AI 排行榜 Arena 完成 2 亿美元 B 轮融资，估值达 31 亿美元
AI 模型众包排行榜 Arena 宣布完成 2 亿美元 B 轮融资，估值达 31 亿美元，由 Lightspeed Venture Partners 和 Khosla Ventures 领投，Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、a16z、Felicis 等参投。
#评测/基准
TechCrunch · AIAI 评分6262
The Decoder精选AI 评分8282 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，称这是其最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，对 10 万 token 以内的提示词降价最高达 90%，超过 10 万 token 的提示词价格则贵五倍。
推荐理由：Haiku 5.5 的降价幅度与 token 消耗上升同时出现，读者可据此判断小模型价格战的真实成本结构。
Latent Space精选AI 评分8282 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，官方称其平均运行成本比 Haiku 4.5 低约 75%。
推荐理由：汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗数据，可据此判断小模型在智能体工作流中的性价比。
Microsoft ResearchAI 评分2222 微软研究员 Jennifer Neville 谈 AI 的意外失败与评估边界
微软 partner research manager Jennifer Neville 在 Microsoft Research Podcast 中讨论评估如何推动 AI 系统性能边界，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，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细审视数据。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
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，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与离线在线信号对照数据，可据此判断评测结果能否预判线上表现。
Latent SpaceAI 评分4242 AINews：GPT-6.1 Sol 与 Sonnet 5.5 重塑性价比前沿
OpenAI 发布 GPT-6.1 Sol，定价 $2/$10 per million input/output tokens，比 GPT-6 Sol 便宜 39% 且 Agent Arena 得分高 1.52 分，比 Astra 便宜 81%。