Anthropic 发布 Opus 5.5,号称编程和知识工作能力最强,价格还降了
Anthropic 发布 Claude 系列新旗舰 Opus 5.5,称其在编码和知识工作性能上创下新的 SOTA,并在多项基准上超过体量更大的 Fable 模型。
推荐理由:Anthropic 发布 Claude 新旗舰 Opus 5.5,在编码和知识工作基准上超过体量更大的 Fable 模型,同时下调了价格。
AI 写代码的一切:编码助手、Vibe Coding、代码模型评测与开发工作流变革。
Anthropic 发布 Claude 系列新旗舰 Opus 5.5,称其在编码和知识工作性能上创下新的 SOTA,并在多项基准上超过体量更大的 Fable 模型。
推荐理由:Anthropic 发布 Claude 新旗舰 Opus 5.5,在编码和知识工作基准上超过体量更大的 Fable 模型,同时下调了价格。
Claude 官方指南介绍在 Claude 和 Claude Code 中使用 Opus 5.5 的方法,涵盖提示词、长任务控制与结果核查。建议明确完成标准,在 CLAUDE.md 中规定继续执行和停止询问的条件,用文件保存任务清单,并检查子智能体提交的证据。
推荐理由:Claude 官方指南把长任务拆成完成标准、停下条件和结果核查,用文件清单与子智能体证据检查减少过程遗漏。
JetBrains 发布 JetBrains Air,将此前公开实验的智能体开发能力整合为一套开放产品体系,包含 JetBrains IDE 内的 Air、Air Teams 和由 JetBrains Central 更名而来的 Air Governance。
推荐理由:JetBrains 将此前公开实验的智能体开发能力整合为 Air 产品体系,包含 IDE 内的 Air、Air Teams 和由 JetBrains Central 更名的 Air Governance,覆盖团队协作与治理环节。
小米发布 MiMo-V2.6 系列两款原生全模态开源模型,MiMo-V2.6-Pro 为 1.02T 总参数、42B 激活参数,MiMo-V2.6-Flash 主打智能、效率与成本平衡,另有 Pro-UltraSpeed 版本输出速度最高提升 20 倍。
推荐理由:小米 MiMo-V2.6-Pro 以 1.02T 总参数、42B 激活参数登顶 Artificial Analysis 开源模型智能指数,训练成本约 300 万美元,单任务成本 0.13 美元。
文章拆解近期三起 AI 编程事件中的量化数字:ZCode 被指后台打包工作区快照并尝试上传云端,单样本清单中 .git 目录占 86.6%;HarnessTax 评测在固定 Claude Fable 5 的前提下对比 Claude Code 与极简框架 Pi。
推荐理由:ZCode 被指在后台打包整个工作区并尝试上传云端,单样本清单中 .git 目录占 86.6%,版本历史对象可能含未脱敏密钥与内部分支名。
OpenRouter 解读 NVIDIA Nemotron 3.5 Lightning,这是一款 30B 总参数、约 3B 激活参数的 MoE 模型,面向 Agent 工作流中的高频执行调用,支持工具调用、编码任务和指令遵循。
推荐理由:OpenRouter 解读 NVIDIA Nemotron 3.5 Lightning 在 Agent 流水线中的执行定位,并说明它与 Nemotron 3 Ultra 分别承担规划与执行环节,涉及成本与延迟的取舍。
小米发了两个全模态模型 MiMo-V2.6-Pro 和 Flash。Pro 版在 Code Arena 的网页开发榜上拿了 1628 分,比上一代 MiMo-V2.5-Pro 的 1475 分涨了 153 分,整体排第10名上下,在 MIT 许可的开源权重模型里大概排第3。Flash 版的跑分和参数量正文都没提。
推荐理由:小米 MiMo-V2.6-Pro 在 Code Arena 网页开发榜拿到 1628 分,比上一代高 153 分,整体排第 10 名上下,在 MIT 许可的开源权重模型里约第 3。
小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两个全模态开源模型,均通过规模化强化学习训练。Pro 在多数 Agent 基准上与 Claude Opus 5 和 GPT-5.6 Sol 表现相当,在 Artificial Analysis Intelligence Index 得分 46,为开源模型中最高。能力覆盖编码、computer use、3D 推理和创作。
推荐理由:小米发布 MiMo-V2.6 Pro 与 Flash 两个全模态开源模型,Pro 在多数 Agent 基准上与 Claude Opus 5、GPT-5.6 Sol 表现相当,能力覆盖编码、computer use、3D 推理与创作。
xAI 发布 Grok 4.7,定位为面向编码与知识工作的最强模型,采用比 Grok 4.6 更大的基座模型,并经过更长的强化学习训练。
推荐理由:xAI 发布 Grok 4.7,采用更大基座并延长强化学习训练,官方给出与 Grok 4.6 及 GPT-5.6 Sol、Fable 5.1 在编码、工程和知识工作基准上的价格与得分对比。
Will Larson 在博客中记录了自己尝试软件工厂模式的实现方式:用一个名为 /linear-project-loop 的 Agent 技能读取 Linear 项目。
推荐理由:Will Larson 记录了自己用 /linear-project-loop 技能驱动 AI 代理读取 Linear 项目、补建任务并提交 PR 的软件工厂实现步骤,可作为代理驱动开发流程的一手参考。
微软用 AI 智能体把 GitHub Copilot 运行时从 TypeScript 迁移到 Rust,AI token 花费约 12 万美元,另加约三周开发者时间。
推荐理由:微软用 AI 智能体把 GitHub Copilot 运行时从 TypeScript 迁到 Rust,token 花费约 12 万美元,另加约三周开发者时间,为大型重构的成本结构提供了一个具体样本。
文章提出 Chief of Staff 模式,用一个长期协调会话负责分配任务、验证声明和维护共享状态,由多个短生命周期会话执行实现。协调者从持久化看板拉取任务、先跑验证器确认失败、逐条重跑执行会话声称的命令并阅读 diff,状态存于外部看板而非上下文窗口。
推荐理由:文章给出一个可迁移的多会话编排方法,由长期协调会话分配任务并逐条重跑执行会话声称的命令,状态存于外部看板而非上下文窗口。
阶跃星辰发布面向智能体工作的新旗舰模型 Step 5 Preview,采用稀疏 MoE 架构,总参数 600B、每 token 激活 27B,支持 1M token 上下文窗口和视觉输入。
推荐理由:阶跃星辰发布 600B 参数 MoE 旗舰模型 Step 5 Preview,主打编程与金融任务,公开评测中在 DeepSWE v1.1 等编程基准上略高于 Kimi K3 和 GLM-5.3。
作者复盘 Anthropic 一套 CI 测试记账服务的演进:六个月任务量增长 25 倍,三次打补丁换来的平稳时间依次为 70 天、29 天和不足一天,最终一名工程师用三周完成重写,而作者估计一年前同样工作接近一个季度。
推荐理由:Anthropic 复盘一套 CI 测试记账服务,三次补丁换来的平稳期从 70 天缩到不足一天,重写成本则从一季度降到单人三周,两条成本曲线交叉点左移。
由前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 发布基于 Transformer 的新模型 Jev,它不输出文本,而是生成概率即所谓校准决策,输出 token 免费、输入 token 按十亿计费,且因输出由用户预先定义而不会产生幻觉。
推荐理由:前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 发布模型 Jev,它不生成文本而输出概率决策,输出 token 免费、输入按十亿计费,为开发者提供了一条绕开幻觉的代码与 API 调用路径。
Dan Luu 撰文指出,随着 LLM 变强,越来越多人用 LLM 执行总结、写代码等任务时直接假定结果正确,这种肉代理式做法在 2026 年 9 月虽比 2025 年初更有效,但产出的软件仍存在严重问题。
推荐理由:Dan Luu 指出,LLM 变强后更多人直接假定其总结和写码结果正确,这种肉代理式做法在 2026 年 9 月已比 2025 年初更有效,但产出的软件仍有严重问题。
Justin Cormack 在 Tessl 博客复盘用 AI 构建 S3 兼容对象存储的实践,代码规模约 35 万行 Rust,并写了约 1500 个针对 S3 的测试作为行为基准。
推荐理由:Justin Cormack 用约 35 万行 Rust 实现 S3 兼容对象存储,并以约 1500 个针对 S3 的测试锁定行为,为 AI Agent 评估提供可复用的证据式方法。
Trail of Bits 在审计 Miden zkVM 前用六个月让 Agent 从零构建了 LSP 服务器、反编译器、静态分析引擎和 VM 执行器的 Lean 模型,并借此发现一个高危漏洞:prover 提供的未校验输入可让恶意 prover 伪造 Falcon 签名、盗取 Miden 账户资金。
推荐理由:Trail of Bits 在审计 Miden zkVM 前用六个月让 AI agent 从零搭出 LSP、反编译器和 Lean 模型,并借此发现可伪造 Falcon 签名盗取资金的高危漏洞。
开发者 ferstar 逆向分析 Z.ai 的 AI 编码桌面应用 ZCode 后发现,登录状态下它会将整个工作区打包加密上传至阿里云 OSS,包括完整 .git 历史、LFS 缓存、reflogs 和全局配置。
推荐理由:开发者 ferstar 逆向分析发现,ZCode 登录后会把含完整 .git 历史的整个工作区加密上传至阿里云 OSS,解密密钥由 Z.ai 单方掌握。
据 WSJ 报道,三名研究人员使用 Claude Opus 5 将 Discourse 的一个漏洞串联成对 OpenAI 私有代码的访问。研究人员在 Discourse 服务器上获得了包括 OpenAI 员工在内的认证 token,部分 forum token 可用于 ChatGPT 并触达 OpenAI 的 GitHub 服务。
推荐理由:WSJ 的报道本身信息有限,没写漏洞怎么被利用的,也没提 OpenAI 事后怎么处理,所以判断要留余地。但 Claude 被用来打穿 OpenAI 的认证体系、看到私有代码,这个事实本身就够有冲击力,安全圈和 AI 能力评估的人都会盯着讨论。