⌘ K
… 读取采集状态 同步中...
雷

AI 编码

AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。

254条精选相关主题Agent 智能体Cursor教程实践

最新精选

第 61–80 条 · 共 254 条
10月1日周四
  2. AI HOT80

    OpenRouter 教程：在 CI 中用 LLM 评估门禁拦截 Pull Request

    OpenRouter 发布教程，展示如何用固定评估集在 CI 中门禁 Pull Request，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。流程包含路径过滤、脚本评分、阈值测量和 Ori Eval 扩展，强调在作业级别使用 if 条件过滤并在本地测量最低通过率设定阈值。

    推荐理由：原文提供从脚本到 GitHub Actions 的完整可复现流程，并强调路径过滤层级与阈值实测两个易错点。

  3. APPSO88

    Gemini 4 Argon 正式发布：输出窗口达 100 万 Token，官方回应“刷榜”质疑

    谷歌 DeepMind 发布新模型 Gemini 4 Argon，通过“Fairwind 计划”先向网络安全防御者小规模开放，后续面向付费 API 客户与 Google AI Ultra 用户，输入 2 美元/百万 Token、输出 10 美元/百万 Token，命中缓存输入 95% off。

    推荐理由：原文呈现官方基准与彭博员工实测反差，帮读者区分刷榜话术与真实工程落差。

  4. AI HOT88

    OpenAI 发布 GPT-6.1 Sol 模型

    OpenAI 发布 GPT-6.1 Sol 模型，在智能体编程、计算机使用等任务上接近 GPT-6 Astra 的水平，价格约为其标准的五分之一。标准 API 定价为每百万 token 输入 2 美元、输出 10 美元、缓存输入 0.10 美元。该模型提供 1,050,000 token 上下文窗口和 128,000 最大输出 token，已在 OpenAI API 及 Codex 中上线使用。

    推荐理由：详细梳理了 GPT-6.1 Sol 在编程与计算机使用基准上的表现，并给出了与竞品在定价和上下文方面的直接对比，便于评估性价比。

  5. Google DeepMind87

    Google 发布前沿大模型 Gemini 4 Argon

    Google 发布 Gemini 4 Argon 模型，目前正通过 Fairwind Program 逐步向受信任的网络安全防御者开放。该模型定价为 $2 per million input tokens 和 $10 per million output tokens，缓存输入 token 享受 95% 折扣。

    推荐理由：Google 官方给出了新模型的核心能力参数、价格及在代码、金融与网络安全领域的测试成绩，方便读者了解前沿模型的功能边界与部署规划。

  6. InfoQ CN90

    谷歌发布 Gemini 4 Argon，多项基准领先并参与内核代码迁移

    谷歌发布 Gemini 4 Argon，重点面向长流程软件工程与网络安全防御，目前通过 Fairwind 计划向受信任团队开放。该模型输出 Token 上限提升至 100 万，在 DeepSWE v1.1 中以 77.9% 创纪录，并参与内部 80 多万行内核代码向 Rust 的迁移。

    推荐理由：Argon 在 DeepSWE 和 Vals Index 等长流程基准中创纪录，并在内部参与了 80 万行内核代码迁移。

9月30日周三
  1. 智东西69

    美团LongCat-2.5-Preview实测：复刻Muse前端与3D赛车Demo

    美团LongCat团队上线万亿参数预览版模型LongCat-2.5-Preview，支持100万Token上下文窗口和原生多模态能力，并开放API限时折扣。作者将LongCat-2.5-Preview接入Claude Code完成三项Coding任务，复刻Meta Muse应用、制作SpaceX星舰升空动画及开发3D赛车Demo，整体体验具备实用性但速度较慢，单任务耗时超30分钟。

    推荐理由：实测展示了万亿参数模型在Coding任务上的可用性与成本优势，并给出了与同类模型的横向速度对比。

  2. 卡尔的AI沃茨88

    OpenAI开发者日回顾：GPT-6.1 Sol发布与GPT-6.1 Astra下架内幕

    OpenAI在开发者日推出新模型GPT-6.1 Sol、云端开发环境Codex Cloud、Codex CLI、常驻智能体Dots、Decision API以及插件扩展和Space等功能，并新增500刀档位（用量为Plus的25倍），同时将原200刀Pro的用量倍数从20倍降至10倍。

    推荐理由：梳理了发布会各档位套餐的用量变化与门槛差异，便于读者判断升级是否划算。

  3. APPSO88

    OpenAI 发布 Dots、GPT-6.1 Sol 与云端 Codex

    OpenAI 发布 Dots、ChatGPT Space、GPT-6.1 Sol 和云端 Codex，并将 ChatGPT 扩展为可承载第三方应用与智能体的工作平台。

    推荐理由：这场发布会把模型、智能体和分发平台连接起来，让读者看到 OpenAI 试图用一体化工作流重新安排人与 AI 的分工。

9月29日周二
  1. 特工宇宙81

    Space Bunny 匿名模型实测：三天屠榜，疑似 MiniMax 出品

    匿名模型 Space Bunny 在 OpenRouter 和 OpenCode 上线后迅速占据调用量榜首，单日调用量超 DeepSeek V4.1 Flash 与 GLM-5.3 Flash 总和。作者实测发现其首字延迟低至 400 毫秒，编码能力接近旗舰水平；分词器指纹比对结果指向 MiniMax，该模型目前处于免费预览期。

    推荐理由：作者通过实测对比Space Bunny与同级别Flash模型，展示了其在代码生成与快速响应上的显著优势。

  2. OpenAI News85

    OpenAI 发布 GPT-6.1 Sol

    OpenAI 正式发布 GPT-6.1 Sol，该模型在编码、电脑操作及专业工作场景中具备接近 Astra 的智力水平。其 API 输入和输出 Token 价格约为 Astra 标准价格的五分之一。

  4. AGI Hunt91

    Claude Sonnet 5.5 发布

    Anthropic 发布 Claude Sonnet 5.5，输入和输出价格分别为每百万 token 2 美元和 10 美元。该模型速度比 Sonnet 5 快 30%，单个任务成本最多降低 30%，且多数基准测试性能接近 Opus 5.5。

    推荐理由：原文通过基准测试和实际用例对比，展示了 Sonnet 5.5 以更少 token 实现性能持平 Opus 5.5 的效率优势。

  5. InfoQ CN87

    Anthropic 发布 Claude Sonnet 5.5，编码基准超 Opus 5.5 但 Max 模式成本显著上涨

    Anthropic 于 9 月 28 日推出 Claude Sonnet 5.5，定价与 Sonnet 5 相同，但输出速度提升超 30%。该模型在 Terminal-Bench 4.0 上得分从 10.3% 跃升至 70.6%，超过了 Opus 5.5 的成绩；CursorBench 得分 55.5%，接近 Opus 5.5。

    推荐理由：解析了 Sonnet 5.5 在不同推理强度下的真实成本曲线，帮读者判断何时该切到中档模型。

9月25日周五
  1. Towards AI75

    构建基于 Jev 的 AI Agent 评估系统

    文章构建了一个小型评估框架，用 Python 代码校验 AI Agent 的工具调用轨迹，并引入专用结构化评估模型 Jev 判断其解释文本的质量。作者演示了针对工具使用场景的四项硬性校验规则，并展示了 Jev 在成本（每百万输入 token 0.042 美元）和速度上优于通用 LLM 作为裁判模型的优势。

    推荐理由：原文演示了将硬代码校验与专用评估模型结合的方案，帮助读者判断如何准确度量智能体的行为与解释质量。

  2. 机器之心74

    Opus 5.5 重塑 Vibe Coding：从乐高微鸭到《塞尔达》复刻

    Opus 5.5 发布后展现出突破性的多模态与工程落地能力，用户已不再仅满足于生成网页，而是开始利用其构建现实世界可用的产物。Hugging Face 负责人利用 Opus 5.5 设计了包含 1113 个真实零件和 237 个步骤的 Microduck 乐高模型及说明书，该模型还成功将静态宜家说明书转化为带配音的 3D 动画教程，甚至被用于从零复刻《塞尔达传说》核心场景。

    推荐理由：文章通过乐高、3D教程和游戏三个新案例，展示了Opus 5.5如何将代码转化为可落地实物的能力，重新定义了vibe coding的边界。

  3. AI信息Gap82

    GPT-6 Luna 与 Jev 模型路由技巧：提升 Codex 额度利用率

    作者提出利用 GPT-6 Luna 高额度特性及 Jev 自动路由功能，通过青铜、白银、黄金三级配置策略降低 ChatGPT Codex 使用成本。官方数据显示 ChatGPT Plus 下 Luna 额度（350-3000条/5小时）是 Sol（15-150条）的20倍，且在 DeepSWE v1.1 评测中两者编码能力差距微小（66.6% vs 68.8%）。

    推荐理由：原文给出了 OpenAI 官方额度对比和基于 Jev 的路由配置方法，读者可直接评估成本效益并复用到 Codex 工作流中。

9月24日周四
  1. 极客公园65

    阿里云成中国智能汽车AI底座：座舱进Agent时代，智驾转工程层

    阿里云通过芯云模一体战略，占据中国汽车公有云45.2%市场份额，重塑智能汽车产业链。智能座舱正从聊天转向办事，核心是千问座舱Agent提供全栈AI能力与阿里生态Agent，将淘宝、高德、飞猪等能力原子化封装，车企一次接入即可全链路调用。

    推荐理由：基于2026云栖大会及沙利文报告数据，文章剖析了阿里云如何以芯云模一体化底座重构智能汽车行业竞争主线。

  2. 刘小排r76

    刘小排对比 GPT-6-Sol 与 Claude Opus 5.5，认为 Anthropic 实现反超

    刘小排指出 GPT-6-Sol 和 Claude Opus 5.5 同步发布，其认为 Claude Opus 5.5 在智能水平和价格上全面超越 GPT-6-Sol。Claude Opus 5.5 在根因分析和中文表达的自然度上明显优于 GPT-6-Sol，且价格比前代 Opus 5 更低，作者因此计划重新将其作为主力工具。

    推荐理由：作者对比了 GPT-6-Sol 与 Claude Opus 5.5 的实测差异，提供了直接切换工具链的参考视角。

9月23日周三
  1. 夕小瑶科技说92

    实测MiMo-V2.6：编码、审美与多模态能力及成本评测

    小米正式推出 MiMo-V2.6-Flash 和 MiMo-V2.6-Pro，实测表明其具备优秀的复杂编码、高审美设计与多模态能力。MiMo-V2.6-Pro 输入成本为 3 元/百万 Token，平均解决单题成本仅 0.13 美元，性能超过 Kimi K3 和 Qwen3.8 Max。

    推荐理由：作者实测了MiMo在复杂编码与审美上的表现，提供了与GPT和Claude对比的成本与速度数据，可评估其性价比。