Qwen4-Max 上线 You.com Inference Router,支持 1M-token 上下文
千问(Qwen)将 Qwen4-Max 上线 You.com 的 Inference Router,作为 Qwen4 系列首款模型从 Day 0 提供。它面向编码、办公和长程智能体运行,提供 1M-token 上下文及原生文本、图像和视频输入。试用地址为 you.com/product/inference-rou…
千问(Qwen)将 Qwen4-Max 上线 You.com 的 Inference Router,作为 Qwen4 系列首款模型从 Day 0 提供。它面向编码、办公和长程智能体运行,提供 1M-token 上下文及原生文本、图像和视频输入。试用地址为 you.com/product/inference-rou…
Simon Willison 介绍了一种外部沙箱模式,让编码智能体在 Mac 上运行,同时在 WebAssembly、QEMU 或 Apple Container 沙箱中执行代码。他提供了 Claude Code、Codex 和 Pi 的演示:blog.primeradiant.com/externa…
Microsoft Research 推出开源插件 TokenEconomizer,利用过往会话减少编码智能体重复学习,在保持任务成功的同时降低成本。该插件现已在 GitHub 提供,目标是让编码智能体不仅学习解决任务,也更有效地使用计算资源。
UC Berkeley、Microsoft Research 和 Microsoft Security 推出开源插件 TokenEconomizer,可从同一仓库的历史会话中学习,在不修改智能体或底层模型的情况下减少后续任务浪费。
推荐理由:它展示了如何从同一仓库的历史会话中提炼微技能、裁剪工具并干预失败循环,为降低编码智能体的 token 成本提供可迁移方案。
OpenAI Bedrock 为开放权重模型新增显式提示词缓存,可通过 Chat Completions API 标记可复用前缀,并从响应中读取缓存使用情况。隐式缓存自动复用匹配前缀,显式缓存使用 prompt_cache_options 和 prompt_cache_breakpoint 控制缓存边界;示例还演示了 OpenCode 1.18.35 编码智能体会话中的缓存验证与最佳实践。
Qwen4-Max 已于首日上线 Novita AI,用户现在可以试用。Novita AI 称,这款新 MoE 模型面向复杂编码、专业工具和长时间运行的智能体工作流,具备原生视觉、1M-token 上下文窗口、更强的工具使用和长周期任务执行能力。链接:x.com/novita_labs/status/2122…
Qwen4-Max 在 Vals Index 中排名总榜第 11,位列中国模型第一,整体能力较 Qwen 3.8 Max 0902 有提升。Vals AI 指出,Qwen4-Max 在编码和金融任务上的提升尤为明显。
Qwen4-Max 已在 OpenRouter 上线,是 Qwen4 系列首个模型,面向编码、办公工作和长周期智能体。相关 OpenRouter 帖子:x.com/OpenRouter/status/21221…
Qwen4-Max 在 Code Arena: WebDev 以 1750 pts(preliminary)排名第 6,较 Qwen3.8-Max 提升 74 pts。它还在 HTML、Brand & Marketing 和 Reference-Based Design 中分别排名第 6、第 8 和第 8,成为这些项目中的 top Chinese model。
ClaudeDevs 表示,Claude Code Projects 现在支持为 Coordinator 和 Threads 配置不同模型,并进行了多项项目功能更新。Coordinator 会在项目聊天中回答问题并主动同步并行线程状态,用户还可以创建自定义视图并将 artifacts 分配给视图。
澳大利亚央行(RBA)研究员Mike Major的分析显示,AI目前尚未大规模取代澳大利亚的工作岗位,但在编程、文员、客服等高AI暴露度岗位中,15至24岁年轻人和应届大学生的就业率下降、失业率高于年长员工,而年长员工在同类岗位中就业率反而上升。
美团LongCat团队发布了1.6万亿参数的智能体模型LongCat-2.5权重,模型完全基于中国芯片训练,自托管方案使用194块华为Ascend Atlas A2芯片,无需Nvidia GPU。
研究团队提出 SWE-CoWork,用于评测编码智能体在模拟软件组织中获取需求、协作、实现和验证交付的能力。该基准包含 101 个真实仓库的 101 项开发任务,覆盖 11 种编程语言和 12 个应用领域,每项任务设置 26 名职责、知识与协作行为受限的模拟同事。
AWS 介绍了如何在 Amazon Bedrock 上部署 LiteLLM 与 NVIDIA NeMo Switchyard,为编码智能体请求配置 Stage 或 Random 模型路由。
推荐理由:文章把编码智能体的路由评估从单次 token 价格转向每个成功任务成本,并提供可部署的 Stage、Random 配置与基线对比方法。
Google推出Gemini 4 Hydrogen模型,替代此前产品中使用的Gemini 3.8 Flash,面向普通用户开放,不像此前的Argon和Carbon限制为付费订阅用户。
Google 推出 Gemini 4 Hydrogen,面向日常编码和智能体工作流,主打速度与效率。
Google DeepMind 介绍 Gemini 4 Hydrogen,称其面向快速编码、多模态合成和日常工作流。该模型完成任务的速度比 3.8 Flash 快 2.5x,并在 @ArtificialAnlys Intelligence Index 上超过 Argon。
Google DeepMind 发布 Gemini 4 Hydrogen,并将其面向开发者、企业和消费者全球开放,用于快速执行与智能体工作流。
推荐理由:文章同时给出 Hydrogen 的性能、价格与安全数据,并说明 Orchestrator 如何在 Carbon 与 Hydrogen 间切换,便于理解其在开发工作流中的定位。
Google 的一名 Agent skills 项目负责人将 Gemini 4 Argon、Z3 约束求解器与 Go 汇编分析结合,从编译器保留的边界检查陷阱中合成崩溃输入;该流程找出测试解析器中预置的 3 个 bug,并在 skill-lint 中发现 3 个潜在 bug。
推荐理由:文章拆解了 Go 模糊测试因切片容量掩盖越界崩溃的原因,并给出用 Gemini、Z3 与容量裁剪互补排查解析器错误的方法。
千问 Qwen 宣布 Qwen4 即将到来,主打更深的知识、更丰富的世界理解以及更强的编码和智能体能力。Qwen4-Max 已通过 Alibaba’s Token Plan 开启预览,并可在 QwenWork、Qoder、Qwen APP 和 QwenStudio 提前体验。模型面向复杂编码、知识工作、前端构建和专业软件工作流等真实任务。
Google 发布 Gemini 4 Carbon,面向复杂知识工作、软件工程、网络安全和科学推理中的长流程智能体任务。Google 表示 Gemini 4 Argon 仍适合大多数软件工程和知识工作,Carbon 则用于多步骤调试和开放式科学研究等高难度任务。
Google DeepMind 宣布 Gemini 4 Carbon 已向开发者、企业、科学家和消费者开放,是其当前最强的前沿模型,专注网络安全能力以及跨知识工作、软件工程和科学推理的长链路智能体任务。
推荐理由:文中给出了Carbon与Argon及多家外部模型在基准测试、成本和安全指标上的对比数据,便于横向评估这次升级。
Google DeepMind研究人员开发出AlphaProof Code,一种多LLM智能体框架,用于对代码进行深度形式化验证,并用它对广泛部署的Signal加密协议的实际代码完成了形式化验证,证明其满足关键安全属性。验证过程中由Gemini Carbon驱动的智能体生成超过六百万行Lean证明代码,人工只需复核约百分之一的代码,整个验证耗时四周,团队已开源相关验证成果并发布技术论文。
推荐理由:原文给出了AlphaProof Code从规格翻译到证明生成的具体分工,也说明人工复核只占代码的一小部分。
Simon Willison 分享 Anthropic 更新后的提示词指南,其中建议对 Fable 5.2 说“这是你的代码库”,以减少它改进现有代码时的谨慎。
转发内容称,Command Code 已将 Muse Ember 面向所有套餐上线。该轻量模型通过 `/design` 功能生成 3D 场景,原文还提到 GOAT 套餐 $10/mo 可获得 $20 usage,并提供 1M token context window;Muse Ember 一次提示词完成效果,GPT-6 Luna 使用了两次提示词。
Anthropic 宣布 Claude Fable 5.2 和 Claude Mythos 5.2 现已可用,称其旨在应对最具挑战性的技术问题。两款模型可作为多个领域雄心勃勃项目的协作者,并在编码、推理和视觉等方面有所改进。详情:x.com/claudeai/status/2119867…
第45周,OpenAI 推进 GPT-6 Cyber、ChatGPT Images 2.6 和 Pierre Computer Company 收购,Anthropic 推出 Personal Finance、Messages API message threads 和 FlashProve。
Google 分析数千名工程师、数亿个智能体步骤后发现,代码中的 TODO/FIXME bug 引用会让智能体偏离开发者原定任务。13% 的文件读取会话接触到这类引用,其中 6% 触发后续行动,83% 的行动未获开发者请求。
推荐理由:文章量化了代码中过时 TODO 如何诱发智能体偏航,并给出结合工单状态与代码历史清理引用的方法。
Microsoft Research 发布 PDD Kit,一套结合 Verus 形式化证明和测试来验证智能体编写代码是否符合开发者意图的工具包。团队在 GitHub Next 的 Chopin 环境中用它验证了 Rust 全栈应用 Pet Store 的登录逻辑,证明代码在所有输入下满足规范,同时对 bcrypt、SQLite 查询等无法证明的部分保留测试覆盖。
Mistral AI 在近期 Django CVE 场景中测试 Mistral Large 4,由 133 个智能体完成代码映射、漏洞搜索、攻击场景测试和漏洞确认,再由 Le Chonk 修复漏洞。整个流程以 90x 速度展示。
Andrej Karpathy 构建了 HackerTube,用 Claude 从 HN 20 年的 43M 条评论中筛出 6,454 个持续被推荐的视频。网站无需登录,使用本地浏览器会话保存状态,并以视频中段代表帧作为缩略图;评论分析数据可打包下载后交给 Claude 创建自己的版本。
Mistral AI 发布改进版 Mistral Large 4(Le Chonk)的模型权重,这款 1-trillion-parameter 原生多模态模型提供 Low、Medium、High 三种推理模式,并提升编码、防御性网络安全和推理效率。
推荐理由:原文把编码、防御性网络安全和推理效率的公开评测,与开放权重及自部署路径放在一起,便于判断模型的工程使用价值。
Google 宣布 Gemini 4 Carbon,称其在网络安全、长周期能力和自主编码方面实现提升。该模型首先向 Fairwind 计划中的部分可信网络防御人员开放,后续将扩大访问范围。
Google Developers Blog 展示了名为 HappyDelivery 的对话式电商工作原型,使用 LangGraph、Gemini、FastAPI 和 Google Cloud 组成 Ingress、Session & Cart、Agent Swarm 三层架构。
GitHub Blog 采访三位 Java Champion,介绍他们如何在生产环境和开源项目中使用 GitHub Copilot,并强调人类仍需负责上下文、验证和最终结果。
推荐理由:三位资深 Java 开发者分享从上下文准备、计划拆解到验证门和人工审查的 Copilot 实践,覆盖代码迁移、调试与 Agent Skills。
Anthropic 构建内部版本控制系统 Scion,并在五个月内将单体仓库从 git 完整迁移,以应对代码合并量从 2026 年 5 月日均约 2,500 次增至 9 月超过 30,000 次。
推荐理由:文章以 Anthropic 的超大单体仓库为案例,解释 AI 智能体高频改码如何暴露 Git 的扩展瓶颈,并给出 Scion 的架构取舍与实测收益。
Andrej Karpathy 认为,不同人群接触 LLM 的层级差异正在扩大,少数专业用户已在数学和编码领域直接感受到前沿智能体的快速进步。 他估算约 6B 人几乎未接触 LLM,约 1-2B 人仅偶尔使用免费产品,约 20M 人在专业数学与编码工作中使用前沿 LLM,约 5,000 人可内部接触更先进系统。
Mistral AI 发布 Mistral Large 4 公共预览版,这是一款 1 trillion-parameter、52 billion active parameters 的原生多模态模型,预览 API 已可在 Mistral Studio 试用。
推荐理由:文章集中披露 Mistral Large 4 的参数规模、核心基准与预览 API,并交代月底发布权重的计划,便于把握其能力范围和开放节奏。
DeepSeek 发布 DeepSeek V4 Pro 正式版,并同步更新至 APP、网页端和 API。模型增强了 Agent 能力,API 原生支持 OpenAI Responses API 并适配 Codex;V4-Pro 和 V4-Flash 思考模式新增 low、high、max 三档。API 将于北京时间 2026 年 8 月 17 日 0 时启用峰谷定价,闲时价格为高峰时段的一半。
推荐理由:原文同时交代了 DeepSeek V4 Pro 的 Agent 能力、Responses API 接入、思考强度与峰谷定价变化,便于评估升级成本和接入方式。
Meta Superintelligence Labs 发布 Muse Spark 1.1,这是一款面向 Agent 任务的多模态推理模型,并通过 Meta Model API 向开发者开放公开预览。
推荐理由:原文展示了 1 million tokens 上下文、工具调用和多智能体编排能力,并开放 Meta Model API 公开预览,读者可据此了解 Muse Spark 1.1 在复杂 Agent 工作流中的使用方式。