Reflection 发布开源权重模型 Beam，主打低算力对标 DeepSeek 与 Qwen
AI 公司 Reflection 发布首个免费开放的模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
AI 评分72
AI 评分 72 / 100
#编程智能体
#编程智能体
今日 1 条The Decoder精选 Latent Space精选 Reflection 发布 Beam：501B-A23B 美国开源 MoE 模型
Reflection 发布 Beam，一个面向编码、智能体与科研的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，完整权重将以 Apache 2.0 在本月放出。
AI 评分78
AI 评分 78 / 100
AWS Machine Learning Blog精选 GLM 5.3 上线 Amazon Bedrock
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码与长周期智能体任务，通过全托管 API 提供跨区域推理、提示词缓存和服务层级，目前面向符合条件的企业客户开放。
AI 评分62
AI 评分 62 / 100
GitHub Blog · AI & ML精选 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 219 个 pull request、覆盖 19 种语言。
AI 评分60
AI 评分 60 / 100
Latent Space精选推荐 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，先在 Fairwind 计划的政府用户与可信网络防御者中开放，之后再向开发者、企业和消费者开放。
AI 评分83
AI 评分 83 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
AI 评分87
AI 评分 87 / 100
Anthropic News Barclays 扩大与 Anthropic 合作，将 Claude 推广至全行
Barclays 扩大与 Anthropic 的战略合作，在全行范围部署 Claude，用于加速软件开发、改造遗留系统并提升运营效率，预计到 2026 年底 Claude Code 覆盖 50% 开发者，2027 年覆盖多数软件工程师。
AI 评分38
AI 评分 38 / 100
OpenAI News精选推荐 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，官方称其具备接近 Astra 的智能水平，面向编码、电脑操作和专业工作场景。其标准 API 输入与输出 token 价格均为 Astra 的五分之一。
AI 评分82
AI 评分 82 / 100
Latent Space精选 AINews：Opus 5.5 擅长生成讲解视频
AINews 汇总 9/24-9/25 动态，指出 Claude Opus 5.5 本周发布后社区反馈积极，尤其在生成讲解视频上表现突出。Opus 5.5 在 SimpleBench 上以 88.4% 领先，被 @skalskip92 评为 Anthropic 迄今最佳视觉模型，成本比 Fable 5.1 低约 60%。
AI 评分74
AI 评分 74 / 100
Latent Space精选推荐 Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 与 Luna 并降价 40-50%
Anthropic 发布 Claude Opus 5.5，称其为新 Claude 5.5 系列首个模型，多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，速度约快 30%，并成为 Claude Code 与 Claude 应用的默认模型。
AI 评分88
AI 评分 88 / 100
OpenAI News Cognition 借助 GPT-6 Astra 让 Devin 自测其工作成果
Cognition 借助 GPT-6 Astra 提升 Devin 测试软件并证明其可用的能力，目标是让工程师减少代码审查、加快交付。
AI 评分37
AI 评分 37 / 100
OpenAI News GPT-5.6 Sol 如何助力运行量子计算实验
MIT 研究人员使用 GPT-5.6 Sol 配合 Codex，自主运行量子计算实验、分析结果并校准量子比特。该案例展示了 GPT-5.6 Sol 在量子计算实验流程中的实际应用方式。
AI 评分30
AI 评分 30 / 100
OpenAI News OpenAI 内部视角：编码智能体如何加速 AI 研究
OpenAI 披露内部数据，展示编码智能体正在重塑其 AI 研究流程，涉及智能体使用情况、实验速度、任务复杂度与研究加速等方面。
AI 评分38
AI 评分 38 / 100
OpenAI News精选推荐 OpenAI 发布 GPT-6 Astra 新一代模型
OpenAI 发布 GPT-6 Astra，称其为目前最智能、对齐程度最高的模型，在计算机操作、编码、网络安全和科学等方向具备 SOTA 能力。
AI 评分82
AI 评分 82 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和面向网络安全的 Gemini 3.8 Flash Cyber，前者在软件工程、智能体任务和多步推理上较 3.7 Flash 明显提升，定价保持每百万输入 token 0.75 美元、输出 3.75 美元。
AI 评分82
AI 评分 82 / 100
Hugging Face Blog精选 Multiverse Computing 提出 Quantization-Aware Healing：4-bit 压缩模型在 7/9 基准上超过其全精度版本
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：在结构压缩并量化后，直接从压缩前的原始全精度模型蒸馏，而非从已恢复的 bfloat16 checkpoint 蒸馏。
AI 评分62
AI 评分 62 / 100
OpenAI News GPT‑5.6 在 Kiro 上线，提升开发者性价比
GPT‑5.6 现已在 Kiro 中可用，帮助开发者完成软件的规划、构建、审查与测试，并带来更好的性价比。
AI 评分40
AI 评分 40 / 100
OpenAI News Asana 借助 Codex 两周完成耗时数年的代码迁移
Asana 使用 OpenAI Codex 在两周内替换了陈旧的测试系统，模型与基础设施成本约 1.2 万美元。这项原本预计耗时数年的代码迁移因此大幅提速。
AI 评分32
AI 评分 32 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体并降价一半
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码和智能体的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
AI 评分82
AI 评分 82 / 100
Import AI精选 Import AI 466：机器人领域的苦涩教训、AI 完成数周编程任务与 OpenAI 模型意外越界
Epoch 与 METR 发布 MirrorCode 基准，考察 AI 系统能否仅凭 CLI 访问从零重写软件程序：25 个目标程序中 17 个至少有一次满分运行，Opus 4.7 用 14 小时、251 美元推理成本完成一项人类需 2 至 17 周的任务，但 ruff、giac_subset、mailauth 等 8 个程序从未达到 100% 阈值。
AI 评分66
AI 评分 66 / 100
OpenAI News OpenAI 分析指出 SWE-Bench Pro 编码评测存在可靠性问题
OpenAI 发布新分析，指出热门编码基准 SWE-Bench Pro 存在可靠性问题，引发对 AI 模型评测准确性的担忧。该分析聚焦于如何从编码评测中区分有效信号与噪声。
AI 评分38
AI 评分 38 / 100
Hugging Face Blog ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布 ScarfBench（Self-Contained Application Refactoring Benchmark），用于评估 AI 智能体在 Spring、Jakarta EE、Quarkus 之间的跨框架迁移能力，包含 34 个应用、102 个框架实现、204 个迁移任务和 1331 个专家测试。
AI 评分44
AI 评分 44 / 100
Hugging Face Blog精选推荐 智谱发布 GLM-5.2：面向长程任务，支持 1M 上下文
智谱发布旗舰模型 GLM-5.2，主打长程任务能力，首次在 1M token 上下文上稳定支撑长程工作，并采用 MIT 开源许可。官方称其通过 IndexShare 让每 4 层稀疏注意力共享同一 indexer，在 1M 上下文下将每 token FLOPs 降低 2.9×，MTP 层改进使投机解码接受长度最高提升 20%。
AI 评分88
AI 评分 88 / 100
Qwen Blog精选 阿里千问发布多模态智能体模型 Qwen3.7-Plus
阿里千问发布 Qwen3.7-Plus，把视觉与语言统一为一体化智能体基座，在保留编码、工具调用与生产力工作流能力的同时全面升级视觉-语言能力。该模型可在单一智能体循环中融合 GUI 与 CLI 交互，支持读屏操作 GUI、按视觉参考生成代码、端到端导航移动应用，并称在 Claude Code、OpenClaw、Qwen Code 等框架下表现稳定。
AI 评分72
AI 评分 72 / 100
Qwen Blog精选推荐 阿里发布 Qwen3.7-Max：面向智能体时代的旗舰模型
阿里 Qwen 团队发布专有旗舰模型 Qwen3.7-Max，定位为智能体基础模型，可通过阿里云 Model Studio 的 API 调用。
AI 评分82
AI 评分 82 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，定位为面向智能体与编码的前沿模型，即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 以及 Gemini Enterprise 等渠道上线。
AI 评分87
AI 评分 87 / 100
Google DeepMind精选 Google DeepMind 详解 AlphaEvolve 一年落地：从基因组到 TPU 的多领域应用
Google DeepMind 回顾 Gemini 驱动的编码智能体 AlphaEvolve 发布一年来的应用成果，称其已从试点成为 Google 基础设施的核心组件，用于优化下一代 TPU 设计、缓存替换策略和 Spanner 存储。
AI 评分74
AI 评分 74 / 100
Qwen Blog精选 Qwen3.6-27B 开源发布：270亿参数稠密多模态模型，编程能力超越 Qwen3.5-397B-A17B
Qwen 团队开源 Qwen3.6-27B，一个 270 亿参数的稠密多模态模型，支持思考与非思考模式，智能体编程能力全面超越前代开源旗舰 Qwen3.5-397B-A17B。
AI 评分78
AI 评分 78 / 100
Qwen Blog 阿里发布 Qwen3.6-Max-Preview 旗舰模型预览版，强化智能体编程与世界知识
阿里 Qwen 团队发布下一代旗舰模型 Qwen3.6-Max-Preview 预览版，相比 Qwen3.6-Plus 在智能体编程、世界知识和指令遵循上均有提升。
AI 评分59
AI 评分 59 / 100
Qwen Blog精选 Qwen3.6-35B-A3B 开源：35B 总参数、3B 激活的 MoE 智能体编程模型
Qwen 团队开源 Qwen3.6-35B-A3B，这是一个总参数 35B、激活参数仅 3B 的 MoE 模型，主打智能体编程能力。
AI 评分78
AI 评分 78 / 100
Qwen Blog精选 Qwen3.6-Plus 发布：默认 1M 上下文，主打智能体编码与多模态
Qwen 团队发布 Qwen3.6-Plus，通过阿里云百炼 API 上线，默认 1M 上下文窗口，重点强化智能体编码与多模态感知推理。
AI 评分78
AI 评分 78 / 100
Qwen Blog精选 Qwen 发布开源代码模型 Qwen3-Coder-Next，3B 激活参数 SWE-Bench Verified 超 70%
Qwen 团队推出开源权重代码模型 Qwen3-Coder-Next，基于 Qwen3-Next-80B-A3B-Base 构建，采用混合注意力与 MoE 架构，专为编程智能体与本地开发设计。
AI 评分76
AI 评分 76 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3 Pro，并推出智能体开发平台 Google Antigravity
Google DeepMind 发布 Gemini 3，其中 Gemini 3 Pro 在各项主流 AI 基准上超过此前版本，编码能力也强于 2.5 Pro，兼顾智能体工作流与复杂零样本任务。
AI 评分87
AI 评分 87 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 3，Pro 版预览上线并推出 Deep Think 模式
Google DeepMind 发布 Gemini 3，称其为自家最智能的模型，率先以 Gemini 3 Pro 预览版上线，并同步接入 Gemini 应用、搜索 AI Mode、AI Studio、Vertex AI、Gemini CLI 及新智能体开发平台 Google Antigravity。
AI 评分92
AI 评分 92 / 100
Google DeepMind精选推荐 Google 发布智能体开发平台 Antigravity
Google DeepMind 发布智能体开发平台 Google Antigravity，即日起公开预览且免费，支持 macOS、Linux 和 Windows。
AI 评分82
AI 评分 82 / 100
DeepSeek News精选 DeepSeek-V3 小版本升级至 DeepSeek-V3-0324，推理、前端代码与中文写作能力提升
DeepSeek 将 V3 模型小版本升级为 DeepSeek-V3-0324，API 接口和使用方式保持不变，网页、App、小程序关闭深度思考即可体验。新版借鉴 DeepSeek-R1 训练中的强化学习技术，在数学、代码类评测集上得分超过 GPT-4.5，并增强了 HTML 等前端代码生成、中长篇中文写作和联网搜索报告生成能力。
AI 评分78
AI 评分 78 / 100
DeepSeek News精选 DeepSeek 发布开源模型 DeepSeek-V2.5，合并 Chat 与 Coder 能力
DeepSeek 将 DeepSeek-V2-Chat 与 DeepSeek-Coder-V2 合并，正式发布开源模型 DeepSeek-V2.5，同时保留通用对话与代码处理能力并加强对齐。
AI 评分65
AI 评分 65 / 100