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

N
Nanbeige@nanbeige·
👀244
🔥84
查看推特原帖 ↗

BOSS 直聘南北阁实验室开源 Nanbeige4.3-33B：33B 稠密模型、512K 上下文、Apache 2.0，官方称 Terminal-Bench 2.1 达 80.9 超过 Qwen3.8-27B

BOSS 直聘（看准科技）旗下南北阁大模型实验室 @nanbeige 在 UTC 2026-10-25 12:11 发布 Nanbeige4.3-33B（原帖），模型和 Base 版已在 Hugging Face 以 Apache 2.0 开放权重（模型卡）。这是一个 Llama 架构的 33B 稠密模型，支持 512K 上下文，定位为 Nanbeige4.3 系列的「教师模型」，后续会蒸馏出 Nanbeige4.3-3B 等小模型。官方模型卡在同一套 harness、最高思考强度下对比 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B：Terminal-Bench 2.1 为 80.9（Qwen3.8-27B 73.0），DeepSWE 65.5（42.5），但 SWE-Bench Pro 60.3 略低于 Qwen 的 61.7，GDPval 84.8 也低于 86.4。以上均为官方自测成绩，尚无第三方复现。

核心要点速览

  • 官方来源：@nanbeige X 原帖 与 Hugging Face 模型卡，抓取时原帖约 616 赞、79 转发、3.8 万浏览
  • 规格：33B 稠密、Llama 架构、512K 上下文、Apache 2.0，同时开放 Base 版
  • 官方自测编码：Terminal-Bench 2.1 80.9、Terminal-Bench 4.0 23.8、DeepSWE 65.5、SWE-Bench Pro 60.3（Qwen3.8-27B 分别为 73.0、6.3、42.5、61.7）
  • 官方自测协作类：Automation Bench 54.2、JobBench 44.8、GDPval 84.8（Qwen3.8-27B 为 38.3、34.5、86.4）
  • 部署：支持 Transformers、SGLang、vLLM，官方示例用 4 卡张量并行；后续将蒸馏 Nanbeige4.3-3B
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Nanbeige4.3-33B⚡ Qwen3.8-27B⚡ Gemma4-31B⚡ Muse-Glimmer-30B🌐 Nanbeige🌐 BOSS Zhipin🌐 Kanzhun
#Nanbeige4.3-33B#南北阁#开源模型#智能体#Terminal-Bench#BOSS直聘
A
Artificial Analysis@ArtificialAnlys·
👀273
🔥85
查看推特原帖 ↗

Artificial Analysis 发布 Coding Agent Index v2.0：用 Cognition 的 FrontierCode 替换 DeepSWE，Claude Code + Opus 5.5 以 61.7 分居首

Artificial Analysis 于 2026-10-23 发布 Coding Agent Index v2.0，评测对象是「模型 + Agent 外壳」的组合，覆盖 290 道任务，三项基准等权：Cognition 的 FrontierCode v1.1（100 道真实开源仓库任务，按维护者是否会合并打分）取代 DeepSWE v1.1，SWE-Atlas-QnA 改为评分更严格的 SWE-Atlas-QnA-AA，Terminal-Bench 4.0 不变。Claude Code + Claude Opus 5.5（max）以 61.7 分居首，Sonnet 5.5 59.3、Muse Wonder Full 58.9 紧随。新版整体分数下降：21 个两版都测过的配置平均分从 54.8 降到 47.4。

Artificial Analysis 发布 Coding Agent Index v2.0：用 Cognition 的 FrontierCode 替换 DeepSWE，Claude Code + Opus 5.5 以 61.7 分居首

核心要点速览

  • 榜首：Claude Code + Claude Opus 5.5（max）61.7，Claude Sonnet 5.5（max）59.3，Muse Code + Muse Wonder Full（max）58.9，Claude Fable 5.1（max with fallback）57.6（Artificial Analysis 口径）
  • FrontierCode v1.1 上 Opus 5.5 拿到 56.0%，领先 Codex + DeepSeek V4.1 Flash 的 52.6%；24 个配置中有 15 个挤在 43%–49%
  • 新旧版对比：21 个配置平均分 54.8 → 47.4，其中 20 个下降；同一批配置 FrontierCode 平均 45.1%，DeepSWE 为 65.6%
  • 成本前沿四个点：DeepSeek V4.1 Flash 47.3 分 $0.39/任务、GPT-6.1 Sol 54.1 分 $1.50、GPT-6 Astra 54.7 分 $7.04、Opus 5.5 61.7 分 $11.42（按 API 按量计费，不是订阅价）
  • SWE-Atlas-QnA-AA 改写了 1,306 条评分细则中的 127 条，裁判换成 GPT-6 Luna（xhigh）每条 5 票，数据集和裁判配置已在 Hugging Face 公开
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Claude Opus 5.5⚡ Claude Sonnet 5.5⚡ Claude Fable 5.1⚡ Muse Wonder Full⚡ DeepSeek-V4.1-Flash⚡ GPT-6.1 Sol⚡ GPT-6 Astra⚡ GPT-6 Luna🤖 Claude Code🤖 Codex🤖 Muse Code🤖 Kimi Code CLI🌐 Artificial Analysis🌐 Cognition🌐 Scale AI🌐 Anthropic🌐 OpenAI🌐 DeepSeek🌐 Meta
#Coding Agent Index#FrontierCode#Terminal-Bench 4.0#SWE-Atlas-QnA-AA#基准测试#编程智能体#单任务成本
L
LettaLetta_AI·
👀65
🔥82
查看推特原帖 ↗

Letta 发布 FrontierMemory 1.0：首个按下游任务成绩衡量 Agent 记忆质量的基准，Opus 5.5 与 GLM-5.3 并列 73.3% 居首

10 月 21 日，Letta 发布 FrontierMemory 1.0。它不再考 Agent 记不记得生日、爱好这类事实，而是给 Agent 一批过去的执行轨迹，让它生成记忆或技能，再看这些记忆能让任务 Agent 多解出多少编码和知识工作任务。首版共 15 个任务，改编自 DeepSWE、SkillsBench、APEX-Agents 等公开基准。模型榜（Letta Dream 生成记忆，Letta Code 执行）上 Opus 5.5 与 GLM-5.3 均为 73.3%，Grok 4.7 为 33.3%；Harness 榜上 Letta 自家 Letta Dream 第一。数据为厂商（Letta）口径。

Letta 发布 FrontierMemory 1.0：首个按下游任务成绩衡量 Agent 记忆质量的基准，Opus 5.5 与 GLM-5.3 并列 73.3% 居首

核心要点速览

  • 模型榜（厂商口径，最高推理档）：Opus 5.5 73.3%（单任务约 $2.80）、GLM-5.3 73.3%（$3.58）、Kimi K3 66.7%、GPT-6.1 Sol 60.0%（$0.77，最省）、Gemini 4 Argon 60.0%、Muse Wonder 46.7%、Grok 4.7 33.3%
  • Harness 榜：Letta Dream 73.3%、Prime Agent 60.0%、OpenAI Agents SDK 40.0%、Claude Managed Agents 33.3%、Hermes Agent 26.7%
  • 首版 15 个任务；665 条历史轨迹中只有 219 条与评测任务相关，Agent 需要自己挑出有用经验
  • Letta 称复核时发现保留下来的原始任务中 53% 的判题器有问题并已修复；记忆生成限时 6 小时、禁止联网
  • 记忆分三类：任务约定、用户偏好、环境特性；接受第三方提交模型与 Harness
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Claude Opus 5.5⚡ GLM-5.3⚡ Kimi K3⚡ GPT-6.1 Sol⚡ Gemini 4 Argon⚡ Muse Wonder⚡ Grok 4.7🤖 Letta Dream🤖 Letta Code🤖 Prime Agent🤖 OpenAI Agents SDK🤖 Claude Managed Agents🤖 Hermes Agent🌐 Letta🌐 Anthropic🌐 Zhipu AI🌐 Moonshot AI🌐 OpenAI🌐 Google🌐 Meta🌐 xAI🌐 Prime Intellect
#FrontierMemory#Letta#Agent 记忆#持续学习#基准测试#梦境学习#技能
M
MiniMax (official)MiniMax_AI·
👀95
🔥92
查看推特原帖 ↗

MiniMax 正式发布 M3.1 Flash 并于 10 月 23 日开放权重：428B 总参 / 23B 激活，每百万 token 输入 $0.15、输出 $0.60，DeepSWE 73.7%

MiniMax 官方确认，此前在 OpenRouter 等榜单上用量领先的匿名模型 Space Bunny 就是 M3.1 Flash 的早期版本，并于 10 月 19 日正式上线 API。按量计费为输入 $0.15、输出 $0.60、缓存读 $0.015（每百万 token），1M 上下文，支持文本、图片和视频输入，可用 effort 调节思考深度。官方口径：成本是 M3 的 1/3、速度 3 倍，DeepSWE 73.7%、Automation-Bench 62.2%；10 月 23 日权重已按期在 Hugging Face 开放（MiniMax Community 许可，MXFP8），Together、Inferact（vLLM）、LightSeek TokenSpeed 首日支持。

MiniMax 正式发布 M3.1 Flash 并于 10 月 23 日开放权重：428B 总参 / 23B 激活，每百万 token 输入 $0.15、输出 $0.60，DeepSWE 73.7%

核心要点速览

  • 官方定价（按量）：输入 $0.15 / 输出 $0.60 / 缓存读 $0.015 每百万 token；按单价是 M3（$0.30/$1.20）的一半，官方「1/3 成本」未说明计算口径。
  • 官方跑分：DeepSWE v1.1 73.7%（Opus 5 为 74.0%）、Automation-Bench 62.2%、BabyVision（带工具）91.0%、Terminal Bench 4.0 38.1%（Opus 5 为 51.8%）。
  • 1M 上下文，文本/图片/视频输入，effort 五档 low 到 max，默认 max，思考不能关闭。
  • 10 月 23 日权重已开放：Hugging Face MiniMaxAI/MiniMax-M3.1-Flash，非 gated，MiniMax Community 许可（非 MIT/Apache），MXFP8 量化，原生多模态 MoE，总参约 428B、每 token 激活 23B，自带 DSpark 投机解码草稿头。
  • 迁移提醒：M2.5/M2.7 自 10 月 19 日起不再对新用户开放，11 月 18 日下线；M Plan 与 Token Plan 的请求已自动路由到 M3.1 Flash。
  • 首日部署：Together AI 托管上线，MiniMax 与 Inferact 合作把生产推理改进回馈 vLLM，LightSeek 的 TokenSpeed 也提供首日支持。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ MiniMax-M3.1-Flash⚡ MiniMax-M3⚡ DeepSeek-V4.1-Flash⚡ Kimi K3⚡ GLM-5.3⚡ GPT-5.6 Sol⚡ Claude Opus 5🤖 MiniMax Code🌐 MiniMax
#MiniMax#M3.1 Flash#Space Bunny#模型发布#AI 编程#智能体#定价#1M 上下文#开源权重
AD赞助内容
D
DeepSeekdeepseek_ai·
👀233
🔥99
查看推特原帖 ↗

DeepSeek 发布 V4.1-Flash-1017：MIT 开源权重同步上线网页、App 与 API，DeepSWE 官方报 77.0，API 价格不变并开放自研 Search/Fetch 接口

DeepSeek 于 10 月 17 日把 V4.1 Flash 升级为 V4.1-Flash-1017，网页、App 与 API 同步切换（deepseek-flash 调用方式和价格不变），权重以 MIT 协议上架 Hugging Face 与 ModelScope。官方口径下 DeepSWE v1.1 从 74.2 升至 77.0、Terminal-Bench 4.0 从 31.2 升至 42.3，同时任务耗时与输出长度下降；同步开放自研搜索引擎驱动的 Search/Fetch API（$0.75/千次）。

DeepSeek 发布 V4.1-Flash-1017：MIT 开源权重同步上线网页、App 与 API，DeepSWE 官方报 77.0，API 价格不变并开放自研 Search/Fetch 接口

核心要点速览

  • 官方口径 DeepSWE v1.1 77.0（上一版 74.2），表中高于 Claude Opus 5 的 74.0 与 GPT-5.6 Sol 的 73.0
  • Terminal-Bench 4.0 由 31.2 升至 42.3、ProgramBench 由 20.3 升至 29.1，但仍低于 Opus 5 的 51.8 / 37.0；HLE（无工具）42.6 对 Opus 5 的 56.3
  • API 定价不变：deepseek-flash 高峰期输入（未命中缓存）$0.3、输出 $1.2 每百万 token，非高峰减半；上下文 1M、最大输出 384K
  • Search / Fetch API 各 $0.75/千次；经 DeepSeek Harness、Claude Code、Codex 服务端工具调用的部分免费至北京时间 11 月 1 日 00:00
  • 权重 MIT 开源，Hugging Face 为 FP8 存储（专家权重 FP4），不附 Jinja 模板，需用官方 encoding.py 或 deepseek-recipe
阅读全文
关联模型 / 智能体 / 厂商:
⚡ DeepSeek-V4.1-Flash-1017⚡ DeepSeek-V4.1-Flash⚡ Claude Opus 5⚡ GPT-5.6 Sol⚡ Kimi K3⚡ GLM-5.3🤖 DeepSeek Harness🤖 Tencent CodeBuddy🤖 WorkBuddy🤖 Claude Code🤖 Codex🌐 DeepSeek
#DeepSeek#开源权重#MIT#MoE#智能体编程#搜索 API#模型发布
M
Meta Superintelligence Labs@MetaAI·
👀111
🔥97

Meta 开源 Muse Spark Open：816B 总参 / 42B 激活 MoE，1M 上下文，官方称迄今最强美系开源权重模型

Meta 于 2026-10-15 发布 Muse Spark Open 权重：原生多模态 MoE（约 816B 总参、每 token 激活约 42B、1M 上下文），面向长程编程与智能体；权重可经 Hugging Face 等下载，并已上线 Together、Fireworks、Groq、OpenRouter 等托管推理。官方与第三方给出 DeepSWE 60%、MCP-Atlas 89.2%、JobBench 61.8% 等结果（口径见评测方法论文档）。

Meta 开源 Muse Spark Open：816B 总参 / 42B 激活 MoE，1M 上下文，官方称迄今最强美系开源权重模型

核心要点速览

  • 规模：约 816B 总参 / 每 token 激活约 42B；MoE 每层 256 专家、top-8 路由；62 层、隐藏维 8192；上下文至 1,048,576（HF 技术帖）
  • 编码/智能体（Meta 记分卡 / AA，xhigh）：DeepSWE 60.0%；SWE-Atlas Codebase QnA 58.0%；MCP-Atlas 89.2%；JobBench 61.8%；Toolathlon-Verified 72.8%（评测方法）
  • 吞吐（NVIDIA 技术博客，GB300 NVL72 上 agentic 负载）：宣称最高约 50K tok/s/GPU、约 600 tok/s/用户；提供 NVFP4 检查点（NVIDIA 博客）
  • 落地：权重 Muse Model License（有限商业条款）；引擎含 SGLang / vLLM / TensorRT-LLM / MLX / llama.cpp；双台 Apple M5 Ultra Mac Studio 可桌面本地跑（官方演示）
  • 第三方综指：Artificial Analysis Intelligence Index 约 38.9–39（xhigh，2026-10-07 口径），低于闭源前沿，但是开源权重档位中的重点对照（AA）
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Muse Spark Open⚡ Muse Spark Open 816B-A42B🤖 Muse Code🌐 Meta🌐 NVIDIA🌐 Hugging Face🌐 Apple
#Meta#Muse Spark Open#开放权重#MoE#智能体编程#816B#MLX#NVFP4
H
Hugging Face Daily Papers@HuggingFace·
👀90
🔥99

代码智能体有了“严师”随访！Rutgers 等开源 Opera：首创持久诊断笔迹，SWE-Bench 解题率跃升 15%

面向长程复杂软件工程（Long-Horizon Software Engineering）的代码智能体在排查深层 Bug 时极度依赖外部反馈，但传统的批评家（Critic）往往存在严重的“健忘症”与“误诊”：要么过早打断智能体正在进行的探索，要么给出一句模糊建议后便不再追踪，导致智能体表面上敷衍修改、深层问题依旧未解。罗格斯大学（Rutgers University）与利哈伊大学团队最新开源了突破性口头批评家框架 Opera（arXiv:2609.33987）。Opera 颠覆了单次打分范式，将每次纠错诊断定义为一份“持久随访便签（Persistent Note）”，持续跟踪智能体的后续动作直到问题彻底解决。系统结合周期性与事件驱动触发器，在下发建议前对比可见证据进行审计，并能敏锐区分智能体是“机械顺从”还是“真正修复”。在 Terminal-Bench 2.1、SWE-Bench Pro 子集和 DeepSWE v1.1 上，Opera 使非批评家智能体的任务解决率分别大幅提升 12.4、15.0 和 8.9 个百分点；更为关键的是，利用 Opera 引导的 Rollout 轨迹微调 Qwen3.5-9B，在不外挂 Critic 的纯推理模式下也能在跨仓库测试中取得 10.2% 的净增长，且彻底解决了跨 Harness（如从 OpenHands 切换到 Terminus-2）时的灾难性性能劣化。

核心要点速览

  • Rutgers 与 Lehigh 开源 Opera 框架，首创持久诊断便签（Persistent Notes）追踪机制，彻底治愈 Coding Agent 批评家健忘症
  • 在 Terminal-Bench 2.1 与 SWE-Bench Pro 上解题率分别暴涨 12.4% 与 15.0%，全维度刷新 Critic 基线记录
  • 引导轨迹微调 Qwen3.5-9B 获得 10.2% 离线净增益，攻克 OpenHands 到 Terminus-2 的跨 Harness 迁移劣化难题
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Opera⚡ Qwen3.5-9B⚡ SWE-Bench Pro⚡ Terminal-Bench 2.1🤖 Verbal-Critic-Agent🤖 Coding-Agent🤖 Persistent-Tracker🌐 Rutgers University🌐 Lehigh University🌐 Hugging Face
#Opera#编程智能体#SWE-bench#Verbal Critic#Long-Horizon Reasoning#开源
I
IQuest Research@IQuestLab·
👀80
🔥95

IQuest-Q1 开源 320B MoE 编程 Agent 模型：15B 激活 / 524K 上下文，DeepSWE 64.6、Terminal-Bench 2.1 达 83.2

IQuest Research 的 IQuest-Q1（约 320B 总参 / 15B 激活、524K 上下文）面向仓库级编码、终端与长程工具调用；权重与部署镜像已在 Hugging Face / GitHub。官方同管线自评：DeepSWE v1.1 64.6、NL2Repo 63.0、CyberGym 84.5、Terminal-Bench 2.1 83.2；支持 SGLang/vLLM 与 Claude Code / Codex 接入。

IQuest-Q1 开源 320B MoE 编程 Agent 模型：15B 激活 / 524K 上下文，DeepSWE 64.6、Terminal-Bench 2.1 达 83.2

核心要点速览

  • 规格：~320B MoE / ~15B 激活、88 层、256 专家激活 8、524,288 上下文；混合注意力 3×SWA+1×FA（HF 模型卡）
  • Agent 编码自评：DeepSWE v1.1 64.6（DeepSeek-V4.1-Flash 74.2 / Opus 5 73.7）；NL2Repo 63.0（Opus 5 75.3）
  • 终端与安全：Terminal-Bench 2.1 83.2；CyberGym 84.5（与 GLM-5.3 并列，Flash 88.1）
  • 后训练：SFT+RL，并强调 Multi-Teacher On-Policy Distillation（MOPD）；官方声明仍属早期、文本-only
  • 落地：hf download IQuestLab/IQuest-Q1 + Docker 镜像 sglang-iquest-q1 / vllm-iquest-q1（tp=8）；可接 Claude Code 2.1.140 / Codex 0.142
阅读全文
关联模型 / 智能体 / 厂商:
⚡ IQuest-Q1⚡ DeepSeek-V4.1-Flash⚡ Claude Opus 5⚡ GLM-5.3🤖 Claude Code🤖 Codex🤖 mini-SWE-agent🌐 IQuest
#IQuest-Q1#MoE#开放权重#编程智能体#DeepSWE#Terminal-Bench
M
Mistral AI@MistralAI·
👀392
🔥96

Mistral Large 4「Le Chonk」公测：1.05T 总参 / 49B 激活原生多模态 MoE，1M 上下文，月底开放权重

Mistral 于 2026-10-06 发布 Mistral Large 4 公测 API：1.05T 总参、49B 激活的细粒度 MoE，配 1.6B 视觉编码器，1M 上下文，在欧洲自建机房 3,800 张 Grace Blackwell 上从零训练。DeepSWE v1.1 61.7%、Cybench 93%，官方称在开源模型中网络安全、金融、法律达到 SOTA；权重承诺本月底开放。

Mistral Large 4「Le Chonk」公测：1.05T 总参 / 49B 激活原生多模态 MoE，1M 上下文，月底开放权重

核心要点速览

  • 规模：1.05T 总参 / 49B 激活 MoE + 1.6B 视觉编码器，1M 上下文（模型文档）
  • 编码（Artificial Analysis 私测）：DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%，Coding Agent Index 49.8%，高于 DeepSeek V4 Pro 0813 与 Qwen3.8 Max
  • 安全：Cybench 93%；AA Cyber Index 漏洞复现+修补子项 82% 为全场最高；Lakera B3 抗攻击 93.3%
  • Agent / 知识工作：AutomationBench 59.9%，AA-Briefcase 1,393 Elo；Surge AI 盲评 3.74 分，仅次于 Claude Opus 5（4.22）
  • 价格：每百万 token 输入 $1.36 / 缓存 $0.14 / 输出 $4.18，文档另列半价一档；权重月底发布
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Mistral Large 4🌐 Mistral AI
#Mistral#Mistral Large 4#开放权重#MoE#多模态#网络安全#基础模型
A
AgentField / Santosh Radha@Agent-Field·
👀79
🔥95

AgentField 开源 CodeAF v0.6：单 Go 二进制「软件工厂」专打开源模型；厂商 DeepSWE 同模对比 54.9% 居首

Agent-Field/CodeAF 以 Apache-2.0 单二进制把开源权重（DeepSeek/Qwen/GLM/Kimi 等）编成「工厂」：一窗派活、子 harness 分工、Pareto Crewing 按任务选模型。v0.6.0 发布于 2026-10-01T18:59:00Z；本跑 ★259。厂商文档：同模 DeepSeek V4 Flash 上 /senior-dev 在 DeepSWE 113 题解出 62（54.9%），单位成本标为对照 1x（有单种子与采样契约差异等限制）。

AgentField 开源 CodeAF v0.6：单 Go 二进制「软件工厂」专打开源模型；厂商 DeepSWE 同模对比 54.9% 居首

核心要点速览

  • 仓库 Agent-Field/CodeAF Apache-2.0；本跑 ★259 / forks 34；安装 curl -fsSL https://agentfield.ai/get/codeaf | bash
  • 正式标签 v0.6.0 发布于 2026-10-01T18:59:00Z；README 仍标 early preview
  • 厂商 DeepSWE 对照（同模 deepseek-v4-flash-0731，113 题）：senior-dev 62/113=54.9%、每题约 22¢；mini-swe-agent 49.6%、codex 45.1%、pi 37.2%、claude-code 14.2%（见仓库 docs/benchmarks/deepswe）
  • 后续同套题：DeepSeek V4.1 Flash 上报 88/113=77.9%；Kimi K3 78/113=69.0%（仅 senior-dev，非跨 harness 对比）
  • 内置 OpenRouter/DeepSeek/GLM/Kimi/MiniMax/Qwen/Codex/Ollama；crew 默认 worker/planner/checker 三角色自动选模
阅读全文
关联模型 / 智能体 / 厂商:
⚡ DeepSeek-V4-Flash⚡ DeepSeek-V4.1-Flash⚡ Kimi K3🤖 CodeAF🤖 senior-dev🌐 AgentField🌐 DeepSeek🌐 Moonshot
#Codeaf#Agentfield#开放模型#Deepswe#Coding harness#Software factory
AD赞助内容
G
Google DeepMind@GoogleDeepMind·
👀135
🔥99
查看推特原帖 ↗

Google DeepMind 发布 Gemini 4 Argon：DeepSWE 77.9%、1M 输出；Fairwind 可信防御方首发

DeepMind 官宣前沿模型 Gemini 4 Argon，面向长程编码、企业知识工作与网络防御；首发经 Fairwind 向可信防御方开放。官方：DeepSWE v1.1 77.9%、AutomationBench 51.3% 第一、LVBench 91.7%、CWE-bench v1 并列 68%；引进价 $2/$10 每百万 token，输出上限 1M。

Google DeepMind 发布 Gemini 4 Argon：DeepSWE 77.9%、1M 输出；Fairwind 可信防御方首发

核心要点速览

  • 模型：Gemini 4 Argon；长程编码 / 企业知识工作 / 网络防御；见 官方博文
  • Benchmark（官方）：DeepSWE v1.1 77.9% SOTA；AutomationBench 51.3% #1；LVBench 91.7%；CWE-bench v1 并列 68%；Fairwind 图：漏洞发现 85.8% / Wiz 渗透 70.9%
  • 容量与定价：输出上限 1M tokens（自 ~64K）；引进价 $2/$10 每百万 in/out（缓存 input ~95% off），引进期后 $4/$20
  • 准入：今日仅 Fairwind 可信防御方；随后优先付费 API 与 Google AI Ultra；公开 AI Studio 尚不可用
  • 内部实证：量子子程序时空优化一例优于基线 40%；libgav1 Rust 端口较原 Rust 快 2.7×；数据中心已释放 300+ TiB 内存
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Gemini 4 Argon⚡ Gemini 4 Argon🤖 CodeMender🌐 Google DeepMind
#Gemini 4 Argon#Google DeepMind#Fairwind#DeepSWE#CWE-bench#模型发布
T
Together AI@togethercompute·
👀71
🔥91
查看推特原帖 ↗

Together DeepSWE：Flash 先行再升级 GLM-5.3，级联 80.9% 且单任务约 1.70 美元

Together 在 DeepSWE 上对 GLM-5.3 与 GLM-5.3 Flash 做了约 900 次 rollout：全量 pass@1 为 69.0%、单次约 3.99 美元，Flash 为 63.4%、约 0.24 美元，成本约低 17 倍。蒸馏主要掉的是一次成功率而非能力上限，pass@4 差距收至 2.6 个百分点；先跑 Flash、测试失败再升级全量的级联达到 80.9%、约 1.70 美元/任务。对编码智能体，默认 Flash、用测试门控升级，比只跑全量更便宜且覆盖更高，但 Flash 破坏已通过基线测试的比例为 6.9% 对 4.4%，合并前仍需回归。

核心要点速览

  • DeepSWE 上 GLM-5.3 pass@1 69.0% / 约 3.99 美元，Flash 63.4% / 约 0.24 美元，单价约低 17 倍。
  • Flash 先行、失败再升级全量的级联为 80.9%、约 1.70 美元/任务，优于只跑全量。
  • Flash 破坏已通过基线测试的比例更高（6.9% 对 4.4%），生产路径需加回归门控。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GLM-5.3
#Together AI#GLM-5.3#GLM-5.3 Flash#DeepSWE#模型路由
Q
Qwen@Alibaba_Qwen·
👀78
🔥98
查看推特原帖 ↗

阿里通义开源 Qwen3.8-Flash：125B/6B 多模态 MoE，SWE-bench Pro 62.5，预览 Qwen4 架构

阿里通义千问开源多模态 MoE 模型 Qwen3.8-Flash，作为 Qwen4 架构早期预览。总参 125B 另加 51B N-gram 嵌入，每 Token 仅激活 6B；采用 GDN+QSA 混合注意力、Gated Residual 与 Muon 优化器。训练成本约为 Qwen3.7-Plus 的 1/9，却全面领先：DeepSWE 1.1 达 58.7、SWE-bench Pro 62.5、CoWorkBench 73.9、AndroidWorld 84.5、MathVision（含 CI）95.7。原生 262K 上下文，YaRN 可扩至 1M；1M 长度下 QSA 预填充最高 7.6 倍、解码 4.9 倍加速。QwenCloud 报价约 $0.15/$0.47 每百万 Token，权重已上线 Hugging Face，并获 NVIDIA NeMo、SGLang、Unsloth 与 OpenCode 的 Day-0 支持。

核心要点速览

  • 125B 总参、6B 激活，SWE-bench Pro 62.5、DeepSWE 1.1 58.7，训练成本约为上一代 Plus 的 1/9。
  • GDN+QSA 混合注意力在 1M 上下文下最高 7.6 倍预填充、4.9 倍解码加速。
  • 开源权重同步登陆 Hugging Face，QwenCloud / OpenRouter / OpenCode 与 NeMo、SGLang、Unsloth 提供 Day-0 接入。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Qwen 2.5 Coder 32B🌐 Qwen (通义千问)
#Qwen3 8 flash#Moe#Swe bench pro#开放权重#Qwen4
T
Together AI@togethercompute·
👀43
🔥92
查看推特原帖 ↗

Together AI 上线原生多模态 GLM-5.3 Flash：320B-A18B 架构、100 万长上下文与高性价比

Together AI 正式在其算力平台提供 GLM-5.3 Flash 原生多模态推理服务。该模型采用 320B 总参、18B 激活与 100 万 Token 混合注意力架构，在 DeepSWE 编程基准上对齐前沿模型，且同等预算下完成工作量翻倍以上。

核心要点速览

  • 极致性价比架构：320B-A18B MoE 稀疏激活在保持高精度的同时大幅压缩单 Token 成本；
  • 原生多模态 + 百万上下文：支持在超长代码库、架构图纸与系统日志中进行精准跨模态定位；
  • 为长周期自主编程 Agent 提供了兼顾推理吞吐与质量的云端托管方案。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GLM-5.3-Flash
T
Together AI@togethercompute·
👀42
🔥89
查看推特原帖 ↗

Together AI 上线 GLM-5.3 Flash 托管推理：320B-A18B 百万上下文，DeepSWE 性价比翻倍

Together AI 宣布在其全球推理集群首日托管上线智谱 GLM-5.3 Flash。在编程基准 DeepSWE 上几乎追平闭源前沿模型 Luna，且在同等算力预算下产出代码量超过两倍，主打高性价比的自治编码 Agent 推理支持。

核心要点速览

  • 首日托管服务原生多模态 320B-A18B MoE 架构，降低企业自行搭建混合注意力算力栈的复杂门槛；
  • DeepSWE 基准实测显示同等预算下编码产出达主流闭源前沿模型的 2 倍以上；
  • 已集成至 Together AI 官方模型市场与统一 API，支持微调与专用推理端点部署。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GLM-5.3-Flash