跳到正文
#编码
7月10日周五
  1. 公众号：月之暗面53

    K2.7 Code 高速版已正式登陆 Kimi Code

    Kimi K2.7 Code 高速版结束 Beta，成为常驻可选模式，订阅 Allegretto 及以上会员的用户可直接调用。该模式与普通版使用同一模型，输出速度约为普通版的 5-6 倍，常规场景约 180 Token/s，短上下文可达 260 Token/s，但用量消耗为普通版的 3 倍。

  2. Rohan Paul49

    Meta 发布新模型 Muse Spark 1.1，专注于个人智能体任务，需跨外部应用和服务进行规划与编排。该消息由 CEO 马克·扎克伯格在 X 平台直接发布，12 小时内获得超 1200 万次浏览。埃隆·马斯克随后引用该推文，称赞 X 是产品发布的好平台，预计浏览量将在未来 10 小时内突破 2500 万。

    引用Elon Musk@elonmusk

    𝕏 is a great platform for product announcements, especially if done by the CEO directly. Way more interesting to the public than generic press releases. This post by Mark Zuckerberg already received over 12 million views for free!

  3. Claude Code：GitHub Releases62

    Claude Code v2.1.206 发布

    Claude Code v2.1.206 发布，主要更新包括：为 `/cd` 命令添加目录路径建议；新增 `/doctor` 检查以建议修剪 CLAUDE.md 文件中模型可从代码库推导的内容；`/commit-push-pr` 现在自动允许 git push 到仓库配置的推送远程仓库；`/login` 支持 Anthropic 运营的公共网关端点；后台智能体在更新后自动升级。修复了过期登录导致所有模型报错、`claude --resume` 和 `--continue` 在启动时无键盘响应、MCP 服务器忽略 `request_timeout_ms` 配置、OAuth MCP 服务器需手动重新认证、`/model` 选择器价格显示错误、桌面会话卡在“运行中”状态、Windows 上键盘输入被忽略等多项问题。

    推荐理由：Claude Code 这次更新修复了一串体验问题，/doctor 检查能帮团队清理冗余的项目文件，后台静默升级也减少了等待时间，日常使用的开发者更新一下不会亏。

  6. Elon Musk54

    Grok Build 几乎每天都在改进。

    引用Jason Ginsberg@JasonBud

    some special features in Grok Build if you're new /dashboard: shows you every agent running in your TUI. no need to tab jump. can click and respond. /imagine: create videos + images w/ an agent. useful for three.js textures or complex video edits. X search tool: great for research. try asking for the best recent AI papers. Grok 4.5 is strongest on tough coding problems in real, messy codebases. push it hard and send us feedback.

  7. IT之家·人工智能64

    OpenAI 整合桌面端 ChatGPT / Codex 应用，集成聊天、工作和 AI 编程

    OpenAI 发布全新桌面应用程序，整合 Codex 和 ChatGPT 体验。新应用包含 Chat（聊天）、ChatGPT Work（工作）和 Codex 三个组成部分，保留现有 Codex 任务和项目，用户可在设置中选择 Codex 应用图标。已使用 ChatGPT 桌面版的用户将收到下载提示，新旧应用可同时存在：新版集聊天、工作和 Codex 于一体；旧版 ChatGPT Classic 继续获得模型更新、错误修复和安全补丁，但新代理功能可能仅在新应用中提供。网页版与桌面版聊天记录同步，桌面版 Work 线程和本地文件保留在原计算机。

  8. 公众号：数字生命卡兹克75

    GPT-5.6 上线，ChatGPT 与 Codex 正式合并

    OpenAI 发布 GPT-5.6 系列，含旗舰模型 Sol、均衡模型 Terra 及低成本模型 Luna。Sol 在 Agents' Last Exam 中以 53.6 分刷新纪录，比 Claude Fable 5 高 13.1 分；在编程智能体指数中达 80 分，输出 token 减少一半以上，耗时缩短一半以上，成本降低约三分之一。ChatGPT 与 Codex 应用正式合并，新版 ChatGPT 新增 Work 模式，支持办公功能。Sol 对 Plus 和 Pro 用户开放，Ultra 推理等级仅限 100 美元和 200 美元 Pro 用户。

  9. IT之家·人工智能81

    OpenAI 上线 GPT-5.6 系列模型，微软 Copilot 同步接入

    OpenAI 于 7 月 10 日上线 GPT-5.6 系列模型，覆盖 ChatGPT、Codex 及 API。该系列包含三档：旗舰版 Sol（输入 $5/M tokens，输出 $30/M tokens）、均衡版 Terra（输入 $2.5/M tokens，输出 $15/M tokens）和主打速度与成本的 Luna（输入 $1/M tokens，输出 $6/M tokens）。Sol 为 OpenAI 最强模型，引入 Max 推理强度与 Ultra 模式（借助子智能体加速复杂任务），在 Terminal-Bench 2.1 上标准模式得分 88.8%，Ultra 模式达 91.9%，超越 Claude Mythos 5（88.0%）。微软 CEO 纳德拉宣布 Copilot Chat、Cowork、M365 应用、GitHub 及 Foundry 已同步接入 GPT-5.6 系列。

  10. TechCrunch：AI78

    OpenAI推出GPT-5.6系列模型，含三个变体及ChatGPT Work工具

    OpenAI发布GPT-5.6系列，包括Sol（主力）、Terra（中级）和Luna（经济型）。CEO Sam Altman称Sol在AI编码任务中token效率提升54%。该系列被定位为最强网络安全模型，支持威胁建模、代码审查、补丁和蓝队演练。同时推出面向企业团队的桌面、网页和移动端办公助手ChatGPT Work。定价每百万token：Sol输入$5/输出$30，Terra $2.50/$15，Luna $1/$6。在Artificial Analysis Coding Agent Index基准上，Sol得分80，高出Anthropic Fable 5的2.8分，且输出token和耗时均不到一半，成本低约三分之一。Terra略超Fable 5，Luna优于Opus 4.8。现可通过ChatGPT、Codex和API使用。

  11. Cognition 模型 / Devin 博客71

    Cognition 推出 SWE-1.7，接近 GPT 5.5 与 Opus 智能水平

    Cognition 发布迄今最强模型 SWE-1.7，基于 Kimi K2.7 基座训练，通过强化学习管线改进（基础设施、训练稳定性、数据质量、长程任务技术）实现前沿智能水平并大幅降低成本。在 FrontierCode 1.1 Main 基准上达 42.3%（Kimi K2.7 Code 为 30.1%，GPT-5.5 为 43.0%，Opus 4.8 为 46.5%），Terminal-Bench 2.1 达 81.5%，SWE-Bench Multilingual 达 77.8%。模型针对长周期异步任务优化，现已在 Devin（Web、桌面、CLI）通过 Cerebras 以 1000 TPS 提供。

  12. Meta AI：Blog78

    Meta 发布 Muse Spark 1.1 多模态推理模型

    Meta Superintelligence Labs 今日推出 Muse Spark 1.1，专为智能体任务设计，在工具使用、计算机使用、编程和多模态理解方面显著提升。模型支持 100 万 token 上下文窗口，提供“Thinking”模式，并通过 Meta Model API 公开预览。在智能体任务中可零样本泛化至新工具、MCP 服务器与自定义技能；计算机使用可自动编写脚本或生成批量操作；编程性能在 Meta Internal Coding Bench 上优于前代。多模态能力涵盖视觉到代码生成、图像视频描述。安全性评估显示模型在化学生物、网络安全、失控等风险类别中处于安全边际内。

  14. Rohan Paul49

    Atomic Chat 在 HTML5 物理演示测试中对比 GPT-5.6 Sol Ultra、Opus 4.8、GPT-5.5 和 Grok 4.5，要求生成三个自包含 canvas 场景（怪物卡车后空翻压车、特技车飞越六辆巴士撞墙、火车出轨落水）。输出：Sol Ultra 消耗 32.9K tokens（$0.33），GPT-5.5 仅 12.4K tokens（$0.11），成本为 3 倍但物理效果更弱——画面细节更丰富，却在力、动量、碰撞时机等关键物理表现上不及前代。Opus 4.8 花费 $0.24，Grok 4.5 花费 $0.08 且失败两个测试。该测试揭示普通编码基准隐藏的弱点：模型能用更多 token 描绘丰富场景，却仍无法处理核心物理逻辑。

    引用atomic.chat@atomic_chat_hq

    GPT-5.6 Sol Ultra lost to GPT-5.5 on physics at 3× the cost! We gave 4 models the same prompt: build three self-contained HTML5 canvas scenes with real physics demos Prompts: - A monster truck backflipping onto a parked car - A stunt car jumping six buses into a brick wall - A train derailing off a broken bridge into the water Outputs: GPT-5.6 Sol Ultra: 32.9K tokens, $0.33 Opus 4.8: 9.2K tokens, $0.24 GPT-5.5: 12.4K tokens, $0.11 Grok 4.5: 7.0K tokens, $0.08 Sol Ultra draws just like GPT-5.5, only with more detail and it shows clearest on the bus jump where the two look almost identical. In the other tests Sol Ultra came out worse than its predecessor and the physics really got weaker. We think GPT-5.5 took the truck flip and the train outright. With Sol Ultra you basically get GPT-5.5 with weaker physics and a nicer picture for 3x the price. Newborn Grok 4.5 failed two of the three tests and only came good on the train

  15. Simon Willison 博客79

    OpenAI 发布 GPT-5.6 系列：Luna、Terra、Sol

    OpenAI 今日推出 GPT-5.6 三款旗舰模型：Luna（最小）、Terra（中等）、Sol（最大）。定价每百万输入/输出 token 分别为 Luna $1/$6、Terra $2.50/$15、Sol $5/$30。在 Agents' Last Exam 上，Sol 以 53.6 分超越 Claude Fable 5（自适应推理）13.1 分；Terra 和 Luna 以约十六分之一成本也超过 Fable 5。自报的 SWE-Bench Pro 中 Fable 5 达 80%，Sol 仅 64.6%。新增 API 功能包括：编程式工具调用（模型可运行 JavaScript 编排工具调用）、多智能体（启动子智能体并行工作）、提示缓存断点（显式指定缓存位置）、支持图像请求设置 `detail: original` 避免预处理缩放。

  16. TechCrunch：AI63

    Meta 发布 Muse Spark 1.1，加入 AI 编码模型竞争

    Meta 周四推出新一代多模态 AI 模型 Muse Spark 1.1，专为智能体编码设计，支持多步推理、复杂流程管理和数字工作流。定价为每百万输入 token 1.25 美元、输出 token 4.25 美元，与 Anthropic Claude Haiku 4.5 和 OpenAI GPT-5.6 Luna 竞争。该模型擅长处理大规模智能体工作负载、修复 bug 及大型代码迁移。CEO 扎克伯格称其为“强大且低价的智能体和编码模型”，并表示更多模型即将推出。

  17. The Decoder：AI News72

    GPT-5.6 Sol 以三分之一成本接近 Fable 5 基准成绩

    OpenAI 新旗舰 GPT-5.6 Sol 在 Artificial Analysis 的 Intelligence Index 上获 59 分，仅比 Claude Fable 5 低 1 分；在 Coding Agent Index（Codex 环境）中以 80 分位居第一，AA-Briefcase 的 Presentation Elo 得分最高，但整体排名仍落后于 Fable 5。Sol 每次任务成本 1.04 美元，约为 Fable 5 的三分之一。小变体 Terra 和 Luna 成本分别再低 50% 和 80%。GPT-5.6 首次引入缓存写入费，输入/输出 token 每百万 $5/$30（Sol）、$2.50/$15（Terra）、$1/$6（Luna），缓存读取享 90% 折扣。Sol 在智能体编码任务中比同类模型少耗用最多 54% 的输出 token。

  18. Tibo65

    GPT 5.6 Sol 是我们迄今为止在几乎所有方面最好的模型。 与GPT-5.5相比，在编码、困难上下文与策略任务、搭建网站……以及任何我需要完成的事情上，差异非常显著。这完全要求你提升自己的尝试目标。

    推荐理由：OpenAI 员工首次透露 GPT 5.6 Sol，宣称全面超越 5.5，但推文无任何技术细节，目前只是预告。若属实，这将是年内最重要的模型升级，但先保持观望。

  19. OpenAI Developers67

    OpenAI 将 Codex 与 ChatGPT 整合至同一桌面应用，推出新 agent ChatGPT Work。它由 Codex 和 GPT-5.6 驱动，可跨应用和文件操作，持续数小时完成复杂项目。新应用还包含新的编码工作流、Chrome 扩展、改进的内置浏览器，以及由 GPT-5.6 驱动的更快的 Computer Use 功能。

    引用OpenAI@OpenAI

    Introducing ChatGPT Work, a new agent in ChatGPT powered by Codex and GPT-5.6. It can take action across your apps and files, stay with a project for hours if needed, and turn a goal into finished work. It’s a whole new way to get work done.

  22. Artificial Analysis59

    昨日 xAI 发布 Grok 4.5，在全新基准 AA-Briefcase（测试智能体知识工作，涉及电子表格、演示文稿、UI 原型等真实任务）上取得 1328 Elo，较 Grok 4.3 提升 578 分，为非 Anthropic 模型最高分，仅次于 Claude Fable 5（1390）、Claude Sonnet 5 max（1390）和 Claude Opus 4.8 max（1354）。同时成本效率领先：每任务平均 $1.12，比 Opus 4.8 max 低 86%；耗时 12.4 分钟，约为其一半，主要得益于仅 23 次交互轮次（仅 Sonnet 5 max 的 13%）。

  23. Artificial Analysis69

    Artificial Analysis 公布 GPT-5.6 系列评测。Sol（max）智能指数 59 分，比 Claude Fable 5（max）低 1 分，每次任务成本 $1.04，约为后者三分之一。Coding Agent 指数中 Sol（max）以 80 分领先，覆盖 DeepSWE、Terminal-Bench v2 和 SWE-Atlas-QnA 三项评估，成本比 Fable 5（max）低约 40%。Terra（max）和 Luna（max）智能指数分别为 55 和 51 分，成本更低。GPT-5.6 首次引入缓存写入定价，Sol/Terra/Luna 的输入/输出 token 价格分别为 $5/$30、$2.5/$15 和 $1/$6 每百万 token，缓存写入加价 1.25 倍。

  24. OpenAI：官网动态85

    GPT-5.6 系列模型发布：Sol、Terra、Luna

    OpenAI 推出 GPT-5.6 系列，包括旗舰 Sol、平衡型 Terra 和成本最优 Luna。在 Agents' Last Exam 上，Sol 以 53.6 分超越 Claude Fable 5（自适应推理）13.1 分；中等推理时以约四分之一成本领先 11.4 分。Terra 和 Luna 以约十六分之一成本超越 Fable 5。在 Artificial Analysis Coding Agent Index 上，Sol 以 80 分创 SOTA，高于 Fable 5 的 2.8 分，使用不到一半输出 token、一半时间，成本低约三分之一。引入 Programmatic Tool Calling 减少中间数据往返，ultra 模式协调多个智能体加速复杂任务。模型配备迄今最强安全防护，经人类红队和自动化测试验证。

    推荐理由：GPT-5.6 在编码、安全、知识工作上全面领先，且 token 效率大幅优化，是我今年见过的真正能改变 agent 开发成本结构的发布。程序化工具调用和 ultra 模式值得立即试用。

7月9日周四
  1. AI at Meta65

    来自 @finkd 的消息 — Muse Spark 1.1 已上线。

    引用Mark Zuckerberg@finkd

    (1) 今天我们发布 Muse Spark 1.1——这是一款性能强劲的智能体与编程模型，价格非常低廉。它已通过我们全新的 Meta Model API 上线，并集成在 Meta AI 中。

    推荐理由：Muse Spark 1.1 主打 agent 和 coding 能力，同时压到极低价，这可能是 Meta 低价模型策略的正式开场。虽然这次没给具体数据，但后续模型、API 的布局值得关注。

  3. The Decoder：AI News70

    OpenAI 发现约 30% 的热门 AI 编码测试任务有缺陷

    OpenAI 审查 SWE-Bench Pro 后发现约 30% 的任务存在缺陷，已撤回支持。问题源于任务取自真实软件项目，导致测试过于严格、模糊或误导。OpenAI 先用自动化工具标记 286 个可疑任务，再由基于 Codex 的 AI 智能体审查，最后由人工判定 249 项（34.1%）有缺陷；另有 200 项（27.4%）被另一流程判定有缺陷。问题分为四类：过于严格、过于模糊、过于浅显与描述错误。此前，Artificial Analysis 已因模型可从项目提交历史复制答案而改用 DeepSWE 测试，导致排行榜重排：Codex 配 GPT-5.5 得 76 分，Claude Code 配 Opus 4.8 得 73 分，Claude Code 配 Fable 5 以 77 分居首。

  4. IT之家·人工智能51

    星巴克借助AI开发内部软件，拟替代微软、IBM采购方案

    星巴克正借助AI开发自有软件，旨在替代微软库存管理系统和IBM设备维护管理工具，部分自研软件最快明年年底投入使用。公司每年软件采购支出约4亿美元，计划削减20亿美元成本，本财年技术部门预算削减约3000万美元，其中1000万美元来自软件采购减少，另通过减少外包节省1300万美元。AI辅助编程加速了替代IBM软件的开发，但AI效果存争议，星巴克已撤下一套AI库存管理系统，恢复人工盘点。自去年2月已累计裁员约2300人。

  5. 公众号：龙猫LongCat74

    美团正式开源 LongCat-2.0，同步开放国产卡推理代码

    美团万亿参数大模型 LongCat-2.0 正式开源，总参数 1.6T，平均激活约 48B，为真实 Agentic Coding 任务而生，并作为业界首个在五万卡国产算力集群上完成推理的万亿参数模型。

    推荐理由：LongCat-2.0 把针对国产卡的模型、芯片适配与部署优化作为完整开源栈发布，为存量算力部署万亿模型提供了可复现的协同方案。

  6. The Decoder：AI News68

    Databricks 将中国开源模型 GLM 5.2 设为默认编码引擎，性能比肩 Opus 且成本更低

    Databricks 内部基准测试显示，中国开源模型 GLM 5.2 在其百万行级代码库上的编程表现与 Anthropic 的 Opus 4.8 统计持平，但每任务成本仅 $1.28（Opus 为 $1.94）。公司计划将其作为开发者日常编码模型。测试基于真实 pull request 构建，避免公开数据集的数据泄露和模型作弊。三个性能层级中，顶级（82-90% 通过率）包括 Opus 4.8、GLM 5.2 及特定配置的 GPT 5.5；中间层（71-82%）含 Sonnet 4.6、Sonnet 5 和 GPT 5.4 等。Databricks 还发现 token 价格与实际任务成本不等价，token 效率因软件环境差异巨大。Coinbase、Lindy、Snowflake 等公司也已转向中国模型以大幅降低成本。

  7. The Decoder：AI News62

    OpenAI AI在顶级编程竞赛AtCoder中击败所有人类选手

    OpenAI AI系统在AtCoder World Tour Finals 2026算法组中以8300分、5题全解夺得第一，人类亚军tour1st仅获4300分，且无人解出C题和E题。该系统由模型加小型框架构成，可在测试时扩展计算量，模型能力与本周四发布的GPT-5.6相当，无网络访问。六个月前系统尚无法解决大部分此类题目。这是OpenAI AI在编程竞赛中的最新突破：去年在AtCoder Heuristics 2025获第二，今年在IOI 2025达金牌水平、在ICPC 2025解出全部12题。

  8. Rohan Paul62

    Databricks 使用内部百万行级代码库（3000+ 工程师、跨三个超大规模云）测试编码智能体，避开公开基准。结果发现开源模型 GLM 5.2 在质量上与 Claude Opus 4.8 统计持平，但任务成本仅 $1.28（Opus 为 $1.94）。自家 Pi 框架通过每轮减少约 3 倍上下文，使同一模型成本降低超 2 倍。测试区分了模型智能与智能体效率：GLM 5.2 证明能应对最高难度任务，Pi 则展示高效上下文管理的成本优势。针对 11000 名员工的 AI 成本压力，Databricks 认为该组合（模型+框架）为降低费用并保持质量提供了可行路径。

    引用Ali Ghodsi@alighodsi

    At 11k employees, our AI costs are going up. Which model & harness should we use to lower cost but also retain great quality? We didn't want to blindly trust public benchmarks. So we ran a comprehensive evaluation on our tasks, code base, infra. It's been produced by more than 3,000 software engineers, spans 3 hyperscalar clouds and many languages and tasks. The results are surprising. We find that for the SAME mdoel, the choice of harness can significantly save costs (~2x). We also find that GLM 5.2 performs extremely well. We run Omnigent in front of these and can easily multiplex different harnesses and models for different tasks. Check it out: https://www.databricks.com/blog/benchmarking-coding-agents-databricks-multi-million-line-codebase

  9. MarkTechPost60

    Google AI Studio 为 Build 模式新增“从 GitHub 导入”功能

    Google AI Studio 在 Build 模式中推出“import from GitHub”功能。用户指向一个 GitHub 仓库，AI Studio 将其转换为运行时兼容格式，随后可在 AI Studio 中迭代并部署到 Cloud Run。对于调用 Gemini API 的应用，GEMINI_API_KEY 会被配置为服务器端密钥，不包含在客户端代码中。该功能补全了 Build 模式此前缺失的从 GitHub 导入的路径，支持续接已有代码库、快速上手同事分享的仓库或将脚本转化为完整应用。

  10. IT之家·人工智能57

    OpenAI 指摘 SWE-Bench Pro 约 30% 任务存在缺陷，撤回采用建议

    OpenAI 在 7 月 8 日博文中称，Scale AI 的编程评测基准 SWE-Bench Pro 约 30% 任务存在缺陷，包括测试过严、提示不充分等。前沿模型通过率 8 个月内从 23.3% 升至 80.3%，OpenAI 认为基准已失效。其分析标记出 200–249 个失效任务。OpenAI 撤回采用建议，呼吁资深开发者设计新基准。

  12. IT之家·人工智能77

    官方支招两种AI方案：Claude Fable 5搭配Sonnet 5省token

    Anthropic官方建议将Claude Fable 5用作规划层、Sonnet 5执行任务以降低成本。顾问模式下，Sonnet 5主执行，仅需额外指导时调用Fable 5；SWE-bench Pro测试显示相比完全用Fable 5可达92%性能，成本仅63%。协调者模式下，Fable 5充当规划者，将子任务分派给多个Sonnet 5工作智能体；BrowseComp基准上达到Fable 5单独运行96%表现，成本为46%。

    同一件事，精选收录的是《Fable 5 作为顾问与执行者调用模式》

  13. Tencent Hy63

    腾讯混元的 Hy3 在 OpenRouter 上免费提供至 7 月 21 日。 295B MoE，256K 上下文窗口，专为编程、推理、智能体及可靠工具使用打造。 立即在 OpenClaw 中试用：openclaw models set openrouter/tencent/hy3:free

    引用OpenClaw🦞@openclaw

    Tencent Hy3 from @TencentHunyuan is free on @OpenRouter through July 21. 295B MoE, 256K context, built for coding, reasoning, agents and reliable tool use. Try it in OpenClaw today: openclaw models set openrouter/tencent/hy3:free

  15. Sam Altman51

    我们从未炒作过模型发布，对这些东西通常很保守。但 GPT-5.6 对我们的团队产生了巨大影响，Token 用量达到此前的 5 倍。它并不比 Fable 更聪明，但非常可靠且好用。——Sam Altman 以 🫶 回应。

    引用dax@thdxr

    i've never hyped a model release, we're generally conservative with how we use these things but gpt-5.6 has had a massive impact on our team, we're using 5x the tokens as we used to it's not even smarter than fable or anything, but it's just so reliable and fun to use

  16. Simon Willison 博客61

    在 Rust 中重写 Bun

    Bun 的创建者 Jarred Sumner 详细记录了将 Bun 从 Zig 重写为 Rust 的过程。核心动机是 Zig 复杂的内存管理导致大量 use-after-free、double-free 等 bug，而 Rust 的安全特性可在编译期杜绝此类问题。这得益于 Bun 的 TypeScript 测试套件作为语言无关的合规套件，以及利用 Claude（Mythos/Fable 模型）驱动的编码智能体自动化移植。整个过程约 11 天，消耗 59 亿 uncached 输入 token、6.9 亿输出 token 和 720 亿 cached 输入 token 读取，按 API 定价估算约 16.5 万美元。重写后的 Rust 版本已在 Claude Code v2.1.181（6 月 17 日发布）中使用，Linux 启动速度提升约 10%，其余表现保持稳定。