。其一，智能体的表现不只取决于底层模型，编排框架和工具链的匹配度同样关键——同一个模型换一套 Harness，解题率就能有明显提升。其二，单题 0.45 美元的成本已经接近"可规模化部署"的区间，编程智能体从小规模试验走向日常生产工具的障碍正在减少。

Harness（智能体编排框架） 指包裹在底层模型之外的一整套循环：任务拆解、工具调用、代码执行与反馈、错误重试、上下文管理等。同一模型在不同 Harness 下表现差异很大，因为解题率不只取决于模型本身的推理能力，还取决于框架能否把失败信息有效回灌给模型、能否合理控制上下文长度以抑制成本。这也是"换 Harness 就能提升解题率"的原因——编排策略本质上改变了模型可用的信息与试错次数。

字节 Seed Dream 5.5：图像生成瞄准实用细节

字节发布图像模型 Seed Dream 5.5，两个改进点很具体：同一张图最多可连续精修 100 轮，能输出透明背景素材；文字崩坏率降到 0.4%。

透明背景和文字准确性是图像生成落地时最常见的两个卡点——前者影响素材能否直接进设计流程，后者决定生成的海报、界面图能不能用。把这两项指标单独拿出来优化，说明图像模型的竞争已经从"好不好看"转向"能不能直接用"。

一天之内，三种竞争逻辑

把这几条新闻放在一起看，能看到当下 AI 行业的三种打法：Anthropic 用旗舰能力守住高端定位，同时小幅降价试探；DeepSeek 和美团用开源加低成本打开规模化场景；字节则在图像生成的工程细节上做深。对开发者来说，选型时把"每美元能买到多少有效智能"纳入考量，可能比只盯着榜单第一名更实际。

（以上信息综合自 B 站 UP 主 Will叔 的每日 AI 动态，成本与跑分数据均引自其转述的 Artificial Analysis 测试结果。）