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

J
Joël Niklausjoelniklaus·
👀15
🔥90
查看推特原帖 ↗

Hugging Face 的 Joël Niklaus 发布 Harness Leaderboard：28,849 次试验比较 9 款编码 Agent Harness，厂商口径 mini-swe-agent 均值约 51.4%

2026-11-05，Hugging Face Harness Optimization 研究员 Joël Niklaus（@joelniklaus）发布 Harness Leaderboard：在固定模型/供应商/推理力度下只换 harness，跑 GLM-5.3-Flash、DeepSeek-V4.1-Flash 与 Flint，基准 Terminal-Bench 2.1 与 DeepSWE，共 28,849 次试验、推理花费约 $4,746。作者口径：三模型平均 mini-swe-agent 解决率约 51.4%，Pi 约 49.4% 且每解一题约 $0.29。本条为个人研究排行榜，非 Hugging Face 公司官方产品公告。

Hugging Face 的 Joël Niklaus 发布 Harness Leaderboard：28,849 次试验比较 9 款编码 Agent Harness，厂商口径 mini-swe-agent 均值约 51.4%

核心要点速览

  • 来源：HF 的 Joël Niklaus（Harness Optimization）个人帖 2026-11-05T16:04:08Z，非公司官宣
  • 规模（作者口径）：9 款 harness × 开源模型，28,849 次试验，推理花费约 $4,746
  • 方法：固定模型/供应商/推理力度，每任务 3 次尝试；基准 Terminal-Bench 2.1 与 DeepSWE
  • 结果（作者口径）：三模型平均 mini-swe-agent ~51.4%，openclaw ~27.3%；Pi ~49.4% / 约 $0.29 每解一题
  • 落地：排行榜与轨迹公开在 HF Space；对照 Harness Lens 看各 harness 提示词与工具差异
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GLM-5.3-Flash⚡ DeepSeek-V4.1-Flash🤖 mini-swe-agent🤖 hermes-agent🤖 Claude Code (Anthropic)🤖 codex🤖 opencode🌐 Hugging Face🌐 DeepSeek🌐 Moonshot🌐 Nous Research
#Harness Leaderboard#Joël Niklaus#Hugging Face#Mini swe agent#Terminal-Bench#DeepSWE#基准测试
A
Aleph Alpha@AlephAlpha·
👀233
🔥99

Aleph Alpha 开源 Kolibri-1：78B MoE / 3.46B 激活，德英主权开源权重 Apache-2.0；SWE-Verified 66.4

德国 Aleph Alpha 于 2026-10-03（统一日）发布开源权重 Kolibri / Kolibri-1（HF，Apache-2.0）：78B 总参、约 3.46B 激活的德英 MoE，原生上下文 262k（外推至 1M），带 reasoning 档位与 tool calling。官方同卡：LiveCodeBench v6 85.9、SWE-Bench Verified 66.4、TerminalBench 2.1 27.7。用 aleph-alpha-inference + vLLM 自托管。

Aleph Alpha 开源 Kolibri-1：78B MoE / 3.46B 激活，德英主权开源权重 Apache-2.0；SWE-Verified 66.4

核心要点速览

  • 发布：2026-10-03；权重 Aleph-Alpha/Kolibri-1 Apache-2.0；博文 aleph-alpha.com
  • 规模：78B 总参 / ~3.46B 激活；FP8 约 78GB；原生 262k 上下文，验证至 1M
  • 编码硬指标（官方卡）：LiveCodeBench v6 85.9 · SWE-Bench Verified 66.4 · TerminalBench 2.1 27.7 · HumanEval+ 92.7
  • 推理：none/low/medium/high + Hermes tool calling；pip install 'aleph-alpha-inference>=1' → vllm serve Aleph-Alpha/Kolibri-1
  • 定位：德英主权/受监管自托管；Terminal-Bench 非榜首，勿与闭源 coding 王牌直接等价
阅读全文
关联模型 / 智能体 / 厂商:
⚡ Kolibri-1⚡ Kolibri⚡ Kolibri Origin🌐 Aleph Alpha
#Kolibri#Aleph alpha#开放权重#Moe#基础模型#German#apache-2.0#Vllm#编程#主权 AI#长上下文
C
Cline@cline·
👀66
🔥88

Cline Desktop v0.0.37：About/What's new 更新面，Bedrock OpenAI 推理配置不再因 reasoningConfig 报错

Cline 于 2026-09-26 发布 Desktop v0.0.37：设置新增 About 页（版本/渠道、检查更新、近期发行说明与反馈入口），更新后弹出一次性 What's new（覆盖 SSH remotes、worktrees、Composer PR 状态、并行子智能体）；macOS Help→Export Diagnostics 直达诊断导出；Amazon Bedrock 上通过 inference profile（us.openai.… / global.openai.…）访问的 OpenAI 模型在设置 reasoning effort 时不再因未知参数 reasoningConfig 失败。

Cline Desktop v0.0.37：About/What's new 更新面，Bedrock OpenAI 推理配置不再因 reasoningConfig 报错

核心要点速览

  • 发版：desktop-v0.0.37（相对 v0.0.36）
  • UX：Settings About 页含版本/渠道、Check for updates / Restart to update、近期 release notes 链接与 Report an issue
  • 引导：更新后一次性 What's new（SSH remotes、worktrees、Composer PR 状态、并行 sub-agents）；About→Highlights 可重看
  • 运维：macOS Help → Export Diagnostics… 直达诊断导出，无需翻 Settings
  • Bedrock：OpenAI inference profile（us.openai.… / global.openai.…）设置 reasoning effort 时不再因 reasoningConfig 未知参数失败
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GPT-6🤖 Cline (VS Code Agent)🌐 Cline🌐 Amazon🌐 OpenAI
#Cline Desktop#Bedrock#inference profile#reasoningConfig#What's new#Diagnostics#编程智能体
v
vechen@miu21590·
👀88
🔥88
查看推特原帖 ↗

Codex 任务中途用 Jev 动态调 GPT-6 Astra 推理力度：自测 Astra 成本约降 50% 且不破 prompt cache

@miu21590 演示在 Codex 运行过程中用 Jev 动态调整 GPT-6 Astra 的 reasoning effort：卡住时多想、常规步骤少想；作者称自测 Astra 成本约降 50%、跑得更快，且不破坏 prompt caching。相对「开跑前用 Jev 选模型」的常见用法，这是把决策模型接到任务中途控成本。

Codex 任务中途用 Jev 动态调 GPT-6 Astra 推理力度：自测 Astra 成本约降 50% 且不破 prompt cache

核心要点速览

  • 在 Codex 任务执行中途调用 Jev，动态升降 GPT-6 Astra reasoning effort。
  • 作者自测：Astra 成本约降 50%，更快，且不破坏 prompt cache。
  • 相对开跑前选模型，把决策模型接到中途控成本。
阅读全文
关联模型 / 智能体 / 厂商:
🤖 codex🌐 OpenAI
#Codex#Jev#GPT-6#Astra#推理强度#prompt cache#成本
AD赞助内容
A
Artificial Analysis@ArtificialAnlys·
👀68
🔥94
查看推特原帖 ↗

Artificial Analysis Intelligence Index v4.3：Terminal-Bench 升至 4.0，并加入 AutomationBench-AA

Artificial Analysis（@ArtificialAnlys）发布 Intelligence Index v4.3：将 Terminal-Bench 从 2.1 升至 4.0（改用 mini-SWE-agent），并以与 Zapier 合作的 AutomationBench-AA（657 条私有业务工作流）替换 τ³-Banking；Claude Fable 5.1 与 GPT-6 Astra 并列领先得分 53，OpenAI 占据多数性价比前沿。

核心要点速览

  • 基准：Index v4.3 升级 Terminal-Bench 4.0，并新增 AutomationBench-AA（私有测试集）。
  • 权重：含私有任务/答案的评测权重由 40% 升至 45%；Agents/Coding/General/Science 类别权重不变。
  • 结果：Claude Fable 5.1 与 GPT-6 Astra 并列 53；开源权重侧 GLM-5.3 / Kimi K3 以 44 领先。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GPT-6 Astra⚡ Claude Fable 5.1🌐 OpenAI🌐 Anthropic
#Artificial Analysis#Intelligence Index#Terminal-Bench#AutomationBench-AA#GPT-6 Astra#Claude Fable 5.1#基准测试
m
melvin@melvindvivas·
👀32
🔥82
查看推特原帖 ↗

JSONL Viewer v1.3.4：Codex 子智能体 traces 嵌套到父 run，支持 MAIN/SUBAGENT 导航

melvin（@melvindvivas）发布 JSONL Viewer v1.3.4：Codex 子智能体 traces 嵌套在生成它们的父 run 下，带 MAIN/SUBAGENT 标签、父子导航，以及每轮模型与 reasoning effort 显示。

核心要点速览

  • 版本：JSONL Viewer v1.3.4（github.com/donvito/jsonl-viewer）。
  • Traces：Codex 子智能体嵌套到父 run，MAIN/SUBAGENT 标签。
  • 导航：父子跳转；每轮显示模型与 reasoning effort。
阅读全文
关联模型 / 智能体 / 厂商:
🤖 openai-codex
#JSONL Viewer#Codex#Subagent#Traces#v1.3.4#调试
T
Tibo@thsottiaux·
👀56
🔥93
查看推特原帖 ↗

OpenAI Codex 负责人：GPT-6 Astra low 推理已优于 GPT-5.6 Sol high，建议下调努力档

OpenAI Codex 负责人 Tibo（@thsottiaux）校准 Astra 推理档位：GPT-6 Astra 在 low 上的表现已好过 GPT-5.6 Sol 的 high。若你以前用 Sol high 且满意，建议把 Astra 降到 low 或 medium，避免过度耗用。

核心要点速览

  • 校准：Astra low > Sol high，不必默认拉满推理。
  • 建议：原 Sol high 用户可改用 Astra low/medium。
  • 影响：更低努力档即可达标，有助节省 Codex/ChatGPT 用量。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ GPT-6 Astra⚡ GPT-5.6 Sol🤖 openai-codex🌐 OpenAI
#GPT-6 Astra#GPT-5.6 Sol#Codex#推理强度#OpenAI#Tibo
G
GHCopilotLog@GHCopilotLog·
👀44
🔥86
查看推特原帖 ↗

GitHub Copilot App 周更：本地 Autopilot 新增 /goal，并支持深链安装 MCP 与 Power BI MCP

GitHub Copilot App 周报（8/29–9/5）汇总 1 次发布、237 项改进。重点包括本地会话 Autopilot 的持久目标命令 /goal、通过深链打开预填表单安装 MCP、目录新增 Power BI MCP（托管远程与本地）、以及代码审查 Agent 可配置 reasoning effort。发布说明：github.com/github/app/releases。

核心要点速览

  • 本地 Autopilot 会话可用 /goal 设定持久目标。
  • 深链安装 MCP：打开预填确认表单。
  • 目录新增 Power BI MCP；代码审查 Agent 可配 reasoning effort。
阅读全文
关联模型 / 智能体 / 厂商:
🤖 GitHub Copilot (Agent Mode / Codex)🌐 github🌐 Microsoft Azure AI
#GitHub Copilot App#/goal#MCP#Power BI MCP#Autopilot#代码审查
N
Nikunj Handa@nikunjhanda·
👀62
🔥93
查看推特原帖 ↗

OpenAI：GPT-6 Astra Responses API 上线异步函数调用与中途转向

OpenAI 工程师 Nikunj Handa 宣布，随 GPT-6 Astra 发布，Responses API 新增三项能力：异步函数调用（模型可在工具执行时继续推理）、中途转向（可在推理过程中注入消息或工具结果以改向）、以及调整 reasoning effort 且不打断缓存。文档见 OpenAI latest-model 开发者指南。

核心要点速览

  • 异步函数调用：工具跑的同时模型可继续推进，降低多智能体/工具链空转。
  • 中途转向：推理中途可注入消息或工具输出，重定向而不必整轮重开。
  • 可改 reasoning effort 且不破坏 cache，利于成本与延迟调优。
阅读全文
关联模型 / 智能体 / 厂商:
🌐 OpenAI
#GPT-6 Astra#Responses API#async function calling#mid-turn steering#推理强度#OpenAI#API
O
OpenAI@OpenAI·
👀46
🔥97
查看推特原帖 ↗

OpenAI 宣布 o3-mini 代码推理模型全面开放 API：支持自定义推理预算与 200k 上下文

OpenAI 宣布专门针对代码重构、数学证明与 STEM 深度推理的 o3-mini 模型正式结束公测全量上线 API，输入定价仅 $1.10/1M，提供 low/medium/high 三档思考预算自由调节。

核心要点速览

  • SWE-bench Verified 达 71.2%，在 AIME 竞赛数学与 Codeforces 算法上逼近人类特级大师水平
  • 单次调用可动态配置 reasoning_effort 参数，兼顾极速补全与深度架构规划
  • 全量支持 Prompt Caching，缓存命中后输入成本低至 $0.55/1M
阅读全文
关联模型 / 智能体 / 厂商:
⚡ OpenAI o3-mini (High Reasoning Coding)⚡ GPT-5.6 Sol🤖 Devin 2.0 (Cognition)🤖 Cursor Composer (Agent Mode)🤖 Cline (VS Code Agent)🌐 OpenAI
#OpenAI#O3 mini#SWE-bench 71.2%#深度推理#提示词缓存
AD赞助内容
D
DeepSeek@deepseek_ai·
👀41
🔥93
查看推特原帖 ↗

DeepSeek-V4-Pro 正式商用上线：可变推理强度调节、原生适配 OpenAI Responses 与 Codex

DeepSeek 正式发布商业化生产级 V4-Pro 模型。新版本强化了生产环境复杂 Agent 稳定性，支持 low/high/max 三档推理强度调节，原生兼容 OpenAI Responses API 并对 Codex 提供一键配置支持。同时官方引入峰谷分时计价，谷时段 API 费率直接享受 50% 折扣。

核心要点速览

  • 正式版全面优化生产环境多轮 Agent 循环执行稳定性与工具调用准确率。
  • 支持低/高/极限三档推理强度自由切换，兼顾极速响应与困难算法推导。
  • 原生支持 OpenAI Responses API 协议，并推出非高峰时段 50% 费率减免。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ DeepSeek-V4 (Next-Gen MoE)⚡ DeepSeek-R1 (Open Reasoning)🌐 DeepSeek
#Deepseek#Deepseek v4 pro#Codex#API release#Off peak pricing
P
Paul Gauthier@paulgauthier·
👀29
🔥90
查看推特原帖 ↗

Aider Polyglot 多语言基准榜单：OpenAI o3-pro 以 85% 解决率刷新全球 SOTA

知名终端辅助编程项目 Aider 创作者宣布，OpenAI o3-pro 在开启高推理强度（High Reasoning Effort）模式下，在 Aider Polyglot 多语言基准测试中取得了 85% 的惊人成绩，刷新了该公开排行榜的全球最高纪录，展现了前沿模型在跨语言真实代码库编辑上的突破。

核心要点速览

  • o3-pro 配合高推理强度在 Aider Polyglot 评测中达到 85%，创下公开多语言榜单新纪录。
  • Aider 真实工程基准持续成为全球模型厂商检验代码编辑与重构能力的权威标尺。
  • 跨语言（Python、JS、C++、Go、Rust）编辑的统一准确率相比前代提升超过 18%。
阅读全文
关联模型 / 智能体 / 厂商:
⚡ OpenAI o3-mini (High Reasoning Coding)🤖 Aider🌐 OpenAI
#Aider#O3 pro#Polyglot benchmark#Sota#Code editing#Leaderboard
已呈现全部最新动态