OpenRouter 实测 LLM 量化：fp8 和 fp4 对质量与价格的影响
OpenRouter 发文解释 LLM 量化原理，并公布 2026 年 10 月 20 日对 1,455 个 provider 端点和 6 个 Qwen3.8 27B 端点的实测结果。
推荐理由：作者实测同一模型不同精度端点的准确率和价格，给出 provider.quantizations 的用法，可帮助读者按精度选更省钱的 API 端点。
#评测/基准
OpenRouter：Announcements精选AI 评分6262
OpenRouter：Announcements精选AI 评分6969 OpenRouter 实测 16 种 OCR 方案：Claude Opus 5.5 最准，Mistral OCR 性价比最佳
OpenRouter 用 8 页自造扫描件实测 15 个视觉模型加 Mistral OCR 和 Tesseract，每模型 264 项关键值检查。Claude Opus 5.5 最准，262/264 正确，每千页 $16.42；Mistral OCR 得 258/264，仅 $2.02；Ling 3.0 Flash VL 关闭推理后 254/264，每千页 $0.04。
推荐理由：OpenRouter 用自造的 8 个测试页实测 16 个方案，给出准确率、成本和防幻觉的可行做法，读者可按自家文档场景对号选型。
OpenRouter：Announcements精选AI 评分6767 OpenRouter 实测 Claude Opus 5.5、Sonnet 5.5 与 Haiku 5.5 该怎么选
OpenRouter 通过 11 个隐藏测试编码任务、Claude Code 修 bug 任务和 GPQA Diamond、τ-bench 等跑分，给出三档 Claude 5.5 的选型建议。
推荐理由：OpenRouter 用同一批隐藏测试实测三档 Claude 5.5 的通过率与成本，结论可迁移到日常选型决策。
Pydantic AI 官方文章精选AI 评分7272 Pydantic AI 基准测试：code mode 让 8 个模型长任务成本降 58%、耗时降 51%
Pydantic AI 作者在 5 个小应用、8 个模型上跑了 5276 次分级评测，对比 code mode 开关的效果。长任务下成本 -58%、墙钟时间 -51%、成功数提升 16 分；200 项时节省 47%-75% 成本，成功率先从 62-79% 回到 92-100%。
推荐理由：原文用 5276 次受控评测给出 code mode 在长任务上的收益与短板数据，并指出真正节省的是每次请求中的 token 而非往返次数。
Browser Use精选AI 评分6767 五款让编码智能体控制浏览器的 MCP 工具实测对比
作者在 BU Bench V2.1 的 100 个公开任务上，用 Codex CLI 0.144.6 加 GPT-6 Luna 对比 Browser Harness、Playwright MCP、Chrome DevTools MCP、agent-browser 和 Browser MCP，分数均在噪声范围内持平（56.3 到 61.0）。
推荐理由：作者用统一代理和 BU Bench 100 个任务实测五款浏览器控制工具，给出 token、成本、速度和适用场景的可比数据。
Anthropic：Claude.dev 开发者博客精选AI 评分7373 Anthropic 员工详解 Claude Code 中 effort 档位的选择与用法
Anthropic 员工 Thariq Shihipar 深入测试 Opus 5.5 和 Fable 5.1 的 effort 设置，分享在 Claude Code 中如何按任务选择档位。
推荐理由：作者结合自测和 Terminal-Bench 3.0 数据给出各 effort 档位的适用场景，读者可以直接套用这套任务分档方法。
已经到底了