AI 编程实时动态与要闻

Anthropic 发布 Claude 选型指南:多数编码任务先用 Opus 5.5(medium),换模型前先调 effort,子 Agent 交给 Haiku 5.5 省钱

Anthropic 开发者博客 claude.dev 11 月 9 日发布 Addy Osmani 撰写的选型指南《Which Claude model should you build with?》,ClaudeDevs 推文获约 9200 赞、1.2 万收藏。核心建议:大多数编码和知识工作先用 Opus 5.5、effort 设 medium(Claude Code 默认);范围明确的修 bug、按规格开发降到 Sonnet 5.5;分类、路由、抽取和读日志类子 Agent 用 Haiku 5.5;大型重构、迁移和深度研究再升到 Fable 5.2。换模型之前先调 effort,并先给模型加上自我验证手段。指南还列出四款模型价格、默认 effort 和迁移时会触发 400 错误的兼容性差异。

Anthropic 发布 Claude 选型指南:多数编码任务先用 Opus 5.5(medium),换模型前先调 effort,子 Agent 交给 Haiku 5.5 省钱

核心要点速览

  • 价格(官方口径,每百万 token 输入/输出):Haiku 5.5 $0.10/$0.50(100K 以上 $0.50/$2.50)、Sonnet 5.5 $2/$10、Opus 5.5 $4/$20、Fable 5.2 $8/$40,四款均为 1M 上下文、128K 最大输出
  • Anthropic 自测 FrontierCode 2.0:Fable 5.2(high)45.3% 与 Opus 5.5(max)45.5% 基本持平,单任务成本约为一半;Opus 拉到 high 以上前建议先试 Fable 5.2
  • SWE-bench Pro 子集:Opus 5.5 先用 low 跑、失败再用 high 重跑,通过率约 97%、每题约 $0.17,全部用 high 为 95.3%、$0.29
  • Opus 5.5 统领最多 25 个并行 Sonnet 5.5 子 Agent 搜索约 2200 万 token 代码,成本比 Opus 单跑低约三分之一,得分相近
  • 迁移坑:Fable 5.2 对所有 API 账号启用 preserved thinking,改动历史上下文会报 400;Sonnet/Opus 5.5 与 Fable 5.2 上 tool_choice 为 any/tool 也会报 400
阅读全文

Google Antigravity v2.30 推出「知识工作」界面:隐藏终端与 Git,面向调研和写作;可一键导入 Claude Code / Codex / Cursor 的 MCP、技能与子 Agent 配置

Google Antigravity 官方账号 11 月 9 日宣布推出「Knowledge Work」界面布局,面向调研、写作和产出物(artifacts),沿用同一套 Agent harness、插件和 MCP 工具,只是去掉终端和 Git 等开发元素。官方 changelog 显示这是 Antigravity App v2.30.0 的主打功能:首次登录会询问你的工作类型并自动配置布局;语音模式和远程 Agent 完成全量推送;还能让 Agent 把 Claude Code、Codex、Cursor 里的 MCP 服务器、技能、自定义命令、子 Agent 和指令文件导入成你自己的插件。本版共 27 项改进、25 项修复。

Google Antigravity v2.30 推出「知识工作」界面:隐藏终端与 Git,面向调研和写作;可一键导入 Claude Code / Codex / Cursor 的 MCP、技能与子 Agent 配置

核心要点速览

  • 新布局在 Settings > General > Interface Layout 切换,隐藏代码改动和开发工具,把 Agent 进度合并成一行,并用白话描述命令;商业版和企业版暂不可用
  • 首次登录会让你在软件工程、知识工作、数据分析、科研、设计 5 类中选择,自动配置布局,首页给出带插件的起步提示
  • 迁移成本降低:可让 Agent 把 Claude Code、Codex、Cursor 中的 MCP 服务器、技能、自定义命令、子 Agent 和指令文件导入为自有插件
  • 语音模式(个人账号)和远程 Agent(AI Ultra 与付费 AI Pro)在 v2.30.0 完成全量推送;Auto 权限预设去掉 Preview 标记
  • 官方推文发布后约 2 小时获得 1200+ 点赞、5.1 万次浏览;本版 27 项改进、25 项修复
阅读全文

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

阶跃星辰 Step 5 Preview 开源权重落地:600B/27B 稀疏 MoE、1M 上下文智能体旗舰,Hugging Face 与 ModelScope 同步上线

阶跃星辰于 2026-10-15 履约放出 Step 5 Preview 开源权重:600B 总参、每 token 激活 27B 的稀疏 MoE,支持最长 1M token 上下文与视觉输入,定位智能体与软件工程。权重已上 Hugging Face(FP8/BF16/NVFP4)与 ModelScope;官方评测 StepCodeBench 49.0%、FrontierFinance 66.4%、Artificial Analysis Intelligence Index 44。此前 9 月仅有 API/指数报道,本次是权重本身首次公开可下载。

阶跃星辰 Step 5 Preview 开源权重落地:600B/27B 稀疏 MoE、1M 上下文智能体旗舰,Hugging Face 与 ModelScope 同步上线

核心要点速览

  • 规格:稀疏 MoE 600B 总参 / 27B 激活,上下文最长 1M token,输入支持文本与图像(官方模型页)
  • 权重仓库:stepfun-ai/Step-5-Preview(及 BF16、NVFP4)已在 Hugging Face 与 ModelScope 可下载(HF 模型卡)
  • 编码基准:StepCodeBench avg@4 为 49.0%(开源权重对比中领先官方所列对手);DeepSWE v1.1 为 67.7%(官方评测表)
  • 金融与智能指数:FrontierFinance 66.4%;Artificial Analysis Intelligence Index 44(与此前 AA 报道一致)
  • 部署:官方给出 vLLM / SGLang Docker 与 OpenAI 兼容 API 示例;许可为 StepFun Model License 1.0(类 Apache-2.0 另附商用条件)
阅读全文
关联模型 / 智能体 / 厂商:
AD赞助内容

Paper Instruments 发布 Ultramarine 1 Flash:GLM-5.3 Flash 上做非可验证 RL 的知识工作模型,自测单任务 $0.13、API 已开放、权重将开源

旧金山实验室 Paper Instruments 于 2026-10-15 00:02(新加坡时间)发布 Ultramarine 1 Flash:在开源底座 GLM-5.3 Flash 上用大规模「非可验证」强化学习(任务级 rubric 奖励)后训练,面向金融、法律、咨询、运营类知识工作。官方技术报告称其在 6 项知识工作基准上平均比底座高 4.1 分、输出 token 少 6.5%;在内部 PI Knowledge Work 套件上以 $0.13/任务得 59.3 分,高于 Claude Fable 5($8.19,57.8)。OpenAI 兼容 API(ultramarine-1-flash)已上线;CEO 称权重约两周内发布、后训练成本约 30 万美元。成本对比依赖其内部基准,尚无独立复现。

Paper Instruments 发布 Ultramarine 1 Flash:GLM-5.3 Flash 上做非可验证 RL 的知识工作模型,自测单任务 $0.13、API 已开放、权重将开源

核心要点速览

  • 底座 GLM-5.3 Flash + CISPO 变体 RL(LoRA rank 64,131K 上下文,最多 250 轮),6 项知识工作基准平均 +4.1 分、token 少 6.5%
  • JobBench 62.9(第 1,Gemini 3.8 Flash 60.6);FrontierFinance 53.3(第 1);APEX-Agents 1.1 为 57.0,落后 Gemini 3.8 Flash 64.3
  • 内部 PI Knowledge Work:59.3 分 / $0.13 每任务,对比 Claude Fable 5 57.8 / $8.19、GPT-6 Sol 61.3 / $1.26
  • 代价:编码能力略降,Terminal-Bench 2.1 83.2(底座 84.3)、DeepSWE 1.1 61.5(底座 63.4)
  • 训练数据:4 大领域、19 个业务方向、88 种合成环境类型,全部合成任务 + rubric 打分
阅读全文

Google Cloud 发布 Gemini agent:通用工作 Agent,可编排 Gemini+Claude、子 Agent 与 coworker 身份,云端可持续跑数天

Gemini at Work 2026(10 月 8 日)正式推出 Gemini agent:从单一提示框交目标,覆盖问答、知识工作、媒体与写跑代码;云端持久记忆、子 Agent/coworker 编排,当前可在 Gemini 与 Claude 间择优。目前 private preview。

Google Cloud 发布 Gemini agent:通用工作 Agent,可编排 Gemini+Claude、子 Agent 与 coworker 身份,云端可持续跑数天

核心要点速览

  • 定位:单一通用工作 Agent——问答 / 知识工作 / 图像媒体 / 写跑代码,交目标而非逐步指令(Cloud 博文)
  • 编排:动态子 Agent + coworker agent(独立身份与 @agents.company.com);任务可并行/串行跑数小时到数天
  • 模型:Agent 与模型解耦,当前可在 Gemini 家族与 Claude 间择优与组合,强调降本
  • 治理:Agent Identity、Agent Gateway、沙箱、Smart Routing、按项目实时花费上限
  • 可用性:官方称 private preview,随后面向部分 Workspace Business/Enterprise(blog.google)
阅读全文
关联模型 / 智能体 / 厂商:

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

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

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:

Claude Fable 5.1 全面上线:长程编程与知识工作新标杆

Anthropic 发布 Claude Fable 5.1 与面向网络防御/生命科学的 Mythos 5.1,宣称是目前最强的编程与知识工作模型。Fable 5.1 擅长超长任务与科研辅助,缓存读取价格下调 75%,典型工作负载约便宜 25%,高代理负载最高可降 45%;Cursor 实测其在 CursorBench 3.2 上达到 73.4%。

核心要点速览

  • Fable 5.1 全面开放;Mythos 5.1 通过受信访问计划提供给网络防御与生命科学用户
  • 缓存读取降价 75%,显著降低长上下文代理循环成本
  • 在 Cursor 与 GitHub Copilot 同步上线,强化自验证与长程编码能力
阅读全文
AD赞助内容

Anthropic 发布 Claude Fable 5.1:全球最强编程与知识工作模型

Anthropic 正式推出 Claude Fable 5.1 与面向网防和生命科学的 Mythos 5.1,宣称其为全球最强编程与知识工作模型。Fable 5.1 在 Terminal-Bench 4.0 上达到 55.8%(Fable 5 为 42.0%),科学终端基准翻倍至 52.6%;缓存读取降价 75%,典型负载成本约降 25%,高智能体负载最高可降 45%。该模型已登陆 Cursor(CursorBench 3.2 最高 73.4%)和 GitHub Copilot。

核心要点速览

  • Fable 5.1 专长长程编程、深度代码库研究与复杂智能体工作流,并显著降低误拒率
  • 缓存降价使智能体场景成本最多下降 45%,低 effort 档即可接近前代高峰表现
  • Mythos 5.1 走受信访问,同时推出企业级 EFS(零保留 + 对抗监控)
阅读全文

Perplexity Hybrid Compute 上线 Mac:云端推理 + 本地模型处理私密文件

Perplexity 宣布 Hybrid Compute 已面向 Pro / Max / Enterprise 订阅用户在 macOS 15+ 的 Mac 应用上线:云端模型负责搜索、规划与推理,本地模型处理私密文件与敏感信息,再合并为单一输出且敏感数据不上云。这为开发者与知识工作者提供了可在本机保留代码/文档隐私的混合智能体路径。

核心要点速览

  • Pro / Max / Enterprise 用户可在 macOS 15+ Mac 应用启用 Hybrid Compute。
  • 云端做搜索与推理,本地模型处理私密文件,敏感数据不上服务器。
  • 面向需要本地隐私的开发与知识工作流,衔接 Portable Computer 本地智能体方向。
阅读全文
关联模型 / 智能体 / 厂商:

Anthropic 发布 Claude Fable 5.1:编程与知识工作新巅峰

Anthropic 正式推出 Claude Fable 5.1,并同步发布面向网络防御与生命科学的 Mythos 5.1。Fable 5.1 在 Terminal-Bench 4.0 上达到 55.8%(上代 42.0%),科学终端基准翻倍至 52.6%,并在 CursorBench 3.2 以 73.4% 成为 Cursor 实测最强模型;缓存读取成本下降 75%,高代理工作负载最高可省约 45%。

核心要点速览

  • Fable 5.1 即日起全面可用,定位全球最强编程与知识工作模型
  • Terminal-Bench 4.0 达 55.8%,科学基准 52.6%,长程任务与科研能力显著跃升
  • Mythos 5.1 走受信访问;企业级前沿安全护栏(EFS)将于秋季分阶段上线
阅读全文
关联模型 / 智能体 / 厂商:

Anthropic 发布 Claude Fable 5.1 与 Mythos 5.1:编程与科研基准近乎翻倍

Anthropic 推出 Claude Fable 5.1 与面向网络防御、生命科学的 Mythos 5.1,定位为当前最强的编程与知识工作模型。Fable 5.1 在 Terminal-Bench-Science 0.1 上拿到 52.6%,较 Fable 5 翻倍以上,Terminal-Bench 4.0 从 42.0% 升至 55.8%;缓存读取成本下降 75%,高代理负载最高可便宜约 45%。

核心要点速览

  • Terminal-Bench-Science 0.1 达 52.6%,较 Fable 5 翻倍以上;Terminal-Bench 4.0 升至 55.8%
  • 缓存读取降价 75%,典型负载约便宜 25%,高代理工作最高便宜 45%
  • Fable 5.1 即日全量开放;Mythos 5.1 走受信通道,并推出企业级前沿安全机制 EFS
阅读全文
关联模型 / 智能体 / 厂商:

Gemini 3.7 Flash 发布:编码、知识工作与 Web 开发全面加强,登陆 Antigravity 与 AI Studio

Google DeepMind 发布 Gemini 3.7 Flash。官方称其在调试与问题修复等关键编码任务上相对 3.6 Flash 有明显提升,能用更少提示设计更可用的 Web 布局与应用,并在真实业务工作流中提高推理与准确度。现可在 Antigravity 试用,API 接入 Google AI Studio 与 Android Studio;Google AI Pro / Ultra 订阅用户可在 Gemini App 的 Gemini Spark 中使用。

核心要点速览

  • 3.7 Flash 把低成本 Flash 档重新对准编码:调试、issue 修复与 Web 应用生成。
  • Antigravity、AI Studio 与 Android Studio 同步可调用,覆盖代理 IDE 与原生开发。
  • Pro / Ultra 订阅用户可在 Gemini Spark 里直接用,不只是 API 发布。
阅读全文