AICoder

AI 编程实时动态与要闻

基于 𝕏 (Twitter) 权威实验室与科学家一手信源，经 AI 降噪提炼核心事实，联动全网模型评测与智能体生态。

在 𝕏 上探索最新发文 ↗

AI 编程实时动态与要闻

T
Thinking Machines@thinkymachines·
👀11
🔥93
查看推特原帖 ↗

Thinking Machines 发布 Inkling 2 Small：594B/17B MoE、厂商口径 AA Intelligence Index 约 31，Tinker 可推理与微调，权重拟下周 Apache 2.0 开源

Thinking Machines Lab 于 11 月 5 日发布第二代首款模型 Inkling 2 Small：594B 总参 / 17B 激活 MoE，支持图像输入与可变 thinking effort。官方博客称 Artificial Analysis Intelligence Index 约 31，编码、视觉与知识工作相对上一代明显提升。现可在 Tinker 上推理与微调（闭源权重）；完成外部安全测试后拟以 Apache 2.0 释出全量权重。Tinker 标价约 $0.30/$1.00 每百万 input/output token（64K）。

Thinking Machines 发布 Inkling 2 Small：594B/17B MoE、厂商口径 AA Intelligence Index 约 31，Tinker 可推理与微调，权重拟下周 Apache 2.0 开源

核心要点速览

  • 规格（官方）：594B 总参 / 17B 激活 MoE；Hybrid + Vision；可变 effort；不支持音频（相对上一代）
  • 跑分（厂商口径）：AA Intelligence Index 约 31；FrontierCode v2.0 约 25.4%；DeepSWE v1.1 约 72.1%；DesignArena Website Elo 约 1340
  • 供应：今日起 Tinker Playground / 微调与采样可用；闭源；拟下周安全测试后 Apache 2.0 开源权重
  • 定价（Tinker 文档）：Prefill $0.30 / Sample $1.00 / Train $1.50 每百万 token（64K）；缓存 Prefill $0.03
  • 训练要点（官方）：统一 RL 约 1075 步、1700 万+ rollout；早期 checkpoint 曾以 Fledge-Alpha 名在 OpenCode 实测
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Inkling 2 Small⚡ Inkling-Small⚡ Inkling🤖 OpenCode🤖 Tinker🌐 Thinking Machines
#Inkling 2 Small#Thinking Machines#MoE#Open Weights Planned#Tinker#智能体编程#Vision#AA Index
A
Artificial AnalysisArtificialAnlys·
👀48
🔥86
查看推特原帖 ↗

Artificial Analysis：腾讯 Hy4 在 Intelligence Index v5 获 35 分，中国实验室模型第 2，FrontierCode 2.0 达 31%

独立评测机构 Artificial Analysis 11 月 5 日（UTC 08:28）公布腾讯混元 Hy4 的 Intelligence Index v5 成绩：综合 35 分，与 Grok 4.7（xhigh）持平，落后 Claude Haiku 5.5（max）1 分；在中国实验室模型中仅次于 Kimi K3.1 Pro（46）。Agent 编码方面 FrontierCode 2.0 为 31%、Terminal-Bench 4.0 为 37%；单任务成本约 0.78 美元，约为同分 Grok 4.7 的十分之一。

Artificial Analysis：腾讯 Hy4 在 Intelligence Index v5 获 35 分，中国实验室模型第 2，FrontierCode 2.0 达 31%

核心要点速览

  • Intelligence Index v5 综合 35：与 Grok 4.7（xhigh）并列，落后 Haiku 5.5（max，36）1 分；中国实验室仅次于 Kimi K3.1 Pro（46）
  • FrontierCode 2.0 31%（中国实验室领先；DeepSeek V4.1 Flash 1017 max 28%，Kimi K3.1 Pro 25%），Terminal-Bench 4.0 37%
  • AA-Omniscience v1.1 准确率 50%，但幻觉率 89%（Kimi K3.1 Pro 幻觉率 37%）；HLE-Diamond 33%
  • 单任务成本约 $0.78：约为同分 Grok 4.7 的 1/10、Qwen3.8 Max（34）的 1/13，约为 Haiku 5.5 的两倍
  • 定价约 $0.834/$2.501 每百万输入/输出 token，缓存读 $0.042；1M 上下文，支持图文输入
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Tencent Hy4⚡ Kimi K3.1 Pro⚡ Grok 4.7⚡ Claude Haiku 5.5⚡ DeepSeek-V4.1-Flash🌐 Tencent🌐 Artificial Analysis🌐 Tencent Hunyuan
#基准测试#Hy4#Intelligence Index#FrontierCode#Tencent#Artificial Analysis
A
Artificial AnalysisArtificialAnlys·
👀18
🔥82
查看推特原帖 ↗

Artificial Analysis 改用「单任务耗时」作为头号性能指标：GPT-6 Astra 满档约 17 分钟完成一题，快于 Opus 5.5 与 Gemini 4 Carbon

独立评测机构 Artificial Analysis 于 11 月 4 日（UTC 17:34）在 X 上宣布新版 API 性能基准：头号指标从输出速度改为 Time per Task，即完成一道 Intelligence Index 任务所需时间（每题输出 tokens ÷ 端到端输出速度）。新版覆盖约 1,000 个 serverless 端点，速度改为从发出请求算到最后一个 token，并加入多轮 Agent 编码与知识工作负载。官方数据：GPT-6 Astra 满档 51 tokens/s 但约 17 分钟完成一题，Claude Opus 5.5（max）约 26 分钟，Gemini 4 Carbon（high）约 29 分钟。

核心要点速览

  • Time per Task = 每道 Intelligence Index 任务的输出 tokens ÷ 端到端输出速度；逐 token 很快但话多的模型，可能比慢但省 token 的模型更晚完成任务。
  • 端到端输出速度从发出请求算到收到最后一个 token，包含首 token 前的等待（prefill 与隐藏推理）；输出 token 改用各家 API 自报数量，不再用 o200k_base 分词器估算。
  • GPT-6 Astra（max）51 tokens/s，每题约 5 万输出 tokens、约 17 分钟；Claude Opus 5.5（max，111 tokens/s）约 26 分钟，Gemini 4 Carbon（high，71 tokens/s）约 29 分钟，后两者每题约 12–17 万 tokens。
  • 按各家 API 默认档（三者均为 medium），GPT-6 Astra、GPT-6.1 Sol、Opus 5.5 的单任务耗时降约 3–5 倍、成本降约 2–4 倍，Intelligence Index 低约 5–11 分；Opus 5.5 从约 26 分钟/10.04 美元降到约 6.8 分钟/2.45 美元。
  • 官方方法论页显示这是 3.0.0 版（10 月 30 日），测试频率改为每 6 小时一次，并新增端点错误率指标。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GPT-6 Astra⚡ GPT-6.1 Sol⚡ Claude Opus 5.5⚡ Gemini 4 Carbon🌐 Artificial Analysis🌐 OpenAI🌐 Anthropic🌐 Google
#Artificial Analysis#Time per Task#基准测试#API performance#智能体化#延迟
R
Ricursive IntelligenceRicursiveAI·
👀35
🔥84
查看推特原帖 ↗

Ricursive 开源 Ripple-65B Preview：从零预训练的 65B 稠密模型，TerminalBench 2.1 80.5，Apache 2.0

Ricursive Intelligence 于 11 月 4 日（UTC 18:24）发布首个模型 Ripple-65B Preview，并在 Hugging Face 以 Apache 2.0 开源指令版（BF16、NVFP4）和基座版。官方模型卡显示：65B 稠密 Transformer、12T token 预训练、最长 1M 上下文，自报 TerminalBench 2.1 80.5、SWE-bench Pro v2.0 Hard 79.1、DeepSWE 1.1 44.3，在编码 Agent 任务上超过参数大得多的美国开源模型；可在 DGX Spark 等本地硬件运行。CEO Anna Goldie 称成本约为此前同类 SOTA 的十分之一。

Ricursive 开源 Ripple-65B Preview：从零预训练的 65B 稠密模型，TerminalBench 2.1 80.5，Apache 2.0

核心要点速览

  • Ripple-65B Preview 为 65B 稠密模型，80 层、d_model 5120 的“窄而深”结构，从 Olmo 3 基线改为类 Gemma 3N 架构。
  • 预训练 12T token（8K 序列），后训练含中训练、长上下文、SFT 与混合领域 RL，支持最长 1M 上下文。
  • 自报 TerminalBench 2.1 80.5，高于 Reflection Beam 501B（80.1）、Muse Spark Open 816B（76.4）；但 SWE-bench Verified 76.5、DeepSWE 1.1 44.3 并非全面领先。
  • 官方称核心团队从 1 人扩到 5 人，代码计算效率相对 Olmo 3 提升 16 倍；2×B200 上约 250 tok/s。
  • Hugging Face 提供 BF16、NVFP4、基座版和 DFlash2 投机解码模型，许可均为 Apache 2.0。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Ripple-65B Preview⚡ Reflection Beam 501B⚡ Muse Spark Open⚡ Nemotron 3 Ultra🌐 Ricursive Intelligence🌐 NVIDIA
#Ripple-65B#Ricursive#开放权重#Apache 2.0#智能体编程#dense model#Local
AD赞助内容
A
AI Tracker Bot@aitrackerbot·
👀62
🔥88
查看推特原帖 ↗

美团龙猫正式发布 LongCat-2.5：1.6T 总参、约 48B 激活的原生多模态智能体模型，API 限时 $0.30/$1.20

美团 LongCat 团队 11 月 2 日在 API 平台更新日志中上线 LongCat-2.5，这是 9 月 25 日 LongCat-2.5-Preview 的正式版。官方技术博客称它总参数 1.6 万亿、每个 token 激活约 480 亿，在 LongCat-2.0 基础上强化原生视觉理解和智能体编程，训练和 W4A4 推理都在国产 AI 加速卡上完成。官方口径成绩包括 Terminal Bench v2.1 88.4、Terminal Bench v4.0 38.5、BrowseComp 91.9、MCP Atlas 83.1。API 支持 OpenAI 和 Anthropic 两种格式，1M 上下文、最多 128K 输出，限时价每百万 token 输入 $0.30、缓存输入 $0.006、输出 $1.20。

美团龙猫正式发布 LongCat-2.5：1.6T 总参、约 48B 激活的原生多模态智能体模型，API 限时 $0.30/$1.20

核心要点速览

  • 规模：1.6 万亿总参数 MoE，每 token 激活约 480 亿；1M 上下文、最高 128K 输出（官方博客、API 文档）
  • 代码智能体（官方口径）：Terminal Bench v2.1 88.4（Claude Opus 5 89.1、GPT-5.6-Sol 88.8）、Terminal Bench v4.0 38.5（GPT-5.6-Sol 37.3、Claude Opus 5 53.9）、DeepSWE v1.1 64.6
  • 通用智能体（官方口径）：BrowseComp 91.9、MCP Atlas 83.1、AutomationBench v1.0.6 51.8、HLE w/tools 63.1；相比 LongCat-2.0 的 AutomationBench 15.8 大幅提升
  • 价格：限时每百万 token 输入 $0.30（¥2）、缓存输入 $0.006（¥0.04）、输出 $1.20（¥8）（定价页）
  • 工程：W4A4 推理相比 W8A8 基线预填充吞吐 +43.3%、解码吞吐 +42.77%；长序列 SFT 中 FSDP 单卡吞吐比 DDP 基线高 86%
阅读全文
关联模型 / 智能体 / 厂商:
⚡ LongCat-2.5⚡ LongCat-2.5-Preview⚡ LongCat-2.0⚡ Claude Opus 5⚡ GPT-5.6 Sol⚡ DeepSeek-V4.1-Flash🤖 Claude Code🤖 Codex🤖 Hermes Agent🤖 OpenCode🤖 Cline🌐 Meituan
#LongCat-2.5#美团#MoE#多模态#智能体#定价
@
@GoogleDevs@GoogleDevs·
👀71
🔥95
查看推特原帖 ↗

Google AI Studio 向 Pro 订阅者开放 Gemini 4 Argon 构建模式，Transformers v5.20.1 原生支持 Reflection AI Beam 与 Meta 816B Muse Spark Open

Google AI Studio 正式宣布向 Google AI Pro 订阅开发者全面开放旗舰模型 Gemini 4 Argon 的 Build 与 Playground 交互构建能力；与此同时，Hugging Face Transformers 连发 v5.20.0 与 v5.20.1，免远程代码原生集成 Reflection AI 编码大模型 Beam、Meta 816B（42B 激活/1M 上下文）全模态编程模型 Muse Spark Open、蚂蚁 Ling 3.0 Flash 及面壁 MiniCPM-V 4.7。

Google AI Studio 向 Pro 订阅者开放 Gemini 4 Argon 构建模式，Transformers v5.20.1 原生支持 Reflection AI Beam 与 Meta 816B Muse Spark Open

核心要点速览

  • Google AI Studio 正式向 Pro 订阅用户开放 Gemini 4 Argon 的 Build 与 Playground 模式（https://ai.studio/build），赋能长程交互式应用构建
  • Hugging Face Transformers v5.20.1 原生合入 Reflection AI 面向私有化与长程 Agent 打造的低 Token 消耗旗舰编码模型 Beam，并修复 DeepGEMM Mega MoE 专家并行 Bug
  • 同步原生支持 Meta 816B 总参数（42B 激活、1,048,576 上下文、支持 BF16/NVFP4）全模态编程模型 Muse Spark Open 与蚂蚁 KDA+MLA 混合架构 Ling 3.0 Flash
阅读全文
关联模型 / 智能体 / 厂商:
#Gemini-4-Argon#Google-AI-Studio#HuggingFace-Transformers#Reflection-AI-Beam#Muse-Spark-Open#Ling-3.0-Flash
M
Microsoft & ServiceNow Research@HuggingFace·
👀157
🔥94

微软与 ServiceNow 推出 FrogNano：仅 4B 参数的高能代码 Agent，纯 RL 动态任务合成实现端侧落地

微软研究院与 ServiceNow Research 联合团队正式发布专为端侧低资源环境打造的轻量级代码智能体 FrogNano（arXiv:2609.07925）。不同于传统依赖千亿大模型蒸馏（Distillation）小模型的做法，FrogNano 仅含 40 亿（4B）参数，且完全仅通过强化学习（RL）在约 1,500 个复杂的软件工程沙箱环境中后训练完成。其核心技术突破在于构建了一套自适应在线任务合成流水线（Online Task Synthesis），能够根据当前 Checkpoint 的学习能力边界动态生成难度恰到好处的合成代码任务。实验证明，小型模型完全无需依赖大模型输出即可自主进化出极高水平的软件工程代码调试与工具调用能力。

微软与 ServiceNow 推出 FrogNano：仅 4B 参数的高能代码 Agent，纯 RL 动态任务合成实现端侧落地

核心要点速览

  • 极致轻量化 4B 规模：以仅 40 亿参数的小巧体量具备完整的终端交互、环境探索与代码重构能力，可在单张消费级显卡或 Mac 上本地运行
  • 抛弃传统知识蒸馏：摆脱对 GPT-4 等千亿闭源前沿模型伪代码轨迹的依赖，纯粹依靠强化学习自我博弈与环境执行反馈进化
  • 动态可学习性边界合成：任务生成器根据模型当前阶段动态调整题目难度，杜绝任务过难导致梯度弥散或过易导致过拟合
  • 1500+ 真实工程沙箱：覆盖 Python、多语言包管理与测试框架，强化模型面对真实报错时的鲁棒恢复与多轮调试韧性
  • 端侧高性价比工程范本：为企业级私有化本地代码辅助、离线敏感内网研发提供了不妥协代码质量的超轻量解决方案
阅读全文
关联模型 / 智能体 / 厂商:
⚡ FrogNano-4B⚡ SWE-bench🤖 FrogNano🤖 Coding Agent🌐 Microsoft🌐 ServiceNow
#FrogNano#编程智能体#Small Language Model#强化学习#Task Synthesis#SWE-bench
@
@AnthropicAI@AnthropicAI·
👀152
🔥88
查看推特原帖 ↗

Anthropic 正式发布 Claude Opus 5.5：开启 5.5 世代，运行成本直降 40%、推理速度提升超 30%

Anthropic 宣布全新旗舰模型 Claude Opus 5.5 正式上线，作为 Claude 5.5 家族的首发成员。官方实测显示，Opus 5.5 在绝大部分复杂推理与 Agentic 编码任务中已达到前代旗舰 Claude Fable 5.1 水平，而在典型企业工况下的运行成本相比 Opus 5 降低了 40%，输出速度提升超 30%，API 价格定为输入 $4/M、输出 $20/M，提示词缓存读取仅 $0.20/M。

核心要点速览

  • Claude 5.5 世代首发旗舰，多项核心任务综合能力平齐 Claude Fable 5.1。
  • 单任务综合成本降低约 40%，输出吞吐速度提升超 30%，大幅改善长链路 Agent 响应延迟。
  • API 价格为 $4/M 输入、$20/M 输出，提示词缓存读取仅 $0.20/M，缓存写入 $5/M。
  • 在 Anthropic 自动化行为安全审计中取得历史最高分，强化敏感代码与网络防御过滤。
阅读全文
关联模型 / 智能体 / 厂商:
#AI#LLM#编程
C
Claude@claudeai·
👀59
🔥97
查看推特原帖 ↗

Anthropic 发布 Claude Opus 5.5：多数任务达 Fable 5.1 水平，典型负载成本约降 40%

Anthropic / Claude（@claudeai，@AnthropicAI 转发确认）宣布 Claude Opus 5.5 今日可用，为新 Claude 5.5 系列首个模型。官方称多数任务表现达到 Claude Fable 5.1 水平，相对 Opus 5 在 agentic coding、computer use 与知识工作上显著提升；默认设置下典型负载运行成本约低 40%。同步提高 Pro/Max/Team 五小时用量上限，并为订阅用户提供可留存的速率限制重置。

Anthropic 发布 Claude Opus 5.5：多数任务达 Fable 5.1 水平，典型负载成本约降 40%

核心要点速览

  • Claude 5.5 系列首发 Opus 5.5，今日可用；多数任务对齐 Claude Fable 5.1。
  • 相对 Opus 5 在 agentic coding、computer use 与知识工作上领先；默认典型负载成本约降 40%。
  • Pro/Max/Team 五小时用量上限上调，订阅用户获可留存的速率限制重置。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Claude Opus 5.5🤖 Claude Code (Anthropic)🌐 Anthropic
#Claude Opus 5.5#Claude 5.5#Anthropic#Fable 5.1#智能体编程#定价
@
@elonmusk@elonmusk·
👀48
🔥88
查看推特原帖 ↗

Grok 4.7 发布

Elon Musk 发帖宣布 Grok 4.7。同日相关讨论指出，该模型在智能体编程与知识工作基准上较 Grok 4.6 提升，并建议配合 xAI Build 工作流使用以获得更好效果。

Grok 4.7 发布

核心要点速览

  • Elon Musk 发帖宣布 Grok 4.7。同日相关讨论指出，该模型在智能体编程与知识工作基准上较 Grok 4.6 提升，并建议配合 xAI Build 工作流使用以获得更好效果。
阅读全文
关联模型 / 智能体 / 厂商:
#AI#LLM#编程
AD赞助内容
@
@elonmusk@elonmusk·
👀42
🔥88
查看推特原帖 ↗

Grok 4.7 发布：智能、速度与低成本兼顾的新一代模型

埃隆·马斯克宣布 Grok 4.7 上线。该模型在智能、速度与成本之间取得平衡，配合 xAI Build 工具链在智能体编程任务上表现突出，并被其称为日常主力模型的有力选择。

Grok 4.7 发布：智能、速度与低成本兼顾的新一代模型

核心要点速览

  • 埃隆·马斯克宣布 Grok 4.7 上线。该模型在智能、速度与成本之间取得平衡，配合 xAI Build 工具链在智能体编程任务上表现突出，并被其称为日常主力模型的有力选择。
阅读全文
关联模型 / 智能体 / 厂商:
#AI#LLM#编程
F
Factory@FactoryAI·
👀48
🔥86
查看推特原帖 ↗

Factory 与 Slack Code 联动进入定向公测：频道内协作下发软件任务，结果回帖原对话

Factory 宣布面向 Slack Code 的集成已对部分用户开放测试。团队可在频道内提出软件任务并协作讨论，由 Factory 执行开发工作，最终结果回到原对话线程，把智能体编码嵌入既有团队沟通流。

核心要点速览

  • Factory for Slack Code 进入定向公测，面向部分用户开放。
  • 可在 Slack 频道内提出并协作软件任务，由 Factory 执行编码。
  • 结果回到原对话线程，减少在 IDE 与聊天工具间来回切换。
阅读全文
关联模型 / 智能体 / 厂商:
🌐 factory
#Factory#Slack Code#智能体编程#测试版#team collaboration
P
PrismML@PrismML·
👀60
🔥92
查看推特原帖 ↗

Ternary Bonsai 2 27B 开源发布：5.9GB 保留 98.2% 性能，强化编码与长程代理

PrismML 发布 Ternary Bonsai 2 27B，基于 Qwen3.8 27B 的三值权重模型，体积约 5.9GB，相比全精度版本缩小 9 倍，同时保留 98.2% 的综合基准性能。官方称新版本在智能体编码、多模态推理和长程工具使用上显著提升，并以 Apache 2.0 开源。

核心要点速览

  • 基于 Qwen3.8 27B 的三值权重模型约 5.9GB，比全精度版本小 9 倍。
  • 官方称其保留 98.2% 的综合基准性能，并重点提升智能体编码、多模态推理与长程工具使用。
  • 模型已按 Apache 2.0 开源，并提供 Hugging Face 权重、白皮书、WebGPU Demo 与配套 llama.cpp 分支。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Qwen3.8-27B🤖 Cline (VS Code Agent)🌐 prismml🌐 Qwen (通义千问)
#PrismML#Ternary Bonsai 2#Qwen3.8#智能体编程#Apache 2.0#本地推理
M
Mitchell Hashimoto@mitchellh·
👀326
🔥89
查看推特原帖 ↗

Superlogical Rex 多路复用器上线 CLI：可脚本化控制会话/分屏，对接编辑器与编码智能体

Mitchell Hashimoto（@mitchellh）演示 Superlogical Rex 多路复用器的 CLI：GUI 能做的事均可脚本化，且更多——创建会话、跑命令、分屏、移焦、模拟键鼠输入、等待脚本；另有流式事件系统供客户端/脚本订阅，以及返回运行中进程 JSON 的终端 API，便于挂进编辑器与 agentic coding 工具链。

核心要点速览

  • Rex CLI 覆盖并超过 GUI：会话、命令、分屏、焦点与键鼠模拟均可脚本化。
  • 流式事件系统可供任意客户端或脚本订阅。
  • 终端 API 返回运行中进程 JSON，便于对接编辑器与编码智能体。
阅读全文
关联模型 / 智能体 / 厂商:
🤖 Claude Code (Anthropic)
#Superlogical#Rex#Multiplexer#CLI#智能体编程#Mitchell Hashimoto#自动化#terminal API
C
Command Code@CommandCodeAI·
👀66
🔥85
查看推特原帖 ↗

Command Code：GPT-6 Astra 已上线

终端/CLI 编码智能体 Command Code 宣布 OpenAI GPT-6 Astra 已上线。开发者可在 Command Code 工作流中直接选用 Astra，承接其更强的长程 agentic 编码能力，与同日 Copilot、Cline、v0、Factory 等产品侧放量形成 complementary 覆盖。

核心要点速览

  • 接入：Command Code 已上线 GPT-6 Astra。
  • 形态：面向终端/CLI 编码 agent 工作流。
  • 生态：补齐 Astra 在 CLI agent 侧的可选入口。
阅读全文
关联模型 / 智能体 / 厂商:
🤖 command-code🌐 OpenAI
#Command Code#GPT-6 Astra#OpenAI#CLI#编程智能体