GPT-6.5泄露疑云与MiniMax M3.1 Flash：AI模型混战升级

本周AI圈：泄露、发布与价格战齐飞

这一周的开局信息量极大。从OpenAI可能存在的GPT-6.5线索，到Anthropic新模型在自主编码上的突破，再到MiniMax用极低价格冲击市场，几乎所有主要玩家都有新动静。据B站UP主World of AI的梳理，以及The Information、路透社等来源的交叉信息，我们正处在一个模型发布密度显著升高的窗口期。

OpenAI：GPT-6.5传闻与微软代码泄露

一个可疑的倒计时网站

有人发现一个名为opensi.lol的网站，其HTML源代码中埋藏着对“6.5”的引用，并附带一个指向旧金山时间11月1日上午10点的倒计时。这个时间点恰好与OpenAI“28天交付承诺”的第28天重合，引发了不少猜测。

但需要泼一盆冷水：域名历史存档显示，该网站早在9月23日就被描述为“待售的独立OpenAI恶搞网站”。所以这大概率不是官方信号，只是巧合得有些刻意。

微软评估配置中的GPT-6.1T

相比之下，另一条线索更值得关注。据报道，微软的拉取请求中出现了18项评估配置，从GPT-5.6T更新为GPT-6.1T。这不是某个恶搞网站上的文字，而是微软评估基础设施中的实际代码变更，暗示OpenAI的下一代模型可能已进入测试准备阶段。

Anthropic新模型：从“修一个Bug”到“修一类问题”

The Information的一篇报道预告了接下来一波模型发布潮，其中Anthropic的新模型细节尤其引人注意。据一位匿名测试者描述，该模型不再只是修复你指定的那个Bug，而是能识别出这是一个更大问题的一部分，并主动询问是否要一并处理整类相关问题。

这对自主编码智能体来说意义重大。当前模型最大的局限之一，就是你必须明确告诉它找什么、修什么。一个能理解更广泛意图、发现你还没注意到的问题的模型，是另一个层级的辅助能力。报道还称该模型更擅长跳出框架思考，而非重复传统方案。

自主编码智能体（Autonomous Coding Agent） 指能在最少人工干预下独立完成编码任务的AI系统，其能力谱系通常分为几个层级：最基础的是根据明确指令修改指定代码；进阶的是能自主定位问题、规划修改方案并执行；更高层级则要求模型理解代码库的整体结构与开发者意图，主动发现潜在问题并提出超出原始指令范围的建议。当前主流模型大多停留在前两个层级，核心瓶颈在于“意图理解”——模型只能处理显式给定的任务边界，无法推断开发者真正想达成的目标。Anthropic新模型所展示的“识别整类问题并主动询问”，正是从“指令执行者”向“协作伙伴”跨越的关键标志，也是自主编码智能体走向实用的分水岭。

谷歌Gemini 4 Carbon：早期检查点令人失望

此前Business Insider报道称，谷歌内部测试的Gemini 4 Carbon在编码能力上能媲美Claude Opus 5.5。但根据实际测试两个不同检查点（Carbon B和Carbon C）的结果，这个说法“绝对是错的”。

在与Opus 5.5的同类编码任务对比中，Carbon检查点完全不在同一水平。更意外的是，和谷歌现有的Gemini Argon模型相比，几乎没看到有意义的提升——Carbon稍快一些，但实际编码质量甚至更差。当然，这些只是早期检查点，后续还有提升空间，但所谓“达到Opus 5.5级别”的说法目前不成立。

MiniMax M3.1 Flash：低价高能的冲击波

性能与定价

MiniMax M3.1 Flash已结束预览正式发布。官方确认，此前在排行榜上匿名出现的“SpaceMoney Alpha”就是它的早期版本。新模型速度超过每秒200个Token，比上一代M3快三倍，成本还便宜约70%。

基准测试方面，AutomationBench上M3.1 Flash得分62.2%，对比Claude Opus 5的50.3%和GPT-5.6的45.8%。价格上，每百万输入Token仅15美分、输出60美分，缓存输入最低可至每百万1.5美分——而Claude Opus 5是输入5美元、输出25美元。

实测对比：成本差距惊人

在网页设计测试中，MiniMax仅用1美分完成落地页任务，Opus 5.5则花费1美元22美分，便宜近88倍且速度快4倍。水下潜艇追逐场景测试中，MiniMax约21美分完成，Gemini 3.8 Flash约1.43美元，Claude Haiku 5.5约17美分。

必须说明：成本低不代表输出更好。Opus 5.5的成品质量明显更优。更现实的用法是把MiniMax当作脚手架工具，再用更强模型精修。

Pro版本在路上

据报道，MiniMax还在准备更强大的M3.1 Pro系列，可能拥有高达2.7万亿参数，有望成为规模最大的AI模型之一。参数不等于性能，但结合Flash版本的表现，Pro值得期待。

Token定价与缓存输入（Cached Input） 是大模型API成本结构的两个核心变量。Token是模型处理文本的基本单位，约等于0.75个英文单词或半个汉字，输入Token指用户发送的提示词，输出Token指模型生成的内容，后者通常定价更高。缓存输入则是一种成本优化机制：当多次请求包含相同的前缀内容（如系统提示词、长文档）时，服务商可缓存这部分计算结果，避免重复计算，从而以极低价格计费。MiniMax M3.1 Flash将缓存输入压至每百万Token 1.5美分，意味着在智能体等需要反复携带相同上下文的场景中，实际成本可进一步大幅下降。理解这一结构，才能明白为何其标价与Opus 5.5的差距会在实测中被放大到近百倍。

其他值得关注的动态

OpenAI传统语言现代化：OpenAI强调其最新模型在理解COBOL、Fortran、Visual Basic等传统语言方面有显著提升，能帮助开发者在不破坏现有功能的前提下迁移旧系统。这是AI编码最被低估的应用之一——大量银行、政府基础设施仍依赖这些语言。

智谱GLM系列：编码平台Zcode推出工作流模式，可同时编排多个AI智能体并实时追踪进度。研究论文披露内部多模态模型GLM Omni，既能理解也能生成图像，图像与文本对齐准确率从12.57%提升到26.86%。GLM 5.3仅通过后训练，在Terminal Bench上从4.6跃升至28.3。

Kimi K3.1：出现在某拉取请求中，7分钟后被关闭。泄露信息显示其使用与Kimi K3相同的Tokenizer和聊天格式，引入低、中、高、Max四个推理级别（Max为默认），支持图像输入。

NVIDIA推理优化：在2.8万亿参数的Kimi K3模型上实现每用户每秒423个Token，同架构下速度提升1.68倍，归功于约12000行高度优化的CUDA内核代码和Mega Kernel Fusion技术，无需额外硬件。

Dream1机器人基础模型：Dreamlabs走出隐身模式，其模型能操作从未训练过的双臂机器人完成陌生任务，访问价格每小时3美元起，API已向开发者开放。

传统语言现代化（Legacy Code Modernization） 是AI编码中商业价值极高但公众关注度较低的方向。COBOL、Fortran、Visual Basic等语言诞生于上世纪，至今仍支撑着全球大量银行核心系统、政府税务平台和航空调度基础设施。这些系统的维护者逐年减少，而迁移成本极高——据估计，仅美国联邦政府的遗留系统现代化每年就耗费数百亿美元。AI模型若能准确理解这些语言的语义与业务逻辑，并在不破坏现有功能的前提下生成现代语言等价代码，将直接切入一个规模庞大且付费意愿强烈的企业市场。OpenAI强调这一能力，本质上是在编码红海之外开辟差异化场景。

小结

这一周的核心信号不是某一个模型，而是竞争维度的分化：OpenAI在传统代码现代化上找场景，Anthropic在自主编码的“意图理解”上做深，MiniMax用价格和速度撕开缺口，谷歌则还在追赶。对开发者来说，工具选择正在变得更多元——用便宜模型搭骨架、用强模型做精修，可能比押注单一模型更务实。