跳到正文
  1. The Decoder78

    OpenAI 发布第二份内部研究加速报告,披露 Codex 等智能体使用数据

    OpenAI 发布第二份内部研究加速报告,披露 Codex、Dots 等内部智能体的使用深度。按 API 标价计算,10 月中位数研究员每天消耗价值 2400 美元的 token,环比增长 62%,前 10% 用户达每天 23000 美元。

    推荐理由:OpenAI 内部报告给出编码智能体的用量、任务成功率与失败环节,可据此判断当前智能体在研发流程中的真实边界。

  2. 爱范儿80

    GPT-6.2 Astra 发布后差评不断,实测后我觉得它有点冤

    爱范儿实测 GPT-6.2 Astra 与 Sol 后认为,首发差评被集中放大,模型表现并没有网上说的那么糟。OpenAI 称 Astra 在 Agents' Last Exam 上比上一代高 5.2 分、成本不到三分之一,AA-3D 评测以 1318 Elo 排名第一;但 Theo、Dan Shipper 等开发者批评其在长期任务中异常中断、偏离目标、难以解释自身操作。

    推荐理由:结合开发者差评与作者自测,呈现 GPT-6.2 在长周期 Agent 任务中的真实表现与成本权衡。

  3. 开源中国资讯78

    微软推出编程模型 MAI Code 2 和 MAI Code 2 Flash

    微软宣布推出新版本编程模型 MAI Code 2 和 MAI Code 2 Flash,核心卖点是“不到一半的价格,交付生产级质量”。在 DeepSWE 1.1、Terminal Bench 2.1、SWE-Atlas 和 FrontierCode v1.1 四个企业日常编码基准上取平均,MAI Code 2 拿到 GPT 6.1 Sol 的……(原文摘要在此截断)。

    推荐理由:微软公布 MAI Code 2 与 Flash 的定价和基准对比,可据此判断低成本编程模型的取舍。

  4. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Neon 模型

    Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端快速任务完成,定价为每百万输入 token 3 美元、每百万输出 token 15 美元,上下文窗口 100 万 token。

    推荐理由:官方给出定价、上下文窗口与多项基准排名,可据此判断它在 Gemini 4 家族中的定位与成本取舍。

  5. The Decoder82

    微软 Ignite 一次发布七款 MAI 自研模型,主打性价比替代外部模型

    微软在 Ignite 大会上一次性发布七款 MAI 自研模型,覆盖代码、安全、图像、语音和路由,主打性价比以替代外部模型。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 的 98% 性能、成本为 40%,对 Claude Opus 5.5 达到 96% 性能、成本为 5%。

    推荐理由:微软一次发布七款自研模型,逐项对标 OpenAI 与 Anthropic 并给出价格与基准对比,可观察其替代外部模型的成本路径。

  6. LangChain 博客60

    LangSmith 为编码智能体推出按产出追踪花费功能

    LangSmith 推出面向编码智能体的花费追踪功能,把每次 trace 的花费自动归因到智能体贡献的 pull request 上,并汇总到统一的编码智能体总览页。

    推荐理由:原文把编码智能体的花费与合并 PR 挂钩,并给出按模型、技能和线程长度拆解成本的具体视图。

  1. Microsoft Research72

    微软研究院等发布开源插件 TokenEconomizer,降低 AI 编码智能体成本 18.4–30.9%

    UC Berkeley、Microsoft Research 和 Microsoft Security 发布开源插件 TokenEconomizer,它从智能体在仓库中的历史会话学习,在不修改智能体和底层模型的前提下减少后续会话的 token 浪费。

    推荐理由:读者可以看到一个不改动智能体本身、只靠历史会话学习的插件,在 277 个真实修 bug 任务上如何降低 token 成本。

  1. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Hydrogen 模型

    Google DeepMind 发布 Gemini 4 Hydrogen,主打日常编码与智能体工作流的速度和效率,并同步在 Gemini API、AI Studio、Gemini app、Google Search 等全线开放。

    推荐理由:官方给出 Hydrogen 与 Carbon、Argon 的分工定位及多项基准对比,可据此判断多模型协作的落地方式。

  1. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 面向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长程智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。

    推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和定价,读者可据此判断何时该用更强但更贵的模型。

  1. Anthropic News92

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,两者为同一底层模型,在编码、推理和视觉方面均有提升,输出速度比 5.1 版本快最多 30%,定价为每百万输入 token 8 美元、每百万输出 token 40 美元。

    推荐理由:官方系统卡与基准表并列呈现,读者可对照 Fable 5.2 与 Opus 5.5、GPT-6 Astra 的能力与价格差异。

  1. Mistral AI88

    Mistral 开源 Mistral Large 4(Le Chonk)权重

    Mistral 发布 1 万亿参数原生多模态模型 Mistral Large 4(Le Chonk)的开源权重,此前该模型已在本月早些时候进入公开预览。相比预览版,新增三周强化学习后其在 FrontierCode 2.0 得分 19.7%、Terminal-Bench 4.0 提升 13 个百分点至 41%,并支持 Low、Medium、High 三档推理模式。

    推荐理由:原文给出开源权重、三档推理模式和定价,读者可据此判断自托管编码与安全场景的落地成本。

  1. Ollama 博客82

    Reflection 首个开放权重模型 Beam 上线 Ollama,限时免费

    Reflection 的首个开放权重模型 Beam 于 10 月 16 日正式发布,Ollama 作为 day-zero 合作伙伴限时免费提供。Beam 是 MoE 模型,总参数约 501B、每 token 激活 23B,上下文窗口 100 万 token,面向软件工程、推理和长程智能体任务,采用 Apache 2.0 许可。

    推荐理由:Reflection 首个开放权重模型 Beam 的参数规模、上下文窗口和 Apache 2.0 许可,可供判断其面向编码与长程智能体任务的定位。

  1. Anthropic Engineering74

    Anthropic 详解自研版本控制系统 Scion 的设计与迁移

    Anthropic 介绍其自研版本控制系统 Scion,并在五个月内把单体仓库从 git 完整迁移过去。随着 Claude 写代码量激增,其日均合并代码变更从 2026 年 5 月的约 2500 次升至 9 月的超过 3 万次,git 的离线分布式设计成为瓶颈。

    推荐理由:Anthropic 公开自研版本控制系统 Scion 的设计取舍,为智能体大规模写代码后的工程瓶颈提供一份可借鉴的实践样本。

  1. Mistral AI83

    Mistral 发布 Mistral Large 4 公开预览,1 万亿参数原生多模态模型

    Mistral 发布 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,可在 Mistral Studio 试用预览 API,权重将于本月底发布。

    推荐理由:官方给出 1 万亿参数多模态模型的预览入口、权重开放时间与多项基准对比,可据此判断开源权重模型的当前水位。

已经到底了