Gemini 4 Argon：Google DeepMind 推出新一代前沿模型
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，主打长链路推理与企业级工作流，覆盖复杂软件工程、法律与金融知识工作以及网络安全防御。
同一件事，精选收录的是《谷歌发布 Gemini 4 Argon：搭载 RSI，基准成绩领先 Opus 5.5 和 GPT-6》
#编码
Google DeepMind同事件AI 评分7070
OpenAI News精选AI 评分5959 OpenAI 发布 GPT-6.1 Sol，主打编码与计算机使用场景
OpenAI 发布 GPT-6.1 Sol，定位接近 Astra 智能水平，覆盖编码、计算机使用和专业工作等场景。其 API 输入和输出 token 价格仅为 Astra 标准价的五分之一。
推荐理由：原文给出 GPT-6.1 Sol 与 Astra 的能力定位和 token 价格差距，读者可据此评估其在编码与专业工作中的性价比。
AWS Machine Learning Blog精选AI 评分5858 xAI Grok 4.7 上线 Amazon Bedrock，支持 500K 上下文与四档推理
xAI 的 Grok 4.7 在 Amazon Bedrock 上线，提供 500K token 上下文与 low、medium、high、xhigh 四档可配置推理强度。
推荐理由：原文给出 Grok 4.7 在 Bedrock 上的 500K 上下文、四档推理设置，并附带 Artificial Analysis 对比 Grok 4.6 的评测数据。
Simon Willison精选AI 评分7878 Anthropic 发布 Claude Sonnet 5.5，速度提升超 30%
Anthropic 发布 Claude Sonnet 5.5，官方称其运行速度提升 30% 以上，多数任务成本最多降低 30%，定价与 Sonnet 5 持平且在多项评测中胜出。
推荐理由：实测显示 Sonnet 5.5 在免费层即可应对较高难度编码，可据此对比 Anthropic 与 OpenAI 免费层能力差距。
HF Daily PapersAI 评分3434 RLE-Bench：面向机器人学习工程师能力的编程智能体评测基准
RLE-Bench 是一个面向机器人学习工程的编程智能体评测基准，覆盖交互式控制、策略学习、感知与估计、机械设计四类开发工作流。该基准通过成功率、训练策略、构建 harness 与机械结构等任务专用指标评估智能体产出，并聚合成 RLE Index 以支持多维能力对比。论文还结合案例研究分析了智能体在代表性任务上的当前能力与局限。
AWS Machine Learning Blog精选AI 评分6767 Claude Sonnet 5.5 在 Amazon Bedrock 上线
Anthropic 的 Claude Sonnet 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上提供，定位为面向聚焦编码和知识工作的更高效版本，多数工作下每次任务成本更低、速度更快。
推荐理由：原文给出 Sonnet 5.5 与 Opus 5.5 的分工建议和 Bedrock 调用代码，读者可据此判断如何在工作流里搭配使用。
OpenAI NewsAI 评分1515 你是 Codex Original 吗？OpenAI 征集 Codex 用户真实故事加入 Codex Originals 计划
OpenAI 正在为 Codex Originals 计划征集真实用户故事，邀请使用 Codex 的开发者、tinkerers、研究者和创作者分享项目经历。入选者将加入该计划的下一篇章，可通过文章下方表单提交自己的故事与项目。
Anthropic News精选AI 评分7575 Anthropic 发布 Claude Sonnet 5.5，速度提升 30% 且成本降低
Anthropic 发布 Claude Sonnet 5.5，定位为混合推理模型，运行速度比 Sonnet 5 快 30%，典型工作负载成本最高降低 30%，支持 1M 上下文窗口。
推荐理由：原文给出了与 Sonnet 5 的速度与成本对比，以及多家客户在编码、Agent 场景下的实测反馈，读者可据此评估实际价值。
Anthropic News精选AI 评分7878 Anthropic 发布 Claude Sonnet 5.5，比 Sonnet 5 快 30% 且多数任务成本最高低 30%
Anthropic 发布 Claude Sonnet 5.5，作为 Opus 5.5 的低成本补充版本，生成速度比 Sonnet 5 快 30% 以上，多数任务成本最高降低 30%。
推荐理由：原文给出 Terminal-Bench 4.0 等具体评测分数与单任务成本变化，便于和 Sonnet 5 横向对照升级效果。
Simon Willison精选AI 评分4545 Simon Willison 用 Claude 与 Playwright 生成 kākāpō 像素动画演讲视频
Simon Willison 用 Claude Opus 5.5 根据三张 kākāpō 鹦鹉照片生成 HTML5 canvas 像素动画，再用 Claude Code 配合 Playwright 脚本录制 15 秒演示视频，用作 WeAreDevelopers World Congress North America 闭幕主旨演讲的最后一页。
推荐理由：展示了用 Claude 生成像素动画并接入 Claude Code 与 Playwright 录屏的工作流，可迁移到其他演示场景。
OpenAI NewsAI 评分2121 Proaction 借助 Codex 提升 60% 销售额并节省 75+ 小时
车队管理公司 Proaction 借助 Codex 将销售额提升 60%，并节省 75+ 小时。结合 GPT-Live-1 和 GPT-6 Astra，Proaction 能够更快地构建、运营和销售现代化车队管理方案。
OpenAI News精选AI 评分7676 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna，API 价格较 GPT-5.6 下调 50%
OpenAI 发布 GPT-6 家族的 GPT-6 Sol 与 GPT-6 Luna，API 定价较 GPT-5.6 促销价下调 50%，分别为 $2/$10 与 $0.10/$0.50（每百万 token）。
推荐理由：原文把 GPT-6 Sol 和 Luna 的 API 定价、缓存折扣以及在 AutomationBench、DeepSWE 等基准上与 Claude Opus 5、Fable 5.1 的成本-得分一并列出，便于同价位横向对照。
Anthropic News精选AI 评分8181 Anthropic 发布 Claude Opus 5.5，能力接近 Fable 5.1 且运行成本降 40%
Anthropic 发布 Claude Opus 5.5，能力接近 Claude Fable 5.1，运行成本比 Opus 5 低 40%，输出速度提升超 30%。
推荐理由：Anthropic 在能力接近 Fable 5.1 的同时把 Opus 5.5 的运行成本压低 40%，并附上编码、知识工作与对齐的多项基准对比。
xAI News精选AI 评分7171 xAI 发布 Grok 4.7，主打编码与知识工作
xAI 发布 Grok 4.7，定位其在编码与知识工作方面能力最强的模型，基于比 4.6 更大的新基座模型，价格不变（每百万 token 输入 $2、输出 $6），并提供 2 倍输出速度的快速版本。
推荐理由：原文给出 Grok 4.7 与 GPT-5.6 Sol、Fable 5.1 在多项基准与价格上的横向对比，读者可据此判断它在同类模型中的性价比位置。
Latent Space精选AI 评分3535 Latent Space AINews 周报汇总 Jev 开源复现潮与本周其他 AI 进展
Latent Space AINews 周报报道非生成式决策模型 Jev 发布两天内出现 6 个开源复现项目，包括 Laya（421M 参数 ModernBERT-large）。
推荐理由：它把过去两天的 Jev 开源复现方向关键作品与本周 Claude Code、Anthropic 独立评估合作等进展集中整理，方便一次性对照。
GitHub Blog · AI & MLAI 评分2626 GitHub 拆解 AI 编程五大热门观点：代码还要不要读、RAG 是否已死、Skills 是否取代 MCP
GitHub 在最新一期播客中逐一拆解了 AI 编程领域的五大争议观点。开发者仍需按风险分级审查 AI 生成的代码，企业更看重候选人使用 AI 的判断力而非是否采用，Skills 与 MCP 各解决不同问题可互补使用，RAG 也并未过时仍能帮助模型检索外部信息。这些技术可以共存于同一工作流，不应</think>
Anthropic News精选AI 评分4444 Claude Code：Anthropic 面向终端与 IDE 的编码智能体
Claude Code 是 Anthropic 的编码智能体，可在终端、IDE、Slack 和 Web 中运行，覆盖 macOS、Linux 和 Windows。
推荐理由：页面汇总了 Claude Code 在终端、IDE、Slack 与 Web 中的能力范围，并披露 Opus 5.5 Fast mode 的速度与定价。
OpenAI NewsAI 评分2020 OpenAI 如何连接 AI 使用与业务价值：ChatGPT Work 与 Codex 分析
OpenAI 的 ChatGPT Work 与 Codex 分析帮助团队了解 AI 使用与支出、识别培训需求，并将 AI 采用与业务结果挂钩。
xAI News精选AI 评分6161 Grok Build 上线跨会话记忆功能
xAI 为编码工具 Grok Build 推出跨会话记忆功能，每轮对话完成后会在后台记录约定、决策和项目事实，方便后续会话在改动相关代码前读取。记忆按项目分开保存，并保留一套全局偏好文件；用户可用 `/memory` 浏览所有只读记忆文件，`/dream` 会周期性在后台把近期笔记归并为主题文件，例如 topics/testing.md。
推荐理由：Grok Build 上线跨会话记忆机制，按项目存储约定与决策并由 /dream 整理为主题文件，可据此评估其在长周期编码协作中的实际效用。
OpenAI NewsAI 评分2929 Cognition 借助 GPT-6 Astra 增强 Devin 自测代码能力
GPT-6 Astra 提升了 Cognition 旗下 Devin 的软件测试与验证能力，让 Devin 能更好地自测所写代码的正确性。该集成旨在帮助工程师减少代码审查工作量，加快交付节奏。
Mistral AI精选AI 评分5050 Mistral 用 AI 智能体把 4 万行 Fortran 77 迁移到 C++
Mistral 团队用 AI 智能体为一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，先建数值一致性校验框架再按模块由多角色智能体在人类审校下推进。
推荐理由：用一个 4 万行 Fortran 77 到 C++ 的真实迁移案例，展示了先建数值一致性校验、再分模块推进并保留人类审校的可复用改造流程。
OpenAI NewsAI 评分3030 GPT-5.6 Sol 如何帮助运行量子计算实验
一位 MIT 研究人员借助 GPT-5.6 Sol 与 Codex 自主运行量子计算实验，自动分析实验数据并完成量子比特校准，覆盖量子实验关键步骤。
OpenAI NewsAI 评分2424 1Password 借助 Codex 将工程效率提升 21%
1Password 工程师使用 Codex 快速构建新特性和内部工具，将工程效率提升 21%。Codex 帮助团队更快达到生产就绪状态，同时维持严格的安全策略。
OpenAI NewsAI 评分2828 研究加速：OpenAI 内部视角
OpenAI 内部数据显示，coding agents 正在重塑其 AI 研究流程。文章披露了 agent 使用率、实验速度、任务复杂度及研究加速等指标的早期数据。
GitHub Blog · AI & ML精选AI 评分6565 GitHub Copilot 发布 Project HydraFusion 研究预览，通过多模型编排提升编码任务质量
GitHub 推出 Project HydraFusion 研究预览，已在 GitHub Copilot CLI 中通过 /experimental 向所有 Copilot 套餐开放，按底层模型标准 token 费率计费。
推荐理由：给出了多模型运行时编排的实现细节与三项智能体编码基准的成本与质量对比，可作为评估运行时调度思路取舍的参照。
OpenAI News精选AI 评分6060 OpenAI 发布 GPT-6 Astra，定位为新一代智能模型
OpenAI 发布 GPT-6 Astra，官方称这是迄今最智能、对齐程度最高的模型，在 computer use、coding、cybersecurity 和 science 四个方向具备 SOTA 能力。
Hugging Face Blog精选AI 评分6868 Hugging Face 开源 funes，给编码代理加入可跨工具共享的持久记忆
Hugging Face 开源 funes，一个把 Claude Code、Codex、pi、Hermes 会话轨迹索引成本地记忆层的单二进制工具。安装只需一条 curl 命令，记忆默认存本地 Lance 数据集，可绑定到 Hugging Face 私有数据集实现跨机器和跨代理共享；recall 返回原文并标注来源。
推荐理由：funes 给出了会话轨迹索引、跨代理共享与远程记忆同步的完整命令链和架构，方便直接接入现有编码代理。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型，分别面向通用推理编码与网络安全防御。
推荐理由：同一价位下编码与推理能力相对前代明显提升，且同步给出安全专用版的基准与开放范围，读者可据此做选型对照。
OpenAI NewsAI 评分1919 loveholidays 如何借助 Codex 让每个人都能参与开发
loveholidays 利用 OpenAI Codex 让软件开发面向公司全员开放，帮助各团队更快地把创意转化为产品。这一实践展示了 Codex 作为 AI 编码工具在企业中的落地场景，让非专业开发者也能参与应用构建。
智谱 GLM精选AI 评分7171 智谱发布开源模型 GLM-5.3，强化编码与漏洞利用能力
智谱发布开源模型 GLM-5.3，与 GLM-5.2 共享基座，全部增益来自后训练。在自研 Z.ai Code Bench 上较 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents' Last Exam、CyberGym 取得开源 SOTA。
推荐理由：在同一份基准表中与八款模型横向打分，并附详细评测参数与防作弊设置，便于直接复现同口径对比。
智谱 GLM精选AI 评分7070 智谱发布 GLM-5.3-Flash 多模态模型，320B 总参数 18B 激活
智谱发布 GLM-5.3-Flash，是 GLM-5 系列首个原生多模态模型，总参数 320B、激活 18B，价格为 GLM-5.2 的十分之一，编码与智能体基准接近 Claude Opus 4.8。
推荐理由：读者可以横向比较 GLM-5.3-Flash 与 Claude Opus 4.8 在编码与智能体基准上的差距，并参考其混合注意力与稀疏激活设计评估部署成本。
智谱 GLM精选AI 评分6969 智谱发布开源模型 GLM-5.3，主打编码与漏洞利用能力提升
智谱发布开源模型 GLM-5.3，能力提升全部来自对 GLM-5.2 的后训练，底层基础模型未变；自研 Z.ai Code Bench 较 GLM-5.2 提升 50%，Terminal Bench 3.0 和 Agents' Last Exam 取得开源 SOTA，CyberGym 漏洞发现达到 SOTA，漏洞利用类基准较 GLM-5.2 翻倍以上。
推荐理由：原文列出了 GLM-5.3 在十余项编码与 Agent 基准上与闭源、开源模型的逐项分数，可作为评估开源前沿模型能力的对照参考。
OpenAI NewsAI 评分3232 GPT-5.6 登陆 Kiro，为开发者带来更高性价比
GPT-5.6 现已在 Kiro 中可用，帮助开发者以更优性价比完成规划、构建、代码审查与测试等软件开发任务。
xAI News精选AI 评分5858 Grok 4.6 上线 GitHub Copilot，面向 VS Code 与 GitHub 开发者开放
xAI 最新编码模型 Grok 4.6 已在 GitHub Copilot 中上线，开发者可在 VS Code、Copilot CLI 和 Copilot 云端 agent 的模型选择器中选用该模型，部分企业与 enterprise 账户需要在 Copilot 设置中手动启用。
推荐理由：原文给出了 Grok 4.6 在 GitHub Copilot 的接入方式和按 token 定价，便于读者与同类编程模型对比成本与可用性。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini 3.7 Flash，主打编码与 Agent 工作流
Google DeepMind 发布 Gemini 3.7 Flash，主打编码与 Agent 工作流。
推荐理由：相比 3.6 Flash，Gemini 3.7 Flash 在编码与 Agent 任务的多项基准上提升明显，并把每百万 token 入门定价下调至原来的一半。
OpenAI NewsAI 评分1313 RingCentral 如何用 ChatGPT Work 与 Codex 构建从工程到运维的 AI 原生工作流
RingCentral 使用 ChatGPT Work 与 Codex 加速 AI 产品研发，并将工程与运维环节的运营智能集中化管理，覆盖从工程到运维的端到端 AI 原生工作流。
xAI News精选AI 评分7777 xAI 发布 Grok 4.6，主打长任务智能体与交互视觉能力
xAI 发布 Grok 4.6 模型，聚焦长任务智能体和更复杂的交互与视觉工作，训练过程采用了更长的补充训练流程与精选的模型生成数据，并在 SFT 与 RL 阶段做了改进。
推荐理由：原文给出多款基准的具体得分，方便对比 Grok 4.6 与 GPT-5.6 Sol 等竞品在长任务智能体上的能力差异。
Microsoft Research精选AI 评分6363 Microsoft Research 开源可扩展 Agent 框架 Orchard
Microsoft Research 开源了面向可扩展 Agent AI 的框架 Orchard，核心是基于 Kubernetes 的可复用环境服务 Orchard Env，并配套发布 Orchard-SWE、Orchard-GUI、Orchard-Claw 三个领域的训练配方。
推荐理由：Orchard 将环境层与训练流程解耦并开源，约 30 亿参数的小模型在 SWE-bench Verified 上逼近十倍参数量的前沿系统，展示了开源 Agent 训练栈的可行路径。
xAI News精选AI 评分6666 Grok 4.5 接入 GitHub Copilot
Grok 4.5 已接入 GitHub Copilot，开发者可在 VSCode、Copilot CLI 等产品的模型选择器中选用，输入价格 $2/百万 token，输出 $6/百万 token。部分企业用户需在 Copilot 设置中手动开启该模型。
推荐理由：原文给出 Grok 4.5 在 GitHub Copilot 的接入方式、按 token 计费的输入输出价格，并指出部分企业用户需手动开启，便于开发者评估替换现有编码模型的切换成本。
xAI News精选AI 评分6868 xAI Grok Build 上线 Workflows 功能，支持数百个并行 Agent 后台编排
xAI Grok Build 上线 Workflows 功能，用户用自然语言描述复杂任务后，Grok 会自动规划并分发到最多 1,024 个并行 Agent 在后台执行，完成后统一回报。
推荐理由：原文给出 128 到 1024 个并行 Agent 的编排机制和保存复用方式，读者可以据此判断它如何拆解复杂代码审查等任务。