Anthropic 详解 Opus 5.5 上一次 Claude Code 任务的成本构成
Anthropic 官方博客拆解 Claude Code 任务在 Opus 5.5 上的成本构成，轮次、缓存读取、输出 token 和模型选择决定账单，Opus 5.5 API 输入输出每百万 token 降价 20%、缓存读取降 60% 至 $0.20。
推荐理由：原文把一次任务的 token 成本拆成轮次、缓存、输出和模型选择四项，并给出 effort 设置与缓存维护的可迁移省钱方法。
#编码
Claude：Blog精选AI 评分7171 Anthropic：Newsroom精选AI 评分9191 Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%
Anthropic 发布 Claude 5.5 系列首个模型 Claude Opus 5.5，官方称多数工作表现与 Claude Fable 5.1 相当，运行成本较 Opus 5 降低 40%，输入和输出 token 定价为每百万 $4 和 $20，输出速度快 30% 以上。
推荐理由：官方公告同时给出基准分数、完整定价表和防护措施细节，读者可以据此比较它相对 Opus 5 的成本与能力变化。
Anthropic：NewsroomAI 评分8686 Anthropic 发布 Claude Opus 5.5
Anthropic 发布 Claude Opus 5.5，称其为 Claude 5.5 系列首个模型，性能达到 Fable 5.1 水平，典型工作负载成本比 Opus 5 低 40%，输入输出 token 价格为 $4 和 $20 每百万，输出速度快 30% 以上。
Anthropic：Claude.dev 开发者博客精选AI 评分7979 如何在 Claude 与 Claude Code 中用好 Opus 5.5
Anthropic 发布 Opus 5.5 在 Claude 应用和 Claude Code 中的使用指南。
推荐理由：官方使用指南针对 Opus 5.5 更长自主运行的特点，给出提示词写法、长任务掌控和结果检查的具体做法。
Artificial Analysis 完整文章精选AI 评分6868 Artificial Analysis 评测 Grok 4.7：智能指数 46 分进入前四，编码智能体升至第 4
Artificial Analysis 发布 Grok 4.7 评测，Grok 4.7（xhigh）智能指数得 46 分，较 Grok 4.6 高 2 分，使 SpaceXAI 进入前四；搭配 Grok Build 的编码智能体指数从 47 升至 56，仅次于 Claude Fable 5.1、GPT-6 Astra 和 Claude Opus 5。
推荐理由：评测方给出 Grok 4.7 在多项基准的具体分数、token 消耗与对比对象，读者可据此判断其真实水平与成本。
Linear：Now精选AI 评分6262 Linear 重构 CI 流程应对 AI 编码带来的验证瓶颈，PR 等待时间从 6 分钟降至 5 分钟
Linear 工程师分享如何解决 AI Agent 加速写代码后 CI 成为瓶颈的问题，PR 等待时间从 6 分钟以上降至 5 分钟出头，单测 runner 时间约减半。
推荐理由：作者以第一手实践拆解 Linear 优化 CI 的具体做法与数据，读者可将其方法迁移到自己的 TypeScript 项目。
小米 MiMo：官网发布与博客精选AI 评分7171 小米开源 MiMo-V2-Flash：309B 总参数 MoE 模型，主打推理、编码与智能体
小米于 12 月 16 日发布并开源 MiMo-V2-Flash，一款 309B 总参数、15B 激活参数的 MoE 基础语言模型，权重以 MIT 许可上传 Hugging Face。
推荐理由：官方完整披露了架构、MTP 推理加速与 MOPD 训练范式细节和基准成绩，可据此评估其性价比与部署可行性。
xAI：News精选AI 评分7272 xAI 发布 Grok 4.7，主打编码与知识工作
xAI 发布 Grok 4.7，定位为旗下编码与知识工作最强模型，采用比 Grok 4.6 更大的基座模型并进行更长时程的强化学习训练。定价 $2/百万输入 token、$6/百万输出 token，另有输出速度翻倍、价格翻倍的快速版本；官方称其在 CursorBench 4.0 上价格性能处于前沿，HackerBench v0.3 仅放行 3.3% 危险双用途提示。
推荐理由：官方给出了定价与多基准对比数据，读者可以据此评估它在编码和知识工作场景的性价比。
Fireworks AIAI 评分5959 Fireworks AI 分析 DeepSWE：路由到合适模型可超越单一最强模型
Fireworks AI 对 DeepSWE v1.1 的 113 个任务、18 个模型做了分析：逐任务选择最优模型的 oracle 路由达 97.6% 通过率、每任务 $1.88，比最佳单模型 GPT-6 Astra 的 74.1%（$6.52）高 23 个百分点且成本不到三分之一；仅用开源权重模型也达 90.3%（$1.45）。
Fireworks AI精选AI 评分6161 Fireworks AI 分析：前沿不是单个模型，而是路由器，FireRouter 发布
Fireworks AI 发布 FireRouter 并分析 DeepSWE v1.1 上 113 个任务、18 个模型的路由潜力。
推荐理由：原文用 DeepSWE 上 18 个模型的任务级实测数据说明模型池组合的潜力，同时坦承从 oracle 到可落地路由的差距。
a16z：NewsAI 评分5555 a16z 图表周报：AI 让应用数量激增，但下载与收入几乎停滞
a16z 的 Charts of the Week 汇总多组数据指出，AI 代码生成工具推动 iOS、Android 和 Chrome 上每月新增应用翻倍至翻两番，但下载量（iOS 为评分数）基本停滞，达到 10+ 评分或 100+ 下载等 escape velocity 门槛的应用占比大幅下降，作者称之为 App-Slop。
Tessl：产品与工程博客精选AI 评分6363 Tessl 博客：AI 智能体评估应从证据开始，用 35 万行 Rust 复刻 S3 的实践复盘
Tessl 博客复盘前 Docker CTO Justin Cormack 在 AI Native DevCon London 的演讲，分享用 AI 构建约 35 万行 Rust 的 S3 兼容对象存储的经验。
推荐理由：作者用 35 万行 Rust 复刻 S3 的实测经历，总结出测试先知、覆盖率陷阱、flaky 测试纪律和追踪等一套可迁移的 AI 智能体评估方法。
Trail of Bits：AI安全研究精选AI 评分6868 Trail of Bits 用 Agent 为 Miden zkVM 审计自建 LSP、反编译器和 Lean 形式化证明
Trail of Bits 在审计 Miden zkVM 前，让 Agent 用六个月从零构建了 MASM 的 LSP 服务器、反编译器、静态分析引擎和 Lean VM 执行器模型。这些工具发现了可让恶意 prover 伪造 Falcon 签名盗取资金的高危漏洞，静态分析定位了 400 多处类型验证缺陷，Lean 工作产出 95 个机器验证的正确性证明，还发现两个单元测试未捕获的细微 bug。
推荐理由：原文给出用 Agent 在审计前自建工具链与形式化证明的完整路径，含真实高危发现，方法可迁移到其他安全审计场景。
Anthropic：Research精选AI 评分7474 Anthropic：Claude 四周优化 30 多个开源生物分子模型，平均提速约 4 倍并开源代码
Anthropic 让 Claude 在不到四周内优化了超过 30 个开源生物分子模型，平均提速约 4 倍、精度损失极小，输出完全一致时也有近 2 倍加速。优化代码全部开源，还推出低内存 Big 模式，可在单张 NVIDIA GPU 节点上对超过 10,000 token 的生物分子系统做准确预测。
推荐理由：Anthropic 公布了完整提速数据、开源代码和比赛入口，读者可以据此评估 AI 优化科学计算代码的实际水平。
Claude：Blog精选AI 评分7070 Claude Code Projects 改版：从文件夹到对话式协调
Anthropic 宣布 Claude Code 的 Projects 改版，用户设定目标后由 Claude 拆解任务、协调并行线程、审查输出并汇总结果。每个线程是一个独立的 Claude Code 云会话，各占一个分支跑测试、开 PR，项目还带随时间积累的共享记忆和文件库。
推荐理由：官方说明了项目改版的线程协调机制、共享记忆和推送节奏，读者可以据此判断是否要加入等待名单。
GitHub Blog精选AI 评分8787 GitHub 用 Copilot 智能体将 Copilot 运行时从 TypeScript 迁移到 83 万行 Rust
GitHub 工程师 Stephen Toub 复盘用 Copilot 智能体在约 14.5 周内将 Copilot agent runtime 从 TypeScript/Node.js 全量重写为 832,378 行生产 Rust，AI 智能体完成大部分代码，共 128 个 PR 增量合入 main 并持续发布。
推荐理由：当事工程师复盘用 AI 智能体在数月内将 Copilot 运行时迁往 Rust 的全过程，策略、回归样本和成本数据对同类迁移有直接参考价值。
xAI：NewsAI 评分5959 Grok Build 推出记忆功能，跨会话保留项目约定与决策
Grok Build 上线记忆功能，会在每轮对话结束后于后台记录项目约定、决策及其理由等项目事实，并在后续会话读取相关笔记。记忆按项目保存并有全局偏好集，/memory 可浏览笔记，/dream 会定期将笔记整理为主题文件，当前对话中的指令优先于笔记内容。
Tessl：产品与工程博客AI 评分5656 以系统用例为核心的规格驱动开发：作者在 AI Native DevCon 分享企业级实践
作者在 AI Native DevCon 演讲中介绍其以系统用例和领域模型为核心的规格驱动开发方法，跳过计划与任务阶段，直接用用例驱动代码生成。文章覆盖绿地与遗留系统现代化两条不同流程、基于风险的分层评审、Spring PetClinic 逆向建模演示，并建议用技能、guardrails、MCP 服务器和自包含系统架构搭建 harness，以实现接近确定性的生成。
Tessl：产品与工程博客AI 评分5656 Cisco 工程师谈 Skills Everywhere：技能需要一条上下文管道
一位 Cisco 工程师在 Tessl AI Native DevCon London 演讲后撰文提出，技能的价值不在模型更强，而在把上下文工程做成可复用、可测试、可同步的管道。
Tessl：产品与工程博客AI 评分5454 Tessl 博客：智能体的集体智能始于有归属的错误记录
Tessl 在 AI Native DevCon 演讲中提出，团队需要知识工厂而非静态规则库，让智能体犯过的错误以可追溯的方式转化为可复用指导。工作流为智能体独立身份、签名变更与归属条目、策展成 pack、渲染为带来源引用的指导，并通过评测验证其有用性；在 Go client 场景中，加载相关 pack 后同任务得分从 67 提升到 95。
Tessl：产品与工程博客AI 评分4848 Odevo 的 AI Native 转型：先修好软件交付体系，再谈 AI 编码
Odevo 在 AI Native DevCon London 分享了其 AI Native 转型经验：这家住宅物业管理公司七年内管理房屋从约 5 万套增至约 250 万套、员工从约 1000 人增至 14000 人，2024 年起步时仅约 30% 开发者使用 GitHub Copilot 等工具。
Tessl：产品与工程博客AI 评分5555 Tessl提出用可执行规范解决AI代码审查瓶颈
Tessl博客指出，AI编码代理导致PR数量激增但审查变慢，核心原因是缺乏对输出结果的信任。文章主张建立“验证层”，将产品意图转化为“可执行规范”。通过拆分规划与验证代理、结合规范与代码进行比对、并在隔离沙箱中运行以规避安全风险，旨在让代理自动检查实现是否符合原始需求，从而提升工程效率。
Tessl：产品与工程博客AI 评分6060 Tessl 博客提出用合并率衡量 AI 原生转型是否真实
Tessl 博客整理作者在 AI Native DevCon London 的演讲，主张 AI 原生组织的核心是压缩交接，让有决策权的人能直接通过智能体完成工作。
Tessl：产品与工程博客AI 评分5555 Netlify 高管在 AI Native DevCon 提出 Agent Experience 是下一个产品界面
Netlify 的 Dana Lawson 在 AI Native DevCon London 演讲提出智能体体验（AX）概念，认为构建者已从专业开发者扩展到非技术人群。
Factory 研究 / 产品AI 评分5555 Factory 完成 2 亿美元融资，估值达 50 亿美元
Factory 完成 2 亿美元融资，估值 50 亿美元，投资方包括 Blackstone、Khosla Ventures、Sequoia Capital、Insight Partners 等，累计融资超 4 亿美元。
Cognition 模型 / Devin 博客AI 评分5454 Cognition 与 AWS 达成多年期战略合作，推动 Devin 进入企业生产环境
Cognition 与 AWS 签订多年期战略合作协议（SCA），帮助企业客户在 AWS 生产环境中部署自主工程智能体 Devin，客户已可通过 AWS Marketplace 购买 Devin 并直接使用 Agent Toolkit for AWS。
Trail of Bits：AI安全研究精选AI 评分6161 Trail of Bits 批评 1Password 的 AI 补丁基准存在误导，并发布两个补丁验证 Agent 技能
Trail of Bits 发文批评 1Password 8月6日发布的 FLAWED 报告，称其 26% 的 AI 干净修复率受四项实验设计选择影响而失真，包括刻意指示智能体应用错误修复的提示词占 22% 数据、36% 的试验禁止编译测试，以及不同推理档位设置。
推荐理由：原文针对1Password基准的26%头条数字给出逐项方法学批评，并补充自身人类修复失败率与开源合并数据作对照。
Fireworks AI精选AI 评分7272 Fireworks 上线 DeepSeek-V4.1-Flash，DeepSWE 达 GPT-6 Astra 水准、成本仅 1/15
Fireworks 发布 DeepSeek-V4.1-Flash，在 DeepSWE 上取得 74.34% pass@1、每任务 $0.43，与 GPT-6 Astra 同一精度区间但成本仅 1/15。
推荐理由：官方以多基准实测给出 DeepSeek-V4.1-Flash 与闭源模型的成本质量对比和架构细节，可帮助开发者做选型与成本权衡。
Factory 研究 / 产品AI 评分5656 Factory 融资 2 亿美元，估值达 50 亿美元
Factory 宣布融资 2 亿美元，估值 50 亿美元，投资方包括 Blackstone、Khosla Ventures、Sequoia Capital、Insight Partners 等，累计融资超过 4 亿美元。
Claude：Blog精选AI 评分6666 Anthropic 工程师复盘：智能体编程压力下如何扩展测试影响分析服务
Anthropic 工程师撰文分享如何在智能体编程压力下扩展测试影响分析服务。Claude 编写约 80% 的代码，测试数量增长 10x，六个月内 CI 任务增加 25x。文章复盘了三个临时补丁（扩容、按包分片、每日重启）分别只维持 70 天、29 天和不到一天，最终用三周重设计为无状态、内存存储加 journal 的可水平扩展架构，并建议团队按两季度内 25x 负载做容量规划。
推荐理由：作者复盘了智能体编程把 CI 推向 25x 负载的完整演进，给出可迁移的架构与容量规划经验。
Tessl：产品与工程博客精选AI 评分6363 Tessl 提出 Agent 上下文归属模型：所有权跟随组织单元
Tessl 发文提出智能体转型的真正难点是上下文等要素的归属问题，而非 Agent 本身。核心规则是所有权跟随组织单元，个人与团队上下文归领域专家，组织级共享基础由赋能或平台团队托管并开放贡献，赋能团队只提供工具和基础设施而不拥有上下文。
推荐理由：文章把智能体转型的难点从模型转向上下文归属，给出按组织单元分层确权和赋能团队只供工具不拥有上下文的可迁移框架。
OpenRouter：Announcements精选AI 评分6161 OpenRouter 教程：用 LLM-as-a-judge 自动评估 AI 智能体输出
OpenRouter 发布教程，讲解如何用独立的裁判模型按自定评分标准自动给 AI 智能体输出打分，覆盖确定性测试无法检查的开放式回答质量。
推荐理由：原文给出 LLM-as-a-judge 的适用边界、偏差来源和用 Ori Eval 落地的可复用步骤，还包含用人工标注校准裁判模型的方法。
Fireworks AI精选AI 评分7272 Fireworks 实测 DeepSeek-V4.1-Flash：DeepSWE 达 GPT-6 Astra 水平、单任务成本仅 1/15
Fireworks 对上周发布的 DeepSeek-V4.1-Flash 进行全套基准评测，在 DeepSWE 上以 74.34% pass@1 达到 GPT-6 Astra 级编码准确率，每任务 $0.43、约为 Astra 的 1/15。
推荐理由：原文给出 DeepSeek-V4.1-Flash 与多款前沿模型的实测成本与准确率数据，可帮助读者按任务匹配合适模型。
Baseten 工程博客精选AI 评分7676 DeepSeek 发布开源模型 DeepSeek-V4.1-Flash，优化编码智能体 prefill 效率
DeepSeek 本周在 HuggingFace 开源 DeepSeek-V4.1-Flash 权重，模型总参数 552B，prefill 激活 8B、decode 激活 16B，支持 1M token 上下文和文本加图像输入，已上线 Baseten Model APIs。
推荐理由：文章解释了 CED 架构如何把 prefill 降到 8B 激活参数并压缩 KV cache，读者能理解它为何更适配编码智能体的高 prefill 负载。
GitHub Blog精选AI 评分6565 GitHub 日韩营销负责人如何用 GitHub Copilot 把活动运营自动化
GitHub 日韩地区营销负责人 Tomoko Tanaka 分享如何不写代码，把活动运营交给 GitHub Copilot 自动化。
推荐理由：作者以自身营销工作为例，展示了用 Issue、Actions 和 SKILL.md 复用开发者治理流程落地自动化的完整路径。
Google Developers BlogAI 评分5454 Google 开源 autofinetune：用 AI Agent 在 TPU 上自动完成 LLM 后训练
Google 发布 autofinetune 项目，把 autoresearch 的自主研究循环应用到 LLM 后训练（SFT 和 GRPO），使用 Tunix、Gemma、Cloud TPU，由 Antigravity CLI 和 Gemini Flash 3.7 编排。
OpenAI Developers：Blog精选AI 评分7474 OpenAI 发布 GPT-6 Astra 下的技能与提示词重写指南
OpenAI 针对编码智能体发布指南，说明迁移到 GPT-6 Astra 后应重写 skills、AGENTS.md 和任务提示词，避免旧指令拖慢工作。要点包括技能描述要尽量短并遵循渐进式披露、删掉强制通读文档的指令、Astra 会自主运行测试但可能提前停下，需要用户在 AGENTS.md 中定义完成标准并授权安全工作流。
推荐理由：来自 OpenAI 官方，针对 GPT-6 Astra 给出技能、AGENTS.md 和提示词的迁移调整方法，读者可直接对照清理自己的仓库指令。
Tibo@thsottiauxAI 评分7171引用Steve ☕️@stevendcoffeyToday we're launching the Agents API, a brand new way to build Agents in the cloud, backed by the Codex harness. Bring along all your favorite tools and connectors, connect it to any sandbox, and let Astra cook. Can't wait to see what you whip up 👨🍳 https://openai.com/index/introducing-the-agents-api/
Cursor Blog精选AI 评分7878 Cursor 推出 Projects：协调者智能体管理数千个子智能体处理大型开发任务
Cursor 发布 Projects（beta），让用户通过协调者智能体处理功能开发、迁移和持续性维护等大型工作，协调者本身不写代码，而是调度数千个子智能体并行执行。
推荐理由：官方介绍 Projects 的三项核心能力，并给出内部使用数据，读者可据此判断它适合什么规模的工作。
GitHub BlogAI 评分5353 GitHub Copilot 应用入门教程：用 diff、终端和浏览器面板审查 AI 代码
GitHub Copilot 应用新增 diff、终端、浏览器三个内置面板，让初学者在不离开应用的情况下完成 AI 智能体改动的审查、运行和预览。diff 面板以红绿高亮显示增删改行，用户可接受、评论或要求修改；终端面板可运行项目命令并支持多窗口，浏览器面板配合 Pick & Polish 工具选中界面元素让智能体调整，最后可直接在应用内接受变更并创建 pull request。