GPT-6.5泄露、Claude Fable 5.5与国产模型混战：本周AI大事件

本周AI圈：泄露、预告与密集发布前夜

这一周的AI新闻密度相当高，从OpenAI下一代模型的蛛丝马迹，到Anthropic和谷歌的发布预告，再到中国厂商接连放出新模型，几乎每条线索都指向同一个判断：一波密集的模型发布期正在逼近。据The Information的报道，接下来可能迎来新的Anthropic模型、谷歌Gemini 4 Carbon，以及OpenAI的又一款新模型。本文把散落的信号拼在一起，帮你理清哪些是实锤、哪些只是猜测。

GPT-6.5的信号：一个可疑网站与微软的代码改动

opensi.lol的倒计时

最先引发讨论的是一个叫opensi.lol的网站。有人在HTML源码里发现了对6.5的引用，旁边还有一个倒计时，指向旧金山时间11月1号上午10点。更巧的是，这个时间点与一份28天倒计时的第28天对上了，于是猜测OpenAI可能用一款重磅模型为这轮冲刺收官。

但泼冷水的事实也存在：有人翻了网站历史，9月23号的存档把这个域名描述为一个代售的独立OpenAI仿冒网站。所以这条线索可疑度很高，不宜当作实锤。

微软PR里的GPT-6.1

相比神秘网站，微软方面的改动更值得琢磨。据称微软更新了18个不同的评估配置，把GPT-5.6 Turbo的引用替换成了GPT-6.1 Turbo。这不是网页上随便冒出的模型名，而是评估基础设施里的真实代码改动，说明微软可能已经在准备测试或集成下一代模型。

**评估配置（eval config）**指的是模型厂商或云服务商用于自动化基准测试的基础设施配置文件。它通常定义了一组任务集、评分脚本、推理参数和被测模型的端点标识。当微软这样的合作方在评估配置里替换模型名称时，意味着他们已经在内部对尚未公开的模型做过或准备做标准化测试。这类改动出现在代码仓库里而非营销材料中，因此比网页倒计时更具信号价值——因为跑分需要真实的模型访问权限。

Anthropic新模型：从修bug到读懂意图

The Information的报道里，Anthropic部分信息量最大。据一位测试过未发布模型的匿名测试者说法，这个新模型（很可能就是Fable 5.5）不只是修你让它修的那个bug，而是能识别出整类相关问题，并主动问你要不要一并处理掉。

这个能力对自主编码智能体意义不小。现役模型最大的短板是：你必须明确告诉它找什么、修什么、最终想达成什么。而一个能读懂底层意图、发现你自己都没注意到的问题的模型，是另一个级别的助手。报道还提到它更擅长跳出框框思考，而不是复述常规方案。执行指令的模型我们已经有了，面对陌生问题拿出有创意的解法，仍是难点。

**自主编码智能体（autonomous coding agent）**是指能自主规划、执行和验证代码修改的AI系统，而非仅做单轮补全。它与传统代码助手的核心区别在于闭环：智能体需要自己定位文件、运行测试、读取报错并迭代修复。当前这类系统的瓶颈不在写代码本身，而在任务边界模糊时如何推断用户真实目标。如果模型能主动扩大问题范围并征求确认，等于把「需求澄清」这一最耗人力的环节部分自动化，这也是报道中「读懂意图」被视为代际差异的原因。

Gemini 4 Carbon：传闻与实测的落差

谷歌这边，Business Insider此前报道称内部测试的Gemini 4检查点代号Carbon，编码能力可比肩Claude Opus。但据实测两个不同检查点（Carbon B和Carbon C）的结果，目前表现相当令人失望：和Opus在编码任务上不在一个档次，与谷歌现有的Gemini 4 Argon相比也几乎看不出有意义的提升——Carbon稍快，但编码质量甚至不如Argon。

需要说明的是，这些都是早期检查点，最终发布版本大概率会好很多。但「编码比肩Opus」的说法目前站不住脚，谷歌在这场竞赛里还需要追赶。

国产模型的密集攻势

MiniMax M3.1 Flash：价格与性能的组合拳

MiniMax M3.1 Flash结束预览正式发布。此前在排行榜上刷屏的神秘模型SpaceMoney Alpha，被官方确认就是M3.1 Flash的早期版本，据称已处理超过200亿亿个token。

新版本输出速度超过每秒200个token，比上一代M3快了将近三倍，价格便宜了约七成。跑分上，Automation Bench至少62.2，对比Claude Opus的50.3、GPT-5.6 Soul的45.8；在某个编码基准上爆出的分数是74，已经和贵得多的模型同一水平。

价格是它最锋利的地方：每百万输入token 15美分，每百万输出token 60美分，缓存命中的输入token最低每百万1.5美分。对比之下，Claude Opus每百万输入5美元、输出25美元。开放权重定在23号放出，促销免费期据说持续到10月25号。

初步体验上，它明显比M3大了一截，在电脑操作和三维环境编码任务上表现突出，部分编码任务第一次尝试就赢了最新的DeepSeek^广告模型。在复刻预告片、网页设计等对比测试中，它以极低成本完成了任务——做一个硬件发布落地页只花了1美分，而Opus要1.22美元。当然这不代表它更强，Opus的产出质量确实好得多，但用MiniMax搭雏形、再用强模型打磨，是一条务实的路径。综合多个基准，它目前排名第18，对一款Flash级模型来说相当惊人。

MiniMax还在准备更强的Pro版本，据The Information和路透社早期报道，参数量可能高达2.7万亿。

**开放权重（open weights）**指模型训练完成后公开参数文件，允许他人下载、自托管和微调，但不一定公开训练数据或代码。它与「开源」有区别：开放权重通常只授予使用许可，不提供完整训练复现路径。对厂商而言，开放权重既能借助社区生态扩大采用，又能通过托管服务和Pro版本变现；对用户而言，意味着可以规避API价格波动和数据出境限制。文中MiniMax把开放权重定在特定日期放出，是一种兼顾商业API销售与社区拉新的常见节奏。

Kimi K3.1与GLM的新动静

Kimi K3.1的痕迹出现在一个PR里，只挂了7分钟就消失，但测试数据透露了细节：一次已上线的部署托管在DeepInfra上，时间可追溯到10月18号；模型用与Kimi K3相同的分词器和对话格式，引入低、中、高、Max四个推理档位，Max为默认档，支持图片输入。Kimi的早鸟资格也即将开放。

智谱这边，编码平台Zcode推出工作流模式，可同时编排多个AI智能体，演示中10个子智能体各自独立工作并实时追踪进度。另有研究论文曝光内部多模态模型GLM Omni，既能理解图像也能生成图像，据称通过改进图文对齐把准确率从12.57提升到26.86；GLM5.3则据称仅靠后训练，在Terminal Bench上的分数从4.6跳到28.3，底座架构未动、参数未加。

DeepSeek 4.1 Flash与英伟达的推理优化

DeepSeek 4.1 Flash的1017版在OpenCode里完全免费开放。更引人注意的是英伟达的优化成果：在2.8万亿参数的Kimi K3模型上，据称做到单用户每秒423个token，同架构提速1.68倍。这来自约12000行高度优化的解码内核代码，用QDSL编写，通过Mega Current Fusion技术大幅削减推理开销——模型没换、GPU没升级，光靠软件就快了近七成。

被低估的方向：老旧代码现代化与开源安全

OpenAI展示了最新模型在理解Cobol、Fortran甚至Visual Basic这类老语言上的进步，能帮开发者把老代码库迁移到现代技术栈而不破坏现有功能。银行系统、政府基础设施和企业软件对老语言的依赖远超一般人想象，而当年写这些代码的人大多已不在，业务逻辑无人能解释。AI编码智能体最被低估的用途，可能就是这个。

Anthropic则推出OSS Stanker计划，用自家最强模型为关键开源项目做免费定期安全扫描，每条发现都附带概念验证和修复补丁建议，方便维护者直接修复。

Cobol、Fortran、Visual Basic分别诞生于1959年、1957年和1991年，至今仍大量运行在银行核心账务、保险理赔、政府福利发放和工业控制系统中。这些系统的共同困境是：业务逻辑以隐式方式嵌在数万行过程式代码里，文档缺失，原始开发者多已退休。把老代码迁移到现代技术栈的风险不在于重写本身，而在于重写过程中悄悄改变行为。AI智能体的价值在于它能逐段归纳代码意图、生成对照测试，从而把「无人能解释的逻辑」转成可验证的规格说明。

机器人：DreamZero的Dream 1

DreamZero发布机器人基础模型Dream 1，目标是控制它从未见过的机器人，操作双臂机器人完成从未被明确训练过的任务。访问价格据称每小时只要3美元，API已向开发者开放。基础模型不用大量重训就能适配不同机器人和任务，这个前景值得持续关注。

小结

把本周线索放在一起看：MiniMax M3.1 Flash已经落地且价格极具攻击性，Anthropic新模型的「意图理解」能力是下一代竞争的关键差异点，而GPT-6.5、Gemini 4 Carbon、Kimi K3.1、GLM新模型都还在路上。接下来几周，值得盯紧。