2025年9月，智谱开源模型GLM-4.5在伯克利工具调用榜单上超越Claude Opus 4.1，运行成本仅为1.4%。该模型采用MoE架构，在前端开发、跨文件修改等场景表现优异，编程能力接近Claude 4。通过CC-Bench评测体系对比，GLM-4.5在任务完成效果和工具调用可靠性方面表现出色。研究科学家Tim Dettmers称其推理速度比Opus 4.1快3倍、比GPT-5快5倍。此外，智谱推出Claude Code套餐，价格为Claude的1/7，适用于GLM-4.5及GLM-4.5-Air，进一步降低使用门槛。GLM-4.5已接入多款主流编程工具，支持全面开发流程，为开发者提供高性价比选择。

6月27日，腾讯混元推出首款开源混合推理模型Hunyuan-A13B，该模型参数总量为80B，激活参数仅13B，具备强大的通用能力，在多个权威数据测试集中表现优异。Hunyuan-A13B支持Agent工具调用和长文理解，拥有256K原生上下文窗口，适用于多种复杂任务。模型已在GitHub和Huggingface开源社区上线，并提供API接口供开发者快速接入部署。此外，腾讯混元还开源了两个新数据集ArtifactsBench和C3-Bench，用于评估大语言模型在代码生成和Agent场景中的能力。

苹果团队最新发布的开源成果——名为ToolSandbox的模型工具调用能力评估基准，采用创新的场景化测评方法，旨在更好地展现模型在真实环境中的水平。该基准引入了对话交互、状态依赖等传统标准未覆盖的重要场景，显著提高了评估的全面性和实用性。ToolSandbox通过让GPT-4o扮演用户与模型进行交互...