跳到正文
  1. AWS Machine Learning Blog62

    Airbnb 如何在 Amazon Bedrock 上用量化成本运营编码智能体

    Airbnb 通过在 Amazon Bedrock 上评估模型得分与“每任务成本”来运营内部编码智能体,并在生产环境通过 CloudWatch 监控延迟、限流与开销。评估体系包含 7 个任务集、多维度评分器及推理强度档位控制;生产侧监控包括延迟、令牌消耗、吞吐量与缓存命中率。该流程使 Airbnb 能够在模型发布后数小时内完成评估并调整智能体配置,使重度用户的成本在切换模型后降至约原来的七分之一。

    推荐理由:结合 Airbnb 的一线实践,拆解编码智能体在 Amazon Bedrock 上的成本核算与监控方法,可直接复用到模型选型与容量规划。

  2. Google DeepMind83

    Google DeepMind 发布 Gemini 4 Neon 模型

    Google DeepMind 发布 Gemini 4 Neon 模型,在 Artificial Analysis Intelligence Index 上以 xhigh thinking 级别获得 61 分。

    推荐理由:原文披露了模型在编程、科学推理及网络防御评测中的成绩,提供了定价与 API 部署细节,便于判断其性价比与落地场景。

  1. OpenAI88

    OpenAI 发布 GPT-6.2 Astra 和 Sol 模型

    OpenAI 发布 GPT-6.2 Astra 和 Sol 模型,重点提升了专业输出、编码和计算机使用能力。新模型在 ChatGPT Work、Codex 和 API 中提供更高效率并降低使用成本。

  1. arXiv · AI79

    K2-Horizon 发布六款全开源语言模型

    K2-Horizon 团队发布六款从 0.9B 到 375B-A23B 的全开源语言模型,覆盖推理、编码和智能体任务。团队提出 Mixture-of-Value Attention(MoVA)架构和 Uno 扩散适配器,后者在不使用独立草稿模型的情况下将解码速度提升最高 2.2 倍。

    推荐理由:发布六款开源模型及全量训练数据,提出 MoVA 注意力机制和加速解码的扩散适配器,并披露 10T 合成预训练细节。

  1. Google Research85

    Google Research 发布 Antigravity /teamwork 多智能体协作功能及最新科研成果

    Google Research 宣布在 Antigravity 平台开放 /teamwork 多智能体协作功能,并展示了其在数学证明、分子化学发现及代码优化等领域的最新应用成果。

    推荐理由:原文展示了多智能体在数学证明、分子发现和代码迁移中的实际应用,读者可据此评估其在科研和工程领域的可用性。

  1. arXiv · AI80

    GrandCode:通过智能体强化学习在竞技编程中达到特级大师水平

    GrandCode 是一套多智能体强化学习系统,在 2026 年 3 月的 Codeforces Round 1087、1088 和 1089 三场正式比赛中均排名第一,击败所有人类选手。该系统通过联合训练多个智能体模块(如假设生成、求解器、测试生成和总结)进行在线推理时强化学习,并引入了专为多阶段智能体轨迹设计的 Agentic GRPO 算法来处理延迟奖励和离策略漂移。

    推荐理由:原文提出了针对多智能体延迟奖励的 Agentic GRPO 方法,并展示了系统在三场 Codeforces 比赛中全部夺冠的实测结果。

  1. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Carbon 模型

    Google DeepMind 正式向开发者、企业、科学家及消费者开放 Gemini 4 Carbon 模型。该模型在网络安全能力、长程代理工作流及复杂知识工作领域表现前沿,输入价格 2 美元/百万 token,输出 10 美元/百万 token。模型在 CursorBench 4.0 等基准中排名第一,支持多模态知识代理及 3D 设计等任务,并强化了安全性与对齐机制。

    推荐理由:官方给出了价格与性能对比,读者可判断它在长程代理任务与网络安全场景中的优势。

  1. AWS Machine Learning Blog81

    Claude Fable 5.2 和 Claude Mythos 5.2 在 AWS 推出

    Claude Fable 5.2 和 Claude Mythos 5.2 在 Amazon Bedrock 和 Claude Platform on AWS 推出。Claude Fable 5.2 面向编码、数学和科学类技术任务,能自主迭代和长时间运行;Claude Mythos 5.2 在网络安全和生命科学领域通过 Anthropic 的验证项目提供服务。

    推荐理由:介绍 Claude Fable 5.2 在 AWS Bedrock 的能力边界与使用方法,给出了迁移和调用的具体入口。

  1. 百灵大模型77

    Ling-3.2-flash 正式发布:支持视觉反馈与异常自适应

    百灵大模型官方发布 Ling-3.2-flash,该模型总参数 560B,单步激活 25B,原生融入视觉感知与空间理解能力。Ling-3.2-flash 具备视觉反馈自检和异常自适应恢复能力,能对照渲染结果调整代码并根据报错信息继续执行任务。

    推荐理由:官方明确了560B参数下的视觉自检机制,用户可据此评估其在异常恢复场景下的工程落地可行性。

  1. 阿里云百炼62

    Kimi K3.1 Pro 上线阿里云百炼

    月之暗面(Moonshot AI)首款 K3.1 系列模型 Kimi K3.1 Pro 正式上线阿里云百炼,支持 100 万 Token 上下文窗口及原生视觉理解。该模型通过大规模联合强化学习提升了代码开发、3D 创作及长程 Agent 任务能力,目前百炼中国站与国际站 API 已同步开放调用。

    推荐理由:月之暗面 Kimi K3.1 Pro 上线阿里云百炼,开发者可直接调用支持百万上下文及强化学习优化的代码与 Agent 能力。

  1. arXiv · ML61

    arXiv论文 BOBA:为何编码代理无法独立工作

    arXiv 论文提出 BOBA-Bench,包含 280 条由 140 个开源项目衍生出的 20 连任务链。评估显示 10 款编码代理在单步任务中完成率高达 95%,但在连续链式任务中降至 51%。研究指出原因并非代码质量变差,而是代理在自身测试通过后即标记完成,导致后续请求建立在含错代码上。引入外部验证和一轮修复可将链式完成率提升至 59%。

    推荐理由:论文通过长链任务揭示了编码代理的自我验证盲区,指出外部校验能显著降低错误累积率。

  1. Hugging Face Blog91

    Mistral Large 4 (Le Chonk) 上线 Hugging Face:多模态 MoE 开放权重模型

    Mistral Large 4(代号 Le Chonk)是一款由 Mistral 发布的 1T 总参、49B 激活参的多模态 MoE 开放权重模型,支持 1M 上下文窗口,并已在 Hugging Face 开源部署。

    推荐理由:Mistral Large 4 侧重网络安全与多模态编码能力,Hugging Face 给出了具体推理部署细节与微调路径。

  2. Google DeepMind84

    Google DeepMind 发布 Gemini 4 Carbon

    Google DeepMind 发布前沿模型 Gemini 4 Carbon,称其在网络安全和长任务能力上达到 state-of-the-art,并将在 Artificial Analysis Intelligence Index v5.0 中取得 59 分、排名 #1。

    推荐理由:官方给出一组网络安全基准数字和分阶段上线机制,读者可以据此判断前沿模型在复杂代码与安全任务中的实际能力边界。

  1. Qoder69

    Qoder 解释模型思考强度并调整默认值

    Qoder 官方解释模型思考强度对任务耗时和 Credits 消耗的影响,并将 GLM-5.3、Kimi-K3.1-Pro、Kimi-K2.8-Preview 和 DeepSeek-Flash 的默认强度从“最大”调整为“高”。基于 QoderBench 近 200 个用例的评测显示,调低一级可使这 4 个模型单次成本下降两成以上,而得分相对下降不到一成。

    推荐理由:官方基于近200个真实评测用例,给出了四个模型将默认思考强度调至“高”的成本与得分变化,为使用者选择强度提供了量化参考。

  1. Qoder70

    Qoder 首发上线 Kimi K3.1 Pro

    Qoder 国际版和 CN 版全系列同步上线刚刚发布的 Kimi K3.1 Pro。该模型拥有 3 万亿级参数,支持 100 万上下文,在 Terminal-Bench 4.0 得分 65.7%,Kimi 内部长程编码测试得 61.2%,BenchCAD 3D 建模得 92.7%。用户可在 Qoder 模型选择器中选择 Kimi-K3.1-Pro 使用。

    推荐理由:Qoder 作为集成平台首发上线 Kimi K3.1 Pro,明确了其在长程编码任务中的实测数据与调用入口。

  2. 月之暗面 Kimi92

    月之暗面发布 Kimi K3.1 Pro 及高速版

    月之暗面发布 Kimi K3.1 Pro 模型,这是其 3 万亿级参数、支持 100 万上下文的版本。K3.1 Pro 在 Terminal-Bench 4.0 基准测试中得分 65.7%,并在内部金融与 3D 建模场景中实现了长程智能体工作流的端到端交付。即日起可通过 Kimi 官网、API 及桌面应用使用,完整模型权重将于 11 月 4 日前发布。

    推荐理由:月之暗面发布 3 万亿参数 Kimi K3.1 Pro,其在代码和金融长程任务上的提升为评估新一代模型能力边界提供了直接样本。

  1. Qoder62

    Qoder 上线 php2shell Defense 与 Node.js 漏洞扫描插件协助排查高危漏洞

    Qoder 插件市场上线 php2shell Defense 和 Node.js 漏洞扫描两款插件,用于应对 PHP 和 Node.js 近期的安全更新。该功能允许用户通过预设指令对项目进行只读检查,在用户确认方案后执行文件修改与本地测试,并协助验证部署结果。文中指出使用 DeepSeek-V4.1-Flash-1017 执行该检查流程目前免费。

    推荐理由:官方针对 PHP 和 Node.js 高危漏洞提供了两款配套插件及标准化检查指令,帮助开发者在不接触生产环境的前提下完成风险排查与修复验证。

  2. arXiv · AI68

    Measuring the Permission Gate: A Stress-Test Evaluation of Claude Code's Auto Mode 发布:对 Claude Code 自动模式权限系统的压力测试评估

    研究团队发布了对 Claude Code 自动模式权限系统的独立评估,指出该机制在处理用户意图明确但范围模糊的任务时存在防御缺口。使用包含 128 个提示词的 AmPermBench 基准,评估了 253 个状态变更操作,端到端漏报率(FNR)达 81.0%,显著高于生产流量中的 17%。

    推荐理由:论文通过独立压力测试揭示了 Claude Code 自动模式在模糊授权场景下的防御盲区,指出文件编辑路径未被覆盖导致漏报率高达 81%。

  3. AWS Machine Learning Blog65

    SageMaker 推出 training session APIs:免管 GPU 自定义 LLM 训练循环

    SageMaker 上线 training session APIs,开发者在本地代码中编写 SFT、RL 等训练循环,SageMaker 负责 GPU 上的 sample、forward_backward、optim_step 等算力操作。

    推荐理由:SageMaker training session APIs 把训练循环和底层算力分离,让开发者可以保留算法控制权同时避开 GPU 运维。

  1. Qoder62

    Qoder 支持接入 MiniMax M3.1 Flash 模型

    Qoder 现已支持 MiniMax M3.1 Flash 模型。MiniMax M3.1 Flash 在 Agentic 任务、编程、Computer Use 及网络安全能力等方面实现了代际提升,线上推理速度提升近 3 倍,使用成本降低 70%。用户可在 Qoder 国际版和 CN 版产品中切换体验。

    推荐理由:Qoder官方确认接入MiniMax M3.1 Flash模型,该模型在Agentic任务和编程能力上有所提升,且推理速度与成本表现更优。