跳到正文
#编码
9月23日周三
  2. Artificial Analysis 完整文章82

    Claude Opus 5.5 登顶 Artificial Analysis Intelligence Index

    Artificial Analysis 实测 Claude Opus 5.5 在 Intelligence Index 得分 58，为其测得的最高分，并在 Terminal-Bench 4.0 上与 GPT-6 Astra 打平（59.6%）。

    推荐理由：原文给出 Claude Opus 5.5 在 Intelligence Index 及各分项评测的完整数据和定价变化，读者可据此比较智能与任务成本。

  4. ClaudeDevs77

    Anthropic 推出 Claude 5.5 家族首个模型 Claude Opus 5.5，官方称其在多数任务上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。Claude Devs 补充称其每任务速度快约 30%；在 Claude Code 中，5 小时会话限额今日提升 20%，因 Opus 5.5 定价更低，额度内可用量多 25%，Pro、Max 和 Team 用户还将获得一次可随时使用的额度重置。引用图显示 Opus 5.5 在 Terminal-Bench 4.0 各 effort 档位下得分领先。

    引用Claude@claudeai

    隆重推出 Claude Opus 5.5，这是我们全新的 Claude 5.5 系列中的首个模型。 在大多数任务上，它的表现达到了 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。

  5. Boris Cherny72

    Anthropic 的 Boris Cherny 称 Claude Opus 5.5 近几周是他的日常主力模型。他让 Opus 5.5 和 Fable 5.1 各自把 HAProxy 从 C 移植到 Rust，两者都通过了几乎所有测试，但 Opus 5.5 用时 9.5 小时，快于 Fable 5.1 的 12 小时，成本低 51%。引用的官方介绍称 Opus 5.5 是 Claude 5.5 家族首个模型，多数任务达到 Fable 5.1 水平，运行成本比 Opus 5 低 40%。

    引用Claude@claudeai

    隆重推出 Claude Opus 5.5，这是我们全新的 Claude 5.5 系列中的首个模型。 在大多数任务上，它的表现达到了 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。

    同一件事，精选收录的是《Anthropic 发布 Claude Opus 5.5，成本较 Opus 5 降低 40%》

  6. Claude Code：GitHub Releases68

    Claude Code v2.1.280 发布，新增 Claude Opus 5.5 为默认 Opus 模型

    Claude Code 发布 v2.1.280，新增 Claude Opus 5.5（claude-opus-5-5）为默认 Opus 模型，支持 1M 上下文，价格为 $4/$20 per Mtok、缓存读取 $0.20/Mtok；同时将 Pro 和 Team Standard 计划的默认模型从 Sonnet 改为 Opus。

    推荐理由：官方更新日志详列了新增 Opus 5.5 默认模型、价格与大量修复，开发者可据此判断是否升级及对现有工作流的影响。

  7. Claude：Blog71

    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。

  8. Anthropic：Newsroom91

    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。

  11. Anthropic：Newsroom86

    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。

  12. cat78

    Anthropic 的 Claude Opus 5.5 现已成为 Claude Code 和 Claude 应用（含 Cowork）在 Pro、Max 和 Team 套餐中的默认模型。默认使用 effort medium，智能水平与 Fable 5.1 相当但更快；相比 Opus 5，速率限制可多用 25%，运行成本低 40%。作者称其沟通清晰、写作贴合个人风格。

    引用Claude@claudeai

    隆重推出 Claude Opus 5.5，这是我们全新的 Claude 5.5 系列中的首个模型。 在大多数任务上，它的表现达到了 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。

    推荐理由：作者以产品负责人身份说明了默认切换和速率限制变化，读者可据此评估日常使用成本与速度的差别。

9月22日周二
  1. Hacker News：AI 热帖63

    Drop 发布：支持 gVisor 的无 root Linux 沙盒

    作者发布 Drop，一款无 root 的 Linux 沙盒工具，用于隔离编码智能体和第三方程序。它基于现有发行版运行，无需 Docker/Podman 容器配置，通过 TOML 配置暴露文件、目录和本地网络服务，用独立的 home 目录隐藏原环境；可选 gVisor 用户态内核作为额外隔离层，防止沙盒程序直接访问宿主内核。

  6. IT之家·人工智能71

    SpaceXAI 发布 Grok 4.7，主打编码与知识处理，百万词元输入 2 美元起

    SpaceXAI 于 9 月 22 日宣布推出新一代模型 Grok 4.7，定位编码和知识工作场景，官方称其为公司目前最强的编码和知识处理模型。该模型采用更大基座并经更长时间强化学习训练，强化自我验证与长上下文管理，在 CursorBench 4.0、GDPval、AA Briefcase 等基准较 Grok 4.6 有提升。

  10. Xiaomi MiMo58

    MiMo-V2.6-Pro 在 Code Arena: WebDev 榜以 1628 分（AutoEval）位列总榜约第 10 名，与 Claude Fable 5 (High) 持平，开源权重模型中约第 3。

    引用Arena.ai@arena

    MiMo-V2.6-Pro just landed @XiaomiMiMo back in the top 10 on Code Arena: WebDev, debuting at ~#10 overall, and ~#3 among open-weights models with an MIT license. It scores 1628 pts (AutoEval), tying Claude Fable 5 (High) and just ahead of Hy4-preview (1624 pts). That's a +153 pt jump from the previous MiMo-V2.5-Pro (1475 → 1628 pts). Among open-weights models, it lands at ~#3. Impressively only 7 pts behind Qwen3.8 Flash Next (#2) and 46 pts behind Kimi K3 Max (#1). Note: this is an early AutoEval score, in which a Reward Model trained on Arena’s human preference data casts automatic votes in place of live votes. We’ll continue to see how scores converge as more live human votes come in. Congrats to the @XiaomiMiMo team on this release!

  11. Arena.ai66

    小米发布 MiMo-V2.6-Pro 与 Flash 两款全模态模型，MiMo-V2.6-Pro 在 Code Arena: WebDev 榜以 1628 分（AutoEval）位列约第10名，开源权重（MIT 许可）中约第3，较 MiMo-V2.5-Pro 的 1475 分上涨 153 分。

    引用Xiaomi MiMo@XiaomiMiMo

    隆重介绍小米 MiMo-V2.6 —— Pro 与 Flash。 前沿智能，全模态，公开构建。 🔹 两款全模态模型，通过规模化强化学习不断进阶 🔹 在大多数智能体基准测试中，Pro 的表现与 Claude Opus 5 和 GPT-5.6 Sol 不相上下 🔹 Pro 在 Artificial Analysis Intelligence Index 上得分 46 —— 为开源模型中的最高分 🔹 更强的编程、计算机操作、3D 推理与创作能力 🔹 开放模型权重、技术报告、RL 环境与训练代码 博客：https://mimo.xiaomi.com/mimo-v2-6

    同一件事，精选收录的是《小米发布 MiMo-V2.6 Pro 与 Flash 全模态开源模型》

  12. Artificial Analysis 完整文章68

    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。

  14. Linear：Now61

    Linear 分享 CI 提速实践：PR 等待时间从 6 分多降至 5 分出头，单测机器时间约减半

    Linear 工程团队详细介绍其 CI 优化实践：在测试套件今年年初以来近乎翻四倍的情况下，PR 等待时间从超过 6 分钟降到 5 分出头，每项测试的 runner 时间约减半。

    推荐理由：Linear 自述在测试套件近乎翻四倍的情况下把 CI 等待时间和 runner 成本降下来，四类优化手法可迁移到其他工程团队。

  15. 小米 MiMo：官网发布与博客71

    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。

  18. Elon Musk69

    Elon Musk 引用 Artificial Analysis 评测称，Grok 4.7 使 xAI 在智能体编码上排名第三，仅次于 Anthropic 和 OpenAI。

    引用Artificial Analysis@ArtificialAnlys

    Grok 4.7 在 Artificial Analysis Intelligence Index 上得分 46，将 SpaceXAI 带入前 4 大 AI 实验室之列。Coding Agent Index 表现也有所提升，超越了 GPT-5.6 Sol Grok 4.7 在 Intelligence Index 上比 Grok 4.6 高出 +2 分，在智能体知识工作任务上表现强劲。我们在 xhigh 推理强度下评估了这款新模型。 祝贺 @SpaceXAI 和 @ElonMusk 发布！ 核心要点： ➤ Grok 4.7 跻身智能体知识工作前沿：Grok 4.7 在 AA-Briefcase（我们用于长时程智能体知识工作的私有基准）上比 Grok 4.6（high）提升 +111 Elo，得分 1657 Elo，与 Claude Opus 5 和 Claude Fable 5.1 一同位列前沿。在 GDPval-AA 上，它得分 1695 Elo，领先 Grok 4.6（high）+90。 ➤ 编码智能体性能的飞跃：Grok 4.7（xhigh）搭配 Grok Build 在 Artificial Analysis Coding Agent Index 上得分 56，比 Grok 4.6（xhigh）提升 +9 分。在原生 harness 中的模型里，Grok 4.7 + Grok Build 目前排名第 4，仅次于 Claude Fable 5.1、GPT-6 Astra 和 Claude Opus 5。 ➤ 其他方面的渐进式性能变化：在智能体知识工作之外，Grok 4.7 在 Intelligence Index 的其他任务上大体与 Grok 4.6（high）持平。它在 Terminal-Bench 4.0（+4.5 个百分点）和 GDP.pdf（+3.0 个百分点）上有所提升，但在 AA-LCR（-3.7 个百分点）和 AutomationBench-AA（-1.1 个百分点）上出现退步。 ➤ 任务中 token 使用量偏高：Grok 4.7 的性能提升伴随着更高的 token 消耗。Grok 4.7（xhigh）在每项 Intelligence Index 任务中约使用 81k 输出 token，而 Grok 4.6（high）为 36k，GPT-6 Astra（max）为 27k——分别多出 125% 和 196%。 其他模型细节： ➤ 上下文窗口为 500k token，与 Grok 4.6 保持一致 ➤ 定价为每 1M 输入/输出 token 2 美元/6 美元，缓存命中可享受折扣，降至每 1M token 0.50 美元，与 Grok 4.6 相同 ➤ 可配置的推理强度从 low 到 xhigh。我们的评估使用 xhigh。

    同一件事，精选收录的是《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》

  20. Hacker News：AI 热帖76

    xAI 发布 Grok 4.7，主打编码与长时任务

    xAI 发布 Grok 4.7，称其为目前编码与知识工作能力最强的模型，价格与速度与 Grok 4.6 持平，输入 $2、输出 $6 每百万 token。新模型采用更大的 base model 并加长强化学习训练，CursorBench 4.0 得分 46.3%，HackerBench v0.3 仅放行 3.3% 危险双用途提示。

  21. lauren55

    Grok 4.7 发布，官方称其在与 Grok 4.6 相同的价格和速度下有显著提升。 Lauren Tan 转发并致以'4.7 day'祝贺，所附对比图显示 Grok 4.7 xHigh 输入 $2/百万 token、输出 $6/百万 token，与 4.6 持平；在 EEBench 64.0%、Harvey Legal Agent 19.6%、CursorBench 4.0 46.3% 等基准上较 4.6 提升明显，DeepSWE v1.1 为 71.0%（High Effort）。

    引用SpaceXAI@SpaceXAI

    Grok 4.7 is here. It's a notable improvement over Grok 4.6 at the same price and speed.

9月21日周一
  1. xAI：News72

    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。