# Martian 推出 API 模型端點 Ship 降低推理成本

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Martian (@withmartian) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥 · 日期：2026-07-22

> 原始來源：https://x.com/withmartian/status/2079636656425165024

## 證據與延伸閱讀

- [Martian 於 2026 年 7 月 22 日推出 Ship](http://thesean.ai/blog/introducing-ship)

## 中文摘要

Martian 推出 API 模型端點 Ship 降低推理成本。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/6722f68558793a64.png)
> 圖片為黑底風格，左側顯示類似星盤或精密機械零件的網點線條圖案，右側則標示有「THESEAN」字樣。

Martian 於 2026 年 7 月 22 日宣布推出名為 Ship 的全新 API 端點服務，由 Martian 所孵化的研究實驗室 `@thesean_labs`（Thesean）開發。Ship 旨在解決人工智慧領域中最大的經濟問題，透過最佳執行（best execution）策略，在維持前端大型語言模型效能與行為的同時，讓每筆請求的成本直接減少 50%。官方聲稱這並非「最高折抵 50%」或「平均折抵 50%」，而是針對每一個 API 請求保證降價 50%，同時 Martian 也承擔了個別請求執行成本可能高於售價的風險。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1784699870647-eib9v3gj.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/c07d16c4c3fdaea8.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> 一名講者介紹名為 THESEAN 的新研究實驗室，推出具備同等級效能但成本減半的 API 模型端點。

**核心功能與使用方式**
- 簡易替換：使用者只需將原本的 API 呼叫字串從 `model="<original>"` 改為 `model="ship-like/<original>"`，即可無縫切換。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/4fcaafd499bf348c.jpg)
> Martian 推出 Ship 端點，可在維持與原版 GPT-5.6 Sol 及 Claude Opus 4.8 相近或更優表現的同時，將每筆請求成本固定降低 50%。

- 支援主流模型：支援包含 Opus 與 GPT-5.6 Sol 等先進大型語言模型。

- 零提示詞修改：具備行為等效性，使用者不需調整原有的 prompt 或 harness。

**技術架構與運作原理**
Ship 的核心在於透過推理時間優化（inference-time optimization），類比編譯器中的即時編譯（JIT compiler）概念。傳統模型訓練相當於提前編譯（ahead-of-time compilation），而 Ship 則在執行期（runtime）觀察具體請求，決定配置多少計算資源及採用何種處理方法。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/15ae3dc803754dce.jpg)
> 這張圖表比較了「預先編譯（Ahead of Time）」與「即時編譯（Just in Time）」兩種執行模式在處理程式碼優化時的時機與流程差異。

- 方法組合：方法可以是單一模型、搭配 harness 與工具的模型、組合模型、直譯程式，或是透過權重空間（weight-space）與啟動空間（activation-space）修改的模型。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/883edf835e3bf945.jpg)
> 這是一張以藍色網格線條勾勒出的古代木帆船 3D 模型渲染圖。

- 搜尋與最佳化：面對組合爆炸的處理方式，系統將其視為類似圍棋的搜尋問題，藉此尋求最佳執行路徑。
- 效能表現：根據示範中的評測數據，如 Terminal-Bench 2.1、SWE-bench Verified、Aider Polyglot 等多項基準測試，`ship-like/GPT-5.6 Sol` 與 `ship-like/Claude Opus 4.8` 在維持相近甚至更高分數的同時，每項任務的執行成本顯著降低。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1c7f850be4b93033.jpg)
> 在各項主要基準測試中，Ship 能提供與 GPT-5.6 Sol 相近或更高的解題成功率，且單次任務成本大幅降低約 50%。

**系統保證與品質 SLA**
為了讓生產環境流量能夠安心採用，Ship 提供業界首創針對模型品質的服務水準協定（SLA），而非僅保證正常運行時間（uptime）。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/93101929506af72f.jpg)
> 根據 Martian 發表的延遲比較圖，Ship 的每項任務平均總耗時（包含工具執行與模型生成）與 GPT-5.6 Sol 相當，且遠低於 Claude Opus 4.8 與 Claude Sonnet 5。

- 能力等效性（capability equivalence）：保證參考模型能解決的問題，Ship 也同樣能解決。
- 行為等效性（behavioral equivalence）：保證輸出形狀、工具呼叫模式、格式與拒絕回應等行為分布保持一致。

**實際應用與生態系迴響**
在封閉 Alpha 測試期間，Ship 已經處理了數兆個 token。
- Kilo Code：將 Ship 作為祕密模型推出，提供給數十萬名使用者，有效降低開發者成本，流暢支援程式碼生成與複雜的 Agentic 程式開發工作流。
- Baz：導入後順利通過其包含 168 個最困難臭蟲的基準測試，使用者滿意度與各項指標保持穩定，並藉由省下的成本推出計畫審查、安全性審查與合併審查等新功能。

**快速入門與資源**
- 取得 API 金鑰並開始使用，可參考 [Thesean 部落格介紹](http://thesean.ai/blog/introducing-ship)。
- 企業使用者或具備私有評測與生產流量需求的團隊，可透過 contact@thesean.ai 與 Thesean 團隊聯繫以進行直接對比測試。

## 媒體內容

**一名講者介紹名為 THESEAN 的新研究實驗室，推出具備同等級效能但成本減半的 API 模型端點。**

**逐字稿**

- `00:00` 嗨，我是 Yash，很高興宣佈成立 Thesean——一間專注於液態智慧、（Hi, I'm Yash and I'm excited to announce Thesean, a new research lab focused on liquid）
- `00:05` 並由 Martian 孵化的全新研究實驗室。我們推出兩個端點，其品質（intelligence and incubated by Martian. We're releasing two endpoints that give identical）
- `00:10` 與 GPT-5.6 Sol 和 Opus 4.8 相同，但成本僅有一半。在每一項主要基準測試中，（quality to GPT 5.6 Sol and Opus 4.8 at 50% of the cost. Across every major benchmark,）
- `00:18` SHIP 模型的表現都與對應的基礎模型不相上下，同時成本降低 50%。（SHIP models perform on par with the relevant base model while being 50% less expensive.）
- `00:24` 在推論時，SHIP 會決定應為每個請求分配多少計算資源，（At inference time, SHIP decides how much compute should be allocated to each request）
- `00:29` 以及該用什麼具體方法來執行該請求。這意味著我們不只是把（and what specific method should be used to execute that request. That means we're not just passing）
- `00:33` 您的請求傳遞給模型，而是會評估：能否修改 prompt、能否引入引導向量（your request onto a model, but rather we're saying can we change the prompt, can we introduce steering）
- `00:38` （steering vectors），或進行其他推論時優化，讓您能（vectors, or can we do other inference time optimizations to make it so that you are）
- `00:42` 以更低的成本獲得相同的品質水準。就像即時編譯器（JIT compiler）一樣，SHIP 會運用（getting the same level of quality at a lower cost. Like a just-in-time compiler, SHIP benefits from）
- `00:48` 訓練期間無法取得的執行階段資訊——包括請求本身，以及來自類似真實世界資料的（runtime information unavailable during training. The request itself, together with verified outcomes）
- `00:54` 已驗證結果。每種方法都有品質服務水準協議（SLA）作後盾，這意味著您可以（results from similar real-world data. Every method is backed by a quality SLA. This means you can be）
- `01:01` 確信它在正式環境中的表現跟在基準測試上一樣好。而且我們不只是平均估算 50% 的（confident it performs as well in production as it does on benchmarks. And we don't just estimate a 50%）
- `01:08` 成本降低——每個請求的成本都便宜了 50%。我們承擔任何單一請求（cost reduction on average. The cost is 50% cheaper for every request. We take the risk that any individual）
- `01:16` 讓我們花費更多成本執行的風險，並保證品質與行為的等效性。（request costs us more to execute and guarantee both the quality and the behavioral equivalence.）
- `01:22` 我們在 Martian 花了多年時間研究讓這一切成為可能的底層技術。（We've spent years researching the underlying tech that makes this possible at Martian.）
- `01:28` 我們很高興今天透過 Thesean 將其提供給各位。（We're excited to make it available to you through Thesean today.）

**在各項主要基準測試中，Ship 能提供與 GPT-5.6 Sol 相近或更高的解題成功率，且單次任務成本大幅降低約 50%。**

**數據表（1）Solve rate**

|   | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| Terminal-Bench 2.1 | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% | 90% |

**數據表（2）Cost per task ($)**

|   | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship | GPT-5.6 Sol | Ship |
| --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- |
| Terminal-Bench 2.1 | $0.017 | $0.0085 | $0.017 | $0.0085 | $0.017 | $0.0085 | $0.017 | $0.0085 | $0.017 | $0.0085 | $0.017 | $0.0085 | $0.017 | $0.0085 | $0.017 | $0.0085 | $0.017 | $0.0085 |

**Martian 推出 Ship 端點，可在維持與原版 GPT-5.6 Sol 及 Claude Opus 4.8 相近或更優表現的同時，將每筆請求成本固定降低 50%。**

**數據表**

|   | ship-like GPT-5.6 Sol | GPT-5.6 Sol | ship-like Claude Opus 4.8 | Claude Opus 4.8 | GPT-5.5 | Claude Sonnet 5 | Claude Fable 5 |
| --- | --- | --- | --- | --- | --- | --- | --- |
| Terminal-Bench 2.1 | 78.3% ±4.3 ($0.382 / task) | 77.2% ±5.8 ($0.787 / task) | 82.0% ±6.9 ($1.52 / task) | 81.3% ±7.1 ($2.88 / task) | 79.4% ±7.1 ($0.870 / task) | 84.6% ±5.8 ($2.67 / task) | 84.9% ±6.2* ($2.13 / task) |
| Terminal-Bench 2.0 | 74.3% ±4.3 ($0.364 / task) | 75.4% ±9.0 ($0.769 / task) | 76.4% ±7.7 ($1.19 / task) | 71.5% ±7.7 ($1.41 / task) | 76.4% ±7.7 ($0.791 / task) | 70.8% ±7.9 ($1.79 / task) | 74.2% ±9.2* ($1.44 / task) |
| SWE-bench Verified | 91.7% ±3.4 ($0.279 / task) | 91.8% ±2.4 ($0.556 / task) | 91.1% ±2.1 ($0.898 / task) | 91.0% ±2.1 ($1.87 / task) | 78.9% ±3.2 ($0.793 / task) | 91.5% ±2.2 ($1.46 / task) | 93.9% ±2.0 ($1.46 / task) |
| Aider Polyglot | 83.8% ±0.6 ($0.141 / task) | 84.2% ±4.5 ($0.276 / task) | 86.4% ±3.9 ($0.333 / task) | 78.7% ±4.6 ($0.226 / task) | 80.7% ±4.4 ($0.260 / task) | 80.4% ±4.5 ($0.711 / task) | 87.1% ±4.0 ($0.497 / task) |
| LiveCodeBench | 93.9% ±2.5 ($0.091 / task) | 93.3% ±1.4 ($0.184 / task) | 87.3% ±6.2 ($0.223 / task) | 90.0% ±5.3 ($0.233 / task) | 93.3% ±4.5 ($0.215 / task) | 85.3% ±6.5 ($0.404 / task) | 91.0% ±5.3 ($0.330 / task) |
| ARC-AGI-2 | 78.6% ±9.7 ($0.195 / task) | 79.0% ±5.4 ($0.387 / task) | 74.7% ±5.0 ($1.72 / task) | 79.4% ±4.9 ($3.44 / task) | 76.7% ±5.8 ($0.621 / task) | 69.9% ±5.6 ($3.03 / task) | 88.6% ±3.9 ($1.41 / task) |
| MMMLU | 80.7% ±6.0 ($0.065 / task) | 79.3% ±4.4 ($0.150 / task) | 79.6% ±6.1 ($0.036 / task) | 81.3% ±5.8 ($0.099 / task) | 80.9% ±5.9 ($0.037 / task) | 81.3% ±5.6 ($0.145 / task) | 82.4% ±6.7* ($0.085 / task) |
| IFEval | 96.6% ±0.4 ($0.007 / task) | 96.4% ±0.9 ($0.015 / task) | 91.8% ±1.7 ($0.007 / task) | 91.7% ±1.8 ($0.015 / task) | 96.8% ±1.2 ($0.017 / task) | 93.6% ±1.6 ($0.009 / task) | 91.5% ±1.9 ($0.038 / task) |
| GPQA Diamond | 90.9% ±2.5 ($0.009 / task) | 89.7% ±1.4 ($0.017 / task) | 83.0% ±4.8 ($0.008 / task) | 81.5% ±5.0 ($0.015 / task) | 91.8% ±3.6 ($0.038 / task) | 84.2% ±4.5 ($0.037 / task) | — |

**根據 Martian 發表的延遲比較圖，Ship 的每項任務平均總耗時（包含工具執行與模型生成）與 GPT-5.6 Sol 相當，且遠低於 Claude Opus 4.8 與 Claude Sonnet 5。**

**數據表**

|   | tool execution | model generation |
| --- | --- | --- |
| GPT-5.6 Sol | 23秒 | 130秒 |
| Ship | 26秒 | 128秒 |
| Claude Opus 4.8 | 58秒 | 304秒 |
| GPT-5.5 | 34秒 | 146秒 |
| Claude Sonnet 5 | 70秒 | 430秒 |
| Claude Fable 5 | 41秒 | 156秒 |

## 標籤

SDK, 新產品, Martian