跳到正文
#编码
10月2日周五
  4. Anthropic：Claude.dev 开发者博客68

    Claude Code mods 入门教程：从零构建 Token Weather 上下文窗口预报插件

    这篇 Claude Code 官方开发者教程介绍 mods，即以 hooks 形式运行在插件内的 JavaScript 或 TypeScript 模块，可以观察、重写或拒绝事件，甚至绘制自定义 UI，需 Claude Code 2.1.287 或更高版本。

    推荐理由：教程从空文件夹完整构建一个 mods 插件，并给出事件链、状态保持和热重载等可直接复用的实践要点。

  5. LangChain：Blog69

    LangChain 讲解如何在 Agent Harness 中构建模型路由器

    LangChain 在其开源编码 Agent Open SWE 中构建模型路由器，在 973 个线程的 A/B 测试中，中位成本从 $2.61 降到 $0.94（降 64%），PR 合并率 29.2% 对 27.3%，质量无可测变化。

    推荐理由：作者用自己 Open SWE 的 A/B 数据讲清路由如何省 64% 成本且质量不降，步骤可直接迁移到其他 Agent。

  6. Arena.ai71

    Arena 宣布 Claude Sonnet 5.5（xHigh）进入 Code Arena: WebDev 榜单，以 1786 分排名第 3，距第 2 名 GPT-6 Astra 的 1788 分仅差 2 分。

    引用Arena.ai@arena

    Claude Sonnet 5.5 (High) 由 @AnthropicAI 推出的真实世界结果出炉了。它刚刚以 1699 分在 Code Arena: WebDev 中排名第 #4，并凭借其成本效率重塑了帕累托前沿！ Claude Sonnet 5.5 (High) 以每百万 token 综合 $8 的价格提供了近乎顶尖的性能，重塑了帕累托前沿！该模型比总排名第 #3 的 Claude Fable 5.1 (Max) 和排名第 #2 的 GPT-6 Astra (Max) 都便宜 80%。 见下方帕累托位置。 总体而言，Claude Sonnet 5.5 (High) 相比排名第 #37、得分 1540 的 Sonnet 5 (High) 提升了 +159 分。与其前代变体相比的这一提升目前也体现在以下关键领域： - 基于参考的设计：#38 → #4 - 模拟：#37 → #4 - 游戏：#36 → #4 祝贺 @AnthropicAI 发布！

    推荐理由：原文给出 Claude Sonnet 5.5 xHigh 的具体榜单分数与分项排名，读者可以据此比较它与 GPT-6 Astra 的性价比位置。

  7. Josh Woodward45

    隆重推出 Stitch CLI，随时获取设计灵感 来源：X：Josh Woodward (@joshwoodward, Google Labs VP) 【已核验身份上下文】未识别到明确发布主体 这些事实只用于防止公司／模型身份被张冠李戴，不代表发布者必然是文章唯一主题；标题和摘要仍只能使用原始标题、正文或来源事实明确支持的主体。 主推文内容： 隆重推出 Stitch CLI，随时获取设计灵感 引用式 teaser 例外：若主推文几乎没有信息量（纯感叹 / 转发 / 号召，如「Go build!」「活久见」），而下面这条引用推文才是真正的新闻，则 body_zh 改为用一两句话概括【引用推文】的核心要点，让正文和标题对得上（别只输出一句空洞的主推文），可在结尾带一句主推文的简短反应；其余情况仍然只翻译主推文。 @stitchbygoogle（仅供理解上下文；按上面的「引用式 teaser 例外」判断要不要概括它）： 我们有 Stitch MCP。我们有 Stitch SDK。但我们没有 Stitch CLI。嗯，直到现在才有了。 隆重推出 @google/stitch CLI： 🔷 连接你的本地编程智能体 🔷 生成界面和设计系统 🔷 将本地开发服务器快照发送到 Stitch 全程无需离开终端，或者更好的是，让你常用的 harness 比如 @antigravity 来做 😎 了解更多 👇

    引用Stitch by Google@stitchbygoogle

    We have a Stitch MCP. We have a Stitch SDK. But, we don't have a Stitch CLI. Well, not until now. Introducing the @google/stitch CLI: 🔷 Connect to your local coding agents 🔷 Generate screens and design systems 🔷 Send a local dev server snapshot to Stitch Do it all without leaving the terminal or better yet, ask your favorite harness like @antigravity 😎 Learn more 👇

10月1日周四
  2. Apple Machine Learning Research59

    研究指出强模型智能体在自主机器学习工程中几乎不需要复杂 harness

    EPFL 与 Apple 研究者发表论文，发现在相同时间预算和同一前沿 LLM 骨干下，开源最先进 harness 并不优于最小化 harness 编码智能体的单次会话。通过大规模系统性消融研究，作者认为复杂机制层在编码智能体场景中变得冗余，性能主要由 LLM 骨干驱动，为强模型手工搭建复杂 harness 的投入在当前 MLE 基准上回报很低。

  6. OpenRouter：Announcements67

    OpenRouter 教程：如何在 CI 中用 LLM eval 门禁拦截 Pull Request

    OpenRouter 发布教程，讲解如何用固定的 eval 集在 CI 中门禁 pull request，当通过率低于阈值时脚本以非零退出码阻止合并，做法与单元测试门禁一致。

    推荐理由：原文给出了从脚本到 GitHub Actions 的完整可复现流程，并强调了路径过滤须放 job 层、阈值应实测等易错点。

  15. Rohan Paul66

    Google 推出旗舰模型 Gemini 4 Argon，在多数基准上超过 GPT-6 Astra 和 Claude Opus 5.5，其中 Harvey's Legal Agent Benchmark 得分 19.6%，明显高于对比模型的 6.7% 等成绩。

    引用Sundar Pichai@sundarpichai

    Lots of discussion out there about our next model(!), so I wanted to give an early look as soon as possible. Introducing Gemini 4 Argon! It shows frontier performance in complex workflows, cyber defense and software engineering. Teams are using it extensively at Google, from coding to quantum computing, great feedback. Here’s a look at the benchmarks:

  16. Arena.ai70

    Google DeepMind 发布前沿模型 Gemini 4 Argon，经 Fairwind Program 面向部分受信任测试者推出。

    引用Google DeepMind@GoogleDeepMind

    推出 Gemini 4 Argon——我们的全新前沿模型。 它专为编码、企业知识工作和网络安全防御等复杂工作流而构建——今天起通过我们的 Fairwind Program 向一组受信任的测试者推出。

    同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放》

  17. Hacker News：AI 热帖78

    Google 发布 Gemini 4 Argon 前沿模型，输出上限扩至 1M tokens

    Google 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向部分可信网络防御者开放，后续再向开发者、企业和消费者推出，起售价为每百万输入 tokens $2、每百万输出 tokens $10，缓存输入价格低至输入价的 95% 折扣。

    同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放》

  21. eric zakariasson53

    Grok Bot 官方宣布工程类 bot 上架 bot marketplace，入口为 https://x.ai/bot/marketplace/engineering。引用介绍称 bot 可把编码任务交给 Cursor、用 GitHub 和 Origin 插件管理 PR，并分享所构建内容的视频演示；页面展示多款工程 bot，如 Projects Manager、SWE by Cursor 等。

    引用Grok Bot@bot

    Grok Bot is now more powerful for building software. Bots can hand off coding tasks to Cursor, manage your PRs with GitHub and Origin plugins, and share video demos of what they build.

  22. Arena.ai70

    Arena 评测榜单显示，OpenAI 的 GPT-6.1 Sol (Max) 以 1759 分位列 Code Arena: WebDev 第 3 名，混合价格为 $8/MToken。相比 GPT-6 Sol (Max) 同价提升 70 分，排名上升 4 位，且在 Consumer Product 等所有类目均有提升。

    引用OpenAI@OpenAI

    GPT-6.1 Sol：以五分之一的价格提供接近 Astra 的智能。 它是当今可用的、在其性能水平上最具成本效益的模型。

    推荐理由：评测方公布了 GPT-6.1 Sol (Max) 的排名和价格数据，读者可以据此比较它在成本与性能权衡中的位置。

  27. Factory 研究 / 产品64

    Factory Automations 正式开放：Droid 可定时或按事件自动执行工程工作流

    Factory 宣布 Automations 正式向所有用户开放，用自然语言描述工作流后，Droid 可按定时或 Slack、GitHub、webhook 触发运行，支持自选模型（含 BYOK 和 Factory Router）与自选机器。

    推荐理由：官方宣布 Automations 正式开放，给出具体用例、模型自选与企业使用数据，可以了解定时与事件触发的 Agent 工作流怎么落地。

9月30日周三
  1. 公众号：蚂蚁百灵67

    蚂蚁百灵发布 Ling-3.1-flash，面向真实世界长任务升级

    蚂蚁百灵推出 Ling-3.1-flash，总参数约 560B，每个 Token 激活约 25B，上下文窗口上限 1M，延续混合线性架构并提高线性 Attention 层比例（7 层 KDA 配 1 层 Gated MLA，512 个路由专家选 8 个加 1 个共享专家）。

    推荐理由：官方发布同时给出架构细节、多项长程任务实测结果和对比数据，读者可据此评估其在办公、医疗和软件研发场景的适用性。

  3. Factory 研究 / 产品61

    Factory 正式发布 Automations，Droid 可定时或事件触发执行重复工程工作

    Factory 宣布 Automations 全面开放，企业客户已在组织内部署。用户用自然语言描述重复工作流，选择 Schedule、Slack、GitHub 或 webhook 等触发方式，Droid 按设定的模型和运行机器执行到预期结果，支持 BYOK 或 Factory Router，可运行在本地、自有机器或 Droid Computer。

    推荐理由：原文给出 Automations 的触发方式、模型与机器可配置细节和企业使用数据，读者可据此评估如何把重复工程工作交给 Droid。

  4. OpenAI Developers61

    OpenAI 在 Codex 中推出 Ultrafast 模式，宣称比 Astra Standard 最高快 8x、比 Astra Fast 快 4x，用于加快代码生成和迭代。文档见 https://developers.openai.com/api/docs/guides/ultrafast-mode。

    引用OpenAI Developers@OpenAIDevs

    Ultrafast is our fastest way to build with Astra yet: in Codex, it runs up to 8x faster than Astra Standard and 4x faster than Astra Fast. Bring your ideas to life as fast as you can type them.

  5. OpenAI Developers70

    OpenAI 发布 GPT-6.1 Sol，称其在编码、computer use 和跨应用工作流中表现强劲，价格低于 GPT-6 Astra。引用内容提到其面向复杂重构、深度代码库调查和长时间运行的智能体，缓存输入享有较标准输入定价 95% 的折扣，并附文档链接 https://developers.openai.com/api/docs/models/gpt-6.1-sol。

    引用OpenAI Developers@OpenAIDevs

    GPT-6.1 Sol 来了。 升级后具备更强的智能体编程和计算机使用能力，接近 Astra 的性能，缓存输入价格为标准输入定价的 95% 折扣。 GPT-6.1 Sol 专为复杂重构、深度代码库调查以及跨应用的长时间运行智能体而打造。

    同一件事，精选收录的是《OpenAI 发布 GPT-6.1 Sol，以约五分之一价格接近 GPT-6 Astra 智能》

  6. OpenAI Developers70

    OpenAI 推出 Codex cloud environments，可在可复用的云环境中运行 Codex 任务，仓库、依赖、脚本和设置已预先就位，减少配置并加快启动。用户合上电脑后智能体继续运行，可通过手机或另一台电脑跟进进度并调整任务，文档见 https://learn.chatgpt.com/docs/cloud。

    引用OpenAI Developers@OpenAIDevs

    你现在终于可以合上笔记本电脑，而你的代理会继续工作。 Codex 云环境来了。 可复用的环境意味着更少的设置和更快的启动，你的仓库、依赖、脚本和设置都已就位。

    推荐理由：原文给出 Codex 云环境的复用机制和跨设备跟进入口，读者可据此判断能否让任务在合上电脑后继续运行。