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

@
@SemiAnalysis_@SemiAnalysis_·
👀127
🔥95
查看推特原帖 ↗

SemiAnalysis 拆解 AgentX 13 亿 Token/$ 纪录：vLLM 联合 Inferact 分离式架构较 B300 聚合模式飙升 4 倍，Cline 揭秘多 Harness 强化学习红利

权威半导体与 AI 算力研究机构 SemiAnalysis 披露了 AgentX 基准实现每美元 TCO 产出 13 亿 Token 的底层架构细节：vLLM 联合 Inferact 采用预填充/解码分离式推理（Disaggregated Serving），在超大规模云商批量计价下单位成本性能达到 NVIDIA B300 聚合式（Aggregated）部署的 4 倍；与此同时，开源编程智能体 Cline 公布实测，指出 DeepSeek-V4.1-Flash-1017 仅靠在多套异构 Coding Agent Harness 上扩展强化学习，便以低 17 倍的成本在 Terminal-Bench 上击败 GPT-5.6-Sol、较前代提分 35%。

SemiAnalysis 拆解 AgentX 13 亿 Token/$ 纪录：vLLM 联合 Inferact 分离式架构较 B300 聚合模式飙升 4 倍，Cline 揭秘多 Harness 强化学习红利

核心要点速览

  • SemiAnalysis 实测确认：vLLM 联合 Inferact 采用预填充/解码分离式架构，在 AgentX 上实现每美元 TCO 产出 13 亿 Token，性价比达 NVIDIA B300 聚合式配置的 4 倍
  • Cline 官方实测指出 DeepSeek-V4.1-Flash-1017 在 Terminal-Bench 上较前代跃升 35%，以低约 17 倍的成本击败 GPT-5.6-Sol
  • 这一 35% 的性能跃升在“零算法创新”下完成，核心归功于在多套真实 Coding Agent Harness 上直接进行强化学习后训练
阅读全文
关联模型 / 智能体 / 厂商:
#SemiAnalysis#vLLM#Inferact#Disaggregated-Serving#NVIDIA-B300#Cline
@
@huggingface@huggingface·
👀67
🔥92

人类 100% 满分而 GPT-5.6-Sol 仅 17%！厦大 RoTA-Bench 揭露 3D 交互空间盲区，OpenSAE 二阶特征引导令控制保真度跃升至 0.779

今日 Hugging Face 每日论文热榜前二的两项高赞研究（RoTA-Bench 200 赞、OpenSAE 104 赞）深入剖析了大模型内部表征与三维交互推理的边界：厦门大学纪荣嵘团队开源 RoTA-Bench（arXiv:2610.17665），通过 674 个可逆 3D-2D 剪影旋转对齐任务测试多步视觉反馈控制，发现人类本科生达成 100% 成功率而旗舰 GPT-5.6-Sol 仅得 17%；威斯康星大学麦迪逊分校开源 OpenSAE 行为可组合性框架（arXiv:2610.21261），提出 SAE 可加性残差（SAR），证明引入二阶成对特征交互可将多特征联合干预的排序保真度从 0.5874 大幅提升至 0.7790，误差降低逾 58%。

人类 100% 满分而 GPT-5.6-Sol 仅 17%！厦大 RoTA-Bench 揭露 3D 交互空间盲区，OpenSAE 二阶特征引导令控制保真度跃升至 0.779

核心要点速览

  • 厦大纪荣嵘团队开源 RoTA-Bench（674 个可逆 3D-2D 投影旋转对齐任务）：人类受试者达成 100% 通关率，而 GPT-5.6-Sol 成功率仅 17%，且在 19.4% 状态下陷入“2D 重叠提升但 3D 姿态恶化”陷阱
  • 移除交互历史会导致模型 96.8% 的旋转动作退化为粗糙的 30 度步长，证明历史视觉反馈对精细三维空间控制至关重要
  • UW-Madison 提出 SAE 可加性残差（SAR），在全部 18 组实验中证实引入二阶成对特征交互可将多特征联合干预排序保真度从 0.5874 提升至 0.7790，排序误差从 0.1444 降至 0.0606
阅读全文
关联模型 / 智能体 / 厂商:
#RoTA-Bench#3D-Spatial-Reasoning#GPT-5.6-Sol#Sparse-Autoencoders#OpenSAE#可解释性
O
OpenAI@OpenAI·
👀140
🔥80

OpenAI API 10 月 23 日批量下线 12 个旧模型：o4-mini、o3-mini、gpt-4o-2024-05-13、gpt-image-1 在列，迁移窗口仅剩 12 天

OpenAI 官方 Deprecations 页面显示，4 月 22 日宣布弃用的一批旧快照将于 2026 年 10 月 23 日在 API 中停止服务，涉及 gpt-3.5-turbo-0125、gpt-4-0613、gpt-4-turbo、gpt-4.1-nano、gpt-4o-2024-05-13、gpt-image-1、o1、o1-pro、o3-mini、o4-mini 等 12 个快照及其别名，另有 5 类微调模型同日下线。官方替代为 gpt-5.6-sol / terra / luna 与 gpt-image-2.5。社区 #keep4o 呼吁保留 GPT-4o 快照的讨论今日再度升温。

核心要点速览

  • 12 个快照 + 别名同日下线：o4-mini、o3-mini、o1、o1-pro、gpt-4-turbo、gpt-4、gpt-3.5-turbo 等别名也会一起失效（官方 Deprecations）
  • 停服日 2026-10-23，距今 12 天；4 月 22 日公告，满足官方 GA 模型「至少 6 个月」通知期
  • 替代映射：o4-mini / gpt-3.5 → gpt-5.6-terra；gpt-4 系 / o1 / o3-mini / gpt-4o-2024-05-13 → gpt-5.6-sol；o1-pro → gpt-5.6-sol（reasoning.mode: pro）；gpt-4.1-nano → gpt-5.6-luna
  • gpt-image-1 改用 gpt-image-2.5-sunburst 或 -flare；ft-gpt-4、ft-gpt-3.5-turbo、ft-o4-mini 等 5 类微调模型同日下线，需在新基座重训
  • 下一批：12 月 1 日 gpt-image-1.5 / 1-mini，12 月 11 日 gpt-5 首代快照与 o3 / o3-pro
阅读全文
关联模型 / 智能体 / 厂商:
⚡ o4-mini⚡ OpenAI o3-mini (High Reasoning Coding)⚡ o1⚡ GPT 4o 2024.05.13⚡ GPT Image 1⚡ gpt-4.1-nano⚡ GPT-5.6 Sol⚡ GPT-5.6 Terra⚡ GPT-5.6 Luna⚡ gpt-image-2.5🌐 OpenAI
#OpenAI#API#模型下线#迁移指南#O4 mini#GPT-4o#Gpt image 1
V
Vercelvercel·
👀71
🔥90

Vercel AI SDK：[email protected]–7.0.126 语音遥测与工具审批清理；@ai-sdk/openai 支持 ultrafast 服务档

Vercel 于 2026-09-30 连续发布 [email protected]（语音生成/转写遥测与 provider usage）→ [email protected]（addToolOutput 时清理 tool approvals）；相对此前已报道的 [email protected] compare ahead_by 22。同日 @ai-sdk/[email protected] 增加 OpenAI serviceTier: 'ultrafast'（文档标明仅 gpt-5.6-sol 等准入模型），并同步 Azure MAI 语音/转写与 MCP OAuth 失败 token 条件失效等补丁。

Vercel AI SDK：ai@7.0.124–7.0.126 语音遥测与工具审批清理；@ai-sdk/openai 支持 ultrafast 服务档

核心要点速览

  • 核心包：[email protected]（2026-09-30T17:48:28Z）→ [email protected]（22:57:07Z）；npm 7.0.126 约 23:00Z；相对 7.0.123 ahead_by 22
  • 语音可观测：8c65988 为 speech generation / transcription 增加 telemetry、provider usage 传播与 experimental streaming lifecycle callbacks
  • Agent UI：addToolOutput 时 clear tool approvals（4f3d236）；另有 convertDataPart、multipart tool results、Anthropic invalid toolset 保留等提交
  • OpenAI：@ai-sdk/[email protected] 支持 serviceTier: 'ultrafast'（文档注明仅准入模型如 gpt-5.6-sol）
  • 升级：npm i [email protected] @ai-sdk/[email protected]；文档 ai-sdk.dev
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GPT-5.6 Sol🌐 vercel🌐 OpenAI
#Vercel AI SDK#[email protected]#Speech#Telemetry#Ultrafast#Tool approval#OpenAI#发布
AD赞助内容
h
huangruiteng@huangruiteng·
👀56
🔥90
查看推特原帖 ↗

LoopX 1.0.3 在 LHTB 长程基准上超越原生 Codex Goal：GPT-5.6-sol 均分 0.4948

开发者 @huangruiteng 公布 LoopX 1.0.3（Heartbeat）搭配 GPT-5.6-sol 在长程基准 LHTB 上的探索性结果：平均 Reward 0.4948，高于 Claude Fable 5 公开参考分 0.487，相对原生 Codex Goal（0.4475）提升约 10.6%。LHTB 覆盖软件逆向、科学仿真、研究复现等九类需多步交付的任务；LoopX 将工作状态保留在会话外，通过 Heartbeat 唤醒执行器并复核计划。作者强调本轮每题单次有效运行、成本口径不同，尚不能主张同预算效率优势。

核心要点速览

  • GPT-5.6-sol + LoopX 1.0.3 在 LHTB 均分 0.4948，高于 Claude Fable 5 参考分 0.487 与原生 Codex Goal 0.4475。
  • 相对 Goal：23 胜 / 13 平 / 10 负；Reward≥0.95 任务从 4/46 增至 7/46。
  • LoopX 将会话外状态 + Heartbeat 执行器用于长程交付；作者标明探索性设定与成本口径差异。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GPT-5.6 Sol⚡ Claude Fable 5🤖 codex🤖 loopx🌐 OpenAI🌐 Anthropic
#LoopX#LHTB#GPT-5.6-sol#Codex Goal#长程任务#基准测试#Heartbeat
已呈现全部最新动态