Anthropic 最快、最便宜模型:Claude Haiku 5.5 登场,运行成本较 4.5 低约 75%
Anthropic 发布 Claude Haiku 5.5 模型,称其速度最快、最便宜且运行成本较 4.5 低约 75%。该模型输入 Token 每百万 0.10 美元(不超 100k),支持可调节性能并作为 Opus 5.5 和 Sonnet 5.5 编码子智能体。其在 GDPval-AA v2.1 取得 1620 分,OSWorld 2.1 离线子集成绩 72.4%。
Anthropic 发布 Claude Haiku 5.5 模型,称其速度最快、最便宜且运行成本较 4.5 低约 75%。该模型输入 Token 每百万 0.10 美元(不超 100k),支持可调节性能并作为 Opus 5.5 和 Sonnet 5.5 编码子智能体。其在 GDPval-AA v2.1 取得 1620 分,OSWorld 2.1 离线子集成绩 72.4%。
GitHub Copilot 将支持本地 AI 模型推理,Surface Laptop Ultra 上解码吞吐量最高每秒 63 词元。微软推出 MAI Code 1.1 Flash 混合专家模型,总参数 1370 亿、活跃 68 亿,用户可在 Copilot CLI 与 VS Code 中选择端侧模式。此前 GitHub Copilot 仅依赖云端托管模型。
微软发布 Visual Studio Code 1.141,新增 Chat: Open Worktree Cleanup 命令以清理非活跃 Agent 会话的工作树占用。该版本在 Windows、macOS 和 Linux 上为 Copilot Agent 提供终端沙盒,并支持多会话网格布局及同时登录 GitHub Enterprise Cloud 与 Server 账号。
Meta 与 Microsoft 正采取措施减少员工对 Claude AI 的使用,转而推广自有编码工具。Microsoft 将多数部门员工月 AI 支出上限从 $100,000 降至约 $10,000,Meta 的 Claude Code 用户从约 60,000 降至 30,000。
Anthropic 发布 Claude Haiku 5.5,价格较前代最多降 90% 且基准性能大幅跃升,适用于高量低成本任务。在提示最长 10 万 token 时每百万 token 输入价 0.10 美元,超长提示贵 5 倍;Terminal-Bench 4.0 代理编码得分从 0 升至 39.2%,OSWorld-2.1 计算机使用达 72.4%。
推荐理由:Claude Haiku 5.5价格最多降九成且代理编码基准从零到39.2%,为低成本自动化提供新选项。
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 与 Claude Platform on AWS 上线,该模型为 Claude 5.5 系列最快且多数任务成本较 Haiku 4.5 低约75%。它支持 effort controls 与高分辨率图像,适合子代理与高吞吐编码等任务,可与近期发布的 Opus 5.5 组成规划与执行分工。
推荐理由:Claude Haiku 5.5 较 Haiku 4.5 成本降约75%且支持 effort controls,读者可参考其在 AWS 子代理场景的性价比优势。
微软正计划将 MAI Code 1.1 Flash 模型(130B 参数、256K 上下文)引入 Windows 11 设备。该升级版模型已集成 GitHub Copilot 等开发环境,采用 3-bit 量化缩小 80%,新增看图写代码能力,编码基准提升约 22% 且输出更快。这是继 6 月发布后从工具走向系统层整合的延伸。
Microsoft Research Asia 推出并开源 Agent Lightning v1.0,一个约3500行轻量级智能体 RL 框架,使真实 harness 直接参与训练。
推荐理由:Agent Lightning v1.0通过代理机制让真实agent harness直接用于强化学习,便于团队复用部署代码并降低训练成本。
Stacklok 由 Kubernetes 创造者创办,构建云原生 harness Mecatl 与 MCP 平台 ToolHive,试图将编码智能体从桌面迁移至云端统一管理。
Google 正在为 Antigravity 接入 Gemini 4 Argon,该模型在 DeepSWE v1.1 评测中得分 77.9%。内部发现支持实时语音的 Concierge 原型及减少权限提示的 Auto mode。此前 Google 已宣布 Argon 将优先向 Ultra 订阅用户和付费 API 客户开放。
Nemotron 3 经 SFT 与 RL 微调后在 IOI 2026 和 IMO 2026 均超过金牌阈值。IOI 2026 中 Nemotron-3-Ultra-CC 获 535.4/600,IMO 2026 系统得 30/42,模型、数据集与 NeMo-Skills 推理管线已在 Hugging Face 开放。
推荐理由:原文给出了从 Nemotron 3 通过 SFT、RL 与推理循环微调至竞赛金牌水平的复用配方,读者可参照适配其他专业领域。
豆包 App 正式登陆华为鸿蒙电脑端,用户可在应用市场直接搜索下载。首版本搭载豆包 2.1 Turbo 和 2.1 Pro 模型,支持对话与工作切换,并上线深入研究、PPT 生成、图像生成等核心能力。此前今年 6 月,字节跳动已在火山引擎上线了豆包 Seed 2.1 系列模型。
Gemini 是目前少数仍能说人话的 AI 模型,Claude、GPT 等编码模型输出普遍黑话化。主因是厂商为省 Token 压缩思维链,GitHub 的 CaveMan Skill 获 104K 星星。文章还提及文言编程语言 wenyan-lang 有 20K 星,调侃中文利于压缩。
谷歌正式推出 EmbeddingGemma 2,将嵌入能力从文本扩展至代码、图像、视频、音频,可统一映射到同一嵌入空间。该模型基于 Gemma 4 架构,总参数 7.4 亿,量化后纯文本端侧运行仅需约 191 MB 内存,配备 8K Token 上下文窗口。开发者可在 Hugging Face 下载并用于搭建离线跨模态检索系统,这是初代 EmbeddingGemma 的升级版本。
Anthropic 公布 CVP 计划,整合玻璃翼计划与旧版项目,向审核安全团队分级开放 Claude Opus 5.5、Claude Sonnet 5.5、Claude Mythos 5.1 模型权限。
Mistral 发布 Mistral Large 4,该万亿参数模型主打处理 Claude 与 GPT-6 拒绝的安全任务。其在 Artificial Analysis 智能指数获 38 分仍落后闭源顶尖模型,但开放权重预计 10 月底发布并支持本地部署。Mistral 正将重心转向企业客户,此前已将 Le Chat 重建为工作工具 Vibe。
Mistral 发布 Mistral Large 4 预览版,这是拥有 1T 参数和 49B 激活参数的原生多模态 MoE 模型,具备指令遵循、推理与智能体能力。
Mistral 发布 Mistral Large 4 公开预览版,这是一款 1 trillion-parameter 原生多模态开放权重模型,预览 API 已上线、权重月底发布。它在编码、智能体与多模态理解上超越欧美开放权重模型,并支持企业自主部署于网安等敏感领域。此为 Mistral 获 €3 billion Series D 后首个里程碑。
推荐理由:Mistral Large 4 开放权重预览已上线,企业能在欧洲自建设施部署前沿多模态模型,降低对第三方API与内容审查的依赖。
Reflection 发布首个免费开放权重模型 Beam,面向编码、逻辑推理和智能体任务,主打以更低算力取得强结果。Beam 采用 MoE 架构,每 token 激活 501B 总参数中的 23B,Reflection 称其在推理任务上以少三到四倍算力达到 GLM 5.2 的水平,但原始性能仍不及 Kimi K3 等更强的开放模型。
Meta 与微软要求员工减少使用 Claude 并转向自研 AI 工具以削减成本。微软将 Anthropic 相关预算削减超三分之一,Meta 内部 Claude Code 用户从约6万降至3万并推广 MetaCode 与 Muse Code。Anthropic 招股书显示两大客户贡献约25%营收,市场推测为二者且客户可随时中止采购。
Reflection 发布纯文本 MoE 模型 Beam,总参数 501B、激活参数 23B,采用 Apache 2.0 协议。该模型在 SWE-bench Verified 上得分 80.9,推理效率为 GLM 5.2 的 3-4 倍。这是 Reflection 成立一年多后首次正式推出模型,标志着其作为美国本土实验室的正式亮相。
由英伟达投资的初创企业 Reflection AI 推出首款开放权重模型 Beam,主打代码编写与智能体任务。Beam 总参数量达 5010 亿,采用稀疏激活架构,每处理一项任务只激活 230 亿参数,公司称其性能可对标智谱 AI 的 GLM-5.2,在代码与智能体任务上正逐步逼近 Qwen3.8-Max。作为对比,GLM-5.2 总参数量约 7440 亿,激活参数量为 400 亿。
GLM 5.3 已在 Amazon Bedrock 上线,这是 Z.ai(智谱)推出的 753B 参数 MoE 模型,面向编码和长周期智能体任务。用户可通过 OpenAI 兼容的 Responses 与 Chat Completions API 调用,并支持提示词缓存、跨区域推理和服务层级,目前面向符合条件的企业客户开放。
推荐理由:文章给出 GLM 5.3 在 Bedrock 上的调用代码与提示词缓存示例,便于评估开源权重模型接入托管推理的成本。
Meta 和 Microsoft 正大幅削减内部对 Claude 的使用。Microsoft 的云部门每名员工月度预算从 $100,000 降至约 $10,000。
Reflection AI正式发布开放权重模型Beam,声称以3-4倍更少推理计算匹配GLM-5.2等中国模型性能。Beam为501B参数文本MoE模型,具备1M token上下文窗口,本月将开放权重与技术细节。这是其构建西方方案对抗DeepSeek与Qwen开放模型的举措。
Anthropic 的 Claude Opus 5.5 和 Claude Sonnet 5.5 现已在 AWS GovCloud (US) 的 Amazon Bedrock 上可用,支持 ITAR 等受监管工作负载。
GitHub 发布 ReviewBench,一个基于 103.9M GitHub pull requests 构建的开放 AI 代码审查离线基准,含 219 个跨 19 语言 PR。
Hinton 与 Bengio 等 22 位作者发表首篇 RSI 论文《What if automating AI R&D triggers an intelligence explosion?
OpenAI Codex 负责人 Tibo(thsottiaux)宣布,接下来 28 天里每天要么交付一项对大多数 Codex/Work 用户明显有用的改进,要么进行一次完整额度重置。
AI 生成的跨游戏混搭模组在模组圈兴起,引发资深制作者集体不满,多人公开批评这类所谓“氛围编码”模组粗制滥造。推手是 Claude Opus 5.5,词元成本下降加上代码生成能力提升,使用者把游戏反编译后就能强行加入完全不相干的其他游戏内容。Nexus Mods 等主流模组平台尚未上架这类模组,该平台 2023 年已出台针对 AI 生成内容的规则,IGN 认为原因大概率是版权问题。
OpenAI 核心产品负责人 Thibault Sottiaux 宣布,未来 28 天将每天为 Codex 和 ChatGPT Work 发布一项显著改善功能,否则提供一次“重置”。该周期预计从 10 月 5 日持续至 11 月 2 日,目前尚未明确“重置”的具体覆盖范围。此前 Sottiaux 表示团队已锁定方向,正致力于简化产品、提高使用效率并开发新模型。
爆料者 @elder_plinius 提取并公开了 OpenAI GPT-6 Sol Codex 约 29.4 万字符、1902 行的完整系统提示词与工具定义。
Pop!_OS 宣布禁止在其大部分代码库中使用 AI 生成的代码。该决定旨在维护代码库的质量与安全性,反映了开源社区对 AI 辅助编程的审慎态度。
Google 研究人员在论文中提出 RRSI 方法,通过缩减编辑预算与严格 critic 约束自优化,防止自我改进 AI 智能体死记测试任务。基于冻结的 Claude Opus 4.8,RRSI 在8个基准上训练任务最高提升14.1点,未见任务最高提升4.7点且运行时少约30% token。
System76 更新 COSMIC 项目 PR 模板,新增强制检查清单禁止提交 AI 辅助生成的代码、注释及描述。该团队认为 AI 缺乏大型项目上下文,易生成难以维护的复杂代码并增加审查成本。此前 Ladybird 浏览器项目也于今年 6 月采取了类似的限制措施。
专业AI 3D模型公司Meshy的ARR从100万美元增至1亿美元,用时不到两年,增速超越HeyGen等AI公司。GPT-6 Astra虽能操作Blender建模,但在角色细节上逊于Meshy,后者凭借几何与纹理壁垒接入游戏与打印产业链。Meshy还推出实时互动架构Mora,在通用模型越强时反而承接更多3D资产需求。
《辐射:纽约》是一款完全由 Claude Opus 5.5 生成代码制作的浏览器游戏,制作者克里斯弗斯特称开发只用了五天,目前已被贝塞斯达发出停止侵权函叫停。这款游戏采用低多边形画面,属于概念验证,任何人都能直接在浏览器中运行。IT之家在报道中称,这类 AI 自制游戏内容正在快速传播,后续各大厂商会如何应对还需观察。
Simon Willison 在2026年10月3日撰文主张几乎所有按量计费服务都应默认启用硬预算上限,以防编码智能体失控带来高额账单。AWS 于9月16日推出支出限制功能(超限暂停项目),Google Cloud 于7月发布 Spend Caps,他认为这正成为趋势且智能体应警示新手避开无上限服务。
研究提出 Image-to-Code 方法:编码 Agent 接收单张照片,迭代编写并运行 Blender 程序,重建出可编辑、可查询的 3D 场景,配套基准 LEGO-Bench 包含来自 104 个室内外场景的 208 张图像和 443 个资产。
Anthropic 为 Claude Code 发布 Mods 中间件系统,开发者可用 JavaScript 或 TypeScript 函数挂钩事件来定制工具。Mods 能添加自定义面板、拦截工具调用或接入新命令,首个官方插件 You Should Know 会启动独立 agent 监控输出并提醒遗漏信息。该机制在 CLI 与桌面端运行,但非沙箱且企业可管控加载权限。