Google DeepMind 发布前沿模型 Gemini 4 Argon
Google DeepMind 宣布推出前沿模型 Gemini 4 Argon，旨在处理复杂、长周期的跨领域工作流。该模型在 DeepSWE v1.1 上达到 77.9% 的 SOTA 水平，输出 token 上限提升至 100 万，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：原文详细列举了模型在软件工程、金融法律和网络安全等领域的性能表现及定价，读者可以据此评估其实际应用潜力。
#编码
Google DeepMind精选AI 评分7676 Google · Gemini 博客精选AI 评分8686 Google 发布 Gemini 4 Argon 模型
Google 发布 Gemini 4 Argon 模型，该模型在复杂软件工程、企业知识工作和网络安全防御中实现前沿性能，支持长达 100 万 token 的输出，已通过内部测试并面向受信任的网络安全团队逐步开放，定价为输入 token 每百万 2 美元，输出 token 每百万 10 美元。
推荐理由：原文明确了模型在复杂任务中的性能跃升和安全防护机制，读者可据此评估其在实际工作流中的应用潜力。
AWS · AI 博客精选AI 评分6969 GPT-6.1 Sol 在 Amazon Bedrock 上正式可用
GPT-6.1 Sol 已在 Amazon Bedrock 上正式可用，为编码、计算机使用和专业工作负载带来更强的推理能力。根据 OpenAI 数据，它在 DeepSWE v1.1 上达到 GPT-6 Astra 的水平，而每个任务的成本约为后者的五分之一。用户可以通过 Amazon Bedrock 控制台或 API 开始使用，并利用其基础设施和访问控制功能。
推荐理由：原文给出了模型在 Agent 任务上的性能提升和成本对比，读者可以据此判断它是否适合集成到现有工作流中。
GitHub Blog · AI & ML精选AI 评分5656 GitHub Security Lab 发布 AI 驱动的模糊测试 Taskflow Agent
GitHub Security Lab 发布了 Fuzzing Taskflow，这是一个基于 LLM Agent 的自动化模糊测试管道，用于 C/C++ 项目。
推荐理由：原文详细介绍了自动化模糊测试管道的架构、工作流程和实际使用方法，为安全研究人员提供了可复现的工程实践。
Vercel 博客精选AI 评分5656 Vercel AI Gateway 上线 GPT-6 Sol 和 Luna 模型
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 模型现已在 Vercel AI Gateway 上线。GPT-6 Sol 适用于需要持续调查的复杂编码和智能体工作流，GPT-6 Luna 则是高吞吐量、重复性任务的高性价比选择。相比 GPT-5.6，两者在事实可靠性、沟通直接性和避免误导性代码完成声明方面有所改进。
推荐理由：Vercel AI Gateway 新增了 OpenAI 的两个 GPT-6 变体，并说明了各自在价格、适用场景和可靠性上的定位差异。
Vercel 博客精选AI 评分6262 Claude Opus 5.5 现已在 Vercel AI Gateway 上线
Anthropic 的 Claude Opus 5.5 模型现已在 Vercel AI Gateway 上线，可通过 anthropic/claude-opus-5.5 调用。
推荐理由：原文给出了新模型在 Vercel AI Gateway 上的可用性、核心能力变化和关键 API 变更，读者可以据此判断如何接入和使用。
Vercel 博客精选AI 评分5555 Grok 4.7 在 Vercel AI Gateway、fx 和 eve 上可用
SpaceXAI 的 Grok 4.7 现已在 Vercel AI Gateway 上提供，模型 ID 为 spacexai/grok-4.7。在 9 月 27 日前使用该模型的请求自动享受 40% 折扣。
推荐理由：原文提供了 Grok 4.7 在 Vercel 平台的具体接入方式和限时折扣，读者可以据此评估其部署成本和使用门槛。
Microsoft 新模型精选AI 评分6060 Microsoft 发布 FrogNano-4B-2609 模型：基于 Qwen3.5-4B 的紧凑型代码智能体
Microsoft 发布 FrogNano-4B-2609 模型，基于 Qwen/Qwen3.5-4B 架构，通过强化学习在约 1,500 个合成软件工程任务上训练，专用于仓库级代码智能体任务。
推荐理由：原文详细说明了模型架构、训练方法、基准表现和使用限制，读者可据此判断其在代码智能体领域的定位与适用边界。
Google · Gemini 博客精选AI 评分7373 Google 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber
Google 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两款新模型，前者在编码与智能体任务中性能显著提升，后者在漏洞检测与自动修复方面达到前沿水平，均以 Flash 级别的速度和成本提供，其中 3.8 Flash Cyber 通过 Fairwind 程序向受信任的防御方开放。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
面壁 MiniCPM 新模型精选AI 评分5858 面壁 MiniCPM5-2B 模型发布
面壁 MiniCPM5-2B 模型发布，为2B参数量级的密集Transformer模型，支持131,072上下文长度，适用于本地部署和资源受限场景。模型在2B规模中达到开源SOTA，平均分53.9，优于多个4B模型，在代码、数学、长上下文、工具调用和智能体任务中表现突出。
推荐理由：原文给出了模型参数、训练数据、评测基准和多芯片部署方案，读者可以据此判断它在2B规模模型中的性能定位和本地部署可行性。
智谱 GLM 新模型精选AI 评分7777 智谱 GLM-5.3-BF16 模型发布，强化编码与智能体能力
智谱发布 GLM-5.3-BF16 模型，基于 GLM-5.2 基座通过后训练提升能力，在编码、长链任务和智能体场景中表现显著增强。在 Z.ai Code Bench 上编码能力提升 50%，在 Terminal Bench 3.0、Agents' Last Exam、DeepSWE 等多个公开基准上达到开源模型 SOTA。
推荐理由：原文提供了与前代模型的基准对比和本地部署方案，读者可据此判断其在编码和智能体任务中的实际能力提升与应用适配性。
智谱 GLM 新模型精选AI 评分6767 智谱发布 GLM-5.3-Flash 多模态大模型
智谱发布 GLM-5.3-Flash，为 GLM-5 系列首个原生多模态模型，拥有 320B 总参数和 18B 活跃参数，支持 300,000 token 上下文，采用混合稀疏与线性注意力架构及 mHC 技术，部署框架包括 SGLang、vLLM、TokenSpeed 等，可通过 reasoning_effort 参数控制推理预算，API 服务可在 Z.ai 平台使用。
推荐理由：原文给出了模型参数、架构创新和部署框架，读者可以据此判断其在多模态和长上下文场景下的实际应用潜力。
智谱 GLM 新模型精选AI 评分6464 智谱 GLM-5.3 发布：开源大模型在编码与智能体任务中取得显著提升
智谱发布 GLM-5.3 模型，基于 GLM-5.2 的基础模型，通过后训练提升能力，在编码、长链任务和智能体基准上表现显著增强。在 Z.ai Code Bench 上编码能力提升 50%，在 Terminal Bench 3.0、Agents' Last Exam、CyberGym 等多个公开和内部基准中达到开源 SOTA。
推荐理由：原文提供了与多个主流模型的基准对比数据和本地部署方案，读者可据此判断其在编码和智能体任务中的相对位置与可用性。
Together AI精选AI 评分6565 GLM-5.3 与 Claude Fable 5 在 DeepSWE 上的对比：成本、编码能力与路由策略
Together AI 在 DeepSWE 基准上对比 GLM-5.3 与 Claude Fable 5，两者首试准确率分别为 69.0% 和 69.7%，差距在误差范围内。
推荐理由：在 DeepSWE 基准上，GLM-5.3 与 Claude Fable 5 在首试准确率接近，但前者成本更低、多轮表现更优，且在多数编程语言和任务领域胜出，为开发者提供明确的性价比选择。
Together AI精选AI 评分6565 GLM-5.3 与 GPT-5.6 Sol 在 DeepSWE 上的成本、编码与路由策略对比
Together AI 在 113 项 DeepSWE 任务上对比了 GLM-5.3 (max) 与 GPT-5.6 Sol (max)。GPT-5.6 Sol 在单次尝试准确率（pass@1 72.7% vs 69.0%）、可靠性和速度上保持领先，但每次尝试成本（$8.37）是 GLM-5.3（$3.99）的两倍多。
推荐理由：原文通过详尽的基准测试和成本分析，为开发者提供了在不同编程语言和任务类型下选择或组合使用这两个模型的决策依据。
Together AI精选AI 评分7272 Together AI 评测：DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的成本与性能对比
Together AI 在软件工程基准 DeepSWE 上对比了 DeepSeek V4 Pro 0813 与 Claude Fable 5。Claude Fable 5 单次尝试准确率更高（69.7% vs 62.8%），但成本是前者的 90 倍（每次尝试 $21.63 vs $0.24）。
推荐理由：原文通过详细的成本、准确率和任务类型对比，为开发者选择模型提供了具体的决策依据。
Together AI精选AI 评分7272 月之暗面发布 Kimi K3：2.8万亿参数开源模型，支持1M上下文与多模态
月之暗面发布 Kimi K3，2.8万亿参数开源模型，为首个3万亿参数级开源模型，支持1M上下文、多模态输入和动态工具加载。Together AI 提供 API 接入，支持 OpenAI 兼容调用，推理深度可调，定价按 token 计费，缓存命中输入价为每百万 token 0.30 美元。模型在 DeepSWE、BrowseComp 等基准上表现领先，支持结构化输出、流式响应和保留思考历史。
推荐理由：原文提供了模型参数、架构创新、API 使用方式和定价，读者可据此判断其在长上下文、推理和多模态任务中的实际部署潜力。
Replit 博客精选AI 评分7171 Replit 揭示 AI 智能体如何构建‘自动驾驶公司’
Replit 官方分享其内部 AI 智能体系统如何改变公司运作：工程团队代码产出提升 5.8 倍，评审延迟持平，质量指标改善；智能体参与代码审查、事故调查、数据查询、销售支持、客服响应等，实现跨职能自动化；员工未被替代，而是被‘升职’为决策者；系统已扩展至全公司，支持自服务分析、客户触达和文档生成；Replit 正推动将此模式开放给用户。
推荐理由：Replit 描述了内部 AI 智能体系统如何重塑工作流，从工程到销售、支持等全职能提升效率，且未牺牲质量或增加瓶颈。
Together AI精选AI 评分6262 Together AI 发布多 GPU 内核生成基准 ParallelKernelBench，前沿模型表现不佳
Together AI 发布多 GPU 内核生成基准 ParallelKernelBench，用于评估大模型编写跨 GPU 通信 CUDA 内核的能力。在 87 个真实代码问题中，表现最佳的 GPT-5.5 在单次尝试下仅正确解决 28 个问题，其中仅 22 个快于 PyTorch + NCCL 基线。研究揭示了模型在协调 GPU 间通信、数据分区和选择最优传输机制方面存在根本性困难。
Together AI精选AI 评分5757 Together AI 评测：Kimi K2.7 Code 与 Claude Fable 5 生成落地页的成本与质量对比
Together AI 对比了 Kimi K2.7 Code 与 Claude Fable 5 生成 12 个落地页的成本和质量。实验显示，Kimi K2.7 Code 的平均成本比 Fable 5 低约 94%，在结合定制设计灵感 MCP 服务器后，其输出质量与 Fable 5 相近。所有生成的页面、成本细目和 GPT-5.5 的评分结果都发布在 OVSC 网站上。
推荐理由：原文通过具体实验和成本对比，展示了开源模型在特定工作流中结合定制化工具的实际效益。