Jev 估值 100 亿美元,TypeSafe 创始人 Diogo Almeida 谈可编程决策模型
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中回应 Jev 走红,并阐述可编程决策模型 System-One 与 RLCD 路线。
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中回应 Jev 走红,并阐述可编程决策模型 System-One 与 RLCD 路线。
Kimi 官方开源 Kimi K2,该 MoE 模型总参数 1T、激活参数 32B,包含 Kimi-K2-Base 与 Kimi-K2-Instruct 两个版本。官方还发布更新权重,增强智能体编码并支持 256K 上下文;Kimi K2 针对工具调用和多步任务优化,网页端与移动端已可免费使用。预训练在 15.5T tokens 上使用 MuonClip 优化器完成。
推荐理由:Kimi K2 以 1T 总参数、32B 激活参数的 MoE 架构开源,并公开 MuonClip 优化器,读者可了解其工具调用能力的实现路径。
作者表达对 AI 发展的绝望,认为其导致工艺与创造力丧失,并批评 AI 生成内容充斥网络。尽管承认 AI 能带来高薪机会,但作者更期待行业泡沫破裂,认为这将迫使社会机构重建,最终让 AI 在社会中确立固定角色。
Chatham Financial 使用 Codex 和 GPT-5.6 构建技术并重新设计工作流程,将交易验证时间从 30 分钟缩短至 4 分钟以内。
GitHub 建议开发者重点强化指导 AI 智能体、批判性评估输出及解决复杂问题三项技能。文中指出,随着 AI 承担更多实现工作,开发者需从单纯写码转向定义问题、审查代码及权衡技术取舍。GitHub Copilot 内置的 Rubber Duck agent 利用第二模型批判首模型方案,以弥补单一模型的盲区。
Airbnb CTO Ahmad Al-Dahle 详述公司向 AI 原生公司的转型进展,称目前 60% 的代码由 AI 生成,工程师人均 PR 吞吐量提升约 1.6 倍,年同比多交付近 80% 的功能。
腾讯 WorkBuddy 宣布独家接入匿名 Flash 大模型 Space Bunny,该模型具备 1M 上下文窗口,支持文本、图像、视频输入及可调推理深度。WorkBuddy 于 10 月 2 日至 7 日提供限时折扣,此前 Space Bunny 曾连续三天霸榜 OpenRouter 和 OpenCode 调用量榜首。
字节 Seed2.1 模型发布,在 KINA、SuperGPQA 等知识基准及 SWE-Atlas、Terminal Bench 2.1 等代码与智能体任务中取得高分。该模型在 MathVision、MMMU-Pro 等多模态推理及 VideoMME 长视频理解测试中表现优异,展现了其在复杂场景下的综合能力。
月之暗面(Kimi)发布开源思考模型 K2 Thinking,作为思考智能体在 HLE(44.9% with tools)、BrowseComp(60.2%)等基准达到 SOTA,支持 200–300 步连续工具调用。模型已在 kimi.ai 聊天模式上线并开放 API,原生 INT4 推理带来约 2 倍生成加速。这是其通过扩展思考 token 与工具步骤进行测试时缩放的最新尝试。
推荐理由:Kimi K2 Thinking 以开源权重实现 HLE 44.9% 等得分,读者可据此对比闭源前沿模型思考与代理能力差距及适用场景。
月之暗面随 Kimi K2.6 模型发布开源了 Kimi Vendor Verifier (KVV) 项目,旨在帮助用户验证开源模型推理实现的准确性。该项目包含 OCRBench、AIME2025 等六项关键基准测试,用于检测 KV cache 错误及量化退化等基础设施问题。此前 K2 Thinking 发布后社区频繁反馈基准分数异常,KVV 旨在解决开源生态中工程实现偏差导致的信任危机。
DeepSeek-V3.1 现已更新至 DeepSeek-V3.1-Terminus,官方 App、网页端、小程序与 DeepSeek API 均已同步更新,并开放 Hugging Face 和 ModelScope 开源下载。
推荐理由:官方列出 Terminus 在 Agent 与语言一致性上的改进及测评对比,便于了解本次版本更新重点。
Earendil 发布 Pi 1.0 与 Pi Durable,两者登上 Hacker News 首页。Pi 1.0 带来原生 MCP 支持、虚拟模型扩展、延迟工具加载和为 Anthropic 模型做的缓存预热,并支持会话中途的系统消息与默认全屏模式。Pi Durable 把 Pi 移植到 TypeScript,将有状态组件全部外置,实现崩溃后续跑、并行分支对话、可安装扩展与运行时热替换工具代码。
Latent Space 发布对 MIT 博士生 Alex Zhang 的专访,梳理其在 RLM、harness 与 GPU kernel 自动化等方面的研究观点与学术品味。
GPT-6 Astra Ultrafast 现已在 OpenAI API 及符合条件的 ChatGPT Work 与 Codex 用户中可用,基于 NVIDIA Blackwell GPU 推理优化,token 生成速度较 Astra Standard 模式最高提升 8 倍。
推荐理由:GPT-6 Astra Ultrafast 在 Blackwell 上比标准模式快最多8倍,可缩短编码智能体在工具调用间的等待,提升交互流畅度。
pwasm 0.2a0 发布,该纯 Python WebAssembly 引擎经 Claude Opus 5.5 优化后支持几乎全部 WASM 规范。PyPI 发布的 wheel 包现包含 MicroPython、QuickJS 和 Micro QuickJS 的 WASM 构建。这是作者首次让 AI 模型改进其 10 个月前由 AI 生成的代码。
谷歌发布 Gemini 4 Argon 模型,在 DeepSWE v1.1 以 77.9% 超越 Opus 5.5 与 GPT-6 Astra,单项任务成本最低 1.99 美元。模型支持百万 Token 输出上限并强化防御性网络安全,目前仅向筛选的网络安全团队开放。谷歌内部用例显示其可释放超 300 TiB 内存并让 Rust 代码提速 2.7 倍。
Google 母公司 Alphabet 发布 Gemini 4 Argon,称其可处理编码、研究和写作等任务,并专门针对防御性网络安全训练,能自主发现、验证并修补关键软件漏洞。
Google DeepMind 发布 Gemini 4 Argon,面向编码、企业知识工作和网络防御,先在 Fairwind 计划的政府用户与可信网络防御者中开放,之后才向开发者、企业和消费者开放。
Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,随后逐步扩展到开发者、企业和消费者,起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由:官方给出 Argon 在长程编码、企业知识工作与网络安全防御上的基准与内部落地数据,可据此判断前沿模型的能力边界与分阶段开放节奏。
Google 发布 Gemini 4 Argon 前沿模型,用于长程软件工程与网络防御,初期仅向可信防御者开放。该模型入门价每百万输入 token 2 美元、输出 10 美元,输出上限升至 1M token,在 DeepSWE v1.1 达 77.9% 居首。更广访问将优先面向付费 API 与 Google AI Ultra 订阅用户。
CoreWeave 宣布在 CoreWeave Cloud 上提供 NVIDIA Vera Rubin NVL72 系统,Cognition 成为首个在生产环境中运行该系统的客户,其 Devin 推理工作负载的 token 吞吐量较 GB200 NVL72 提升 4.8 倍。
推荐理由:原文展示了 Vera Rubin 在真实编码负载下的吞吐量提升,以及 CoreWeave Forge 如何打通从生产反馈到模型训练的闭环。
OpenAI 发布 GPT-6.1 Sol,以 Astra 五分之一输入输出 token 价格提供接近 GPT-6 Astra 的性能。该模型在 DeepSWE v1.1 等基准以更低成本匹配 Astra,已通过 API 以 gpt-6.1-sol 开放,定价每百万输入 token 2 美元、缓存输入 0.10 美元、输出 10 美元,并计划推出 Ultrafast 选项。
推荐理由:GPT-6.1 Sol 以 Astra 五分之一价格实现接近性能,用户可对比它与前代及竞品在编码与办公任务上的成本差异。
量子位报道 Anthropic 发布报告,警告智谱 GLM-5.3 具备强网络漏洞利用能力且护栏易绕过。报告实测 ExploitBench 中 GLM-5.3 成功 50/410 次,接近 Claude Mythos Preview 的 56 次,并指出 abliteration 可将其拒答率降至约 3%。
推荐理由:文章梳理 Anthropic 对智谱 GLM-5.3 网络能力与护栏绕过的实测警告,对比其此前蒸馏指控,揭示开源模型安全治理的行业分歧。
Manus发布Manus 2.0,推出Cue与Studio,为AI智能体配手机号钱包并支持多助手拉群协作。Cue处邀请制体验,Studio让用户直接修改视频与游戏;新框架Cascade降低Token消耗23.2%。这是在Meta Muse登顶美国榜10天后,双方成智能体赛道对手。
Anthropic 发布 Claude Sonnet 5.5,较 Sonnet 5 输出速度提升超 30% 且多数任务成本最高降 30%。
推荐理由:Anthropic推出Claude Sonnet 5.5模型,速度较Sonnet 5提升超过30%且多数任务成本降低最多30%,与Opus 5.5形成高低搭配,便于开发者按任务难度选择性价比方案。
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用,为编码、计算机使用和专业工作负载提供更强推理能力。OpenAI 表示该模型在 DeepSWE v1.1 上性能匹配 GPT-6 Astra,但单任务成本约为其五分之一,且比 GPT-6 Sol 最佳成绩高 6.4 个百分点。
推荐理由:GPT-6.1 Sol 在 Amazon Bedrock 正式可用,以约五分之一成本实现接近 GPT-6 Astra 的推理能力,降低智能体工作流成本。
Manus 发布 Manus 2.0,登陆网页、桌面与移动端,推出新智能体架构、Cloud Computer、Studio 与 Cue 等。官方测试显示其较前代 token 减少 23.2%、任务提速 28.2%、成本降低 32%。Cue 作为独立个人智能体应用,通过邀请码 MEETCUE 开放限免早鸟。
Anthropic 工程师 Thariq Shihipar 在 Latent Space 访谈中阐述了 Claude Code 从 CLI 向可自定义 Harness 的演进。
推荐理由:访谈深入解析了 Claude Code 的 Harness 演进、Claude Mods 自定义机制及智能体安全边界,为理解前沿编码智能体的工程化方向提供了关键视角。
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线,提供 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度。
推荐理由:梳理了 Grok 4.7 在 Bedrock 上的接入方式与四档推理强度,可据此估算长任务智能体的成本与延迟取舍。
Anthropic 发布新模型 Claude Sonnet 5.5,官方称其运行速度提升 30% 以上,大多数工作成本降低最多 30%。该模型定价与 Sonnet 5 相同,但在各项基准测试中表现优于 Sonnet 5,且成为 claude.ai 免费层使用的模型。
推荐理由:原文对比了 Sonnet 5.5 与 Opus 5.5 在编码任务上的表现,并指出其成为 claude.ai 免费层模型带来的竞争变化。
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用,定位为面向编码与知识工作的更高效 Sonnet 模型,多数任务单任务成本更低、速度更快。
推荐理由:AWS 官方给出 Sonnet 5.5 的适用边界与 Opus 5.5 的分工,读者可据此判断何时选 Sonnet。
在快速迭代的初创公司中,团队普遍依赖 Claude Code 生成代码却无人理解系统架构与决策意图,导致工程状态恶化。这种“只按回车”的工作模式使维护成为最终挑战,且因缺乏对基础架构的掌握,产品基础难以维持。
Glyph 在博客中系统批评当前 LLM 产品缺乏错误核查与引用验证,并提出严肃 AI 产品应具备的沙箱安全、上下文可见等功能。文章列举了内置检查清单、非自然语言 UI 等设计原则,指出前沿实验室产品默认不安全。该文写于 2026 年,延续作者对 AI 成本效益的质疑。
OpenAI 启动 Codex Originals 项目征集,面向使用 Codex 的开发者、研究者与创作者收集真实故事与项目。有意参与者可通过下方表单提交自己的经历与项目介绍。
Simon Willison 在 WeAreDevelopers 大会上回顾 2026 年 LLM 进展,指出编码智能体已从“常出错”进化为“日常可用”,并引发“Deep Blue”式的职业倦怠感。
推荐理由:作者以个人视角复盘 2026 年 LLM 发展,重点分析了编码智能体带来的工程范式变化及训练过程中的安全失控事件。
Anthropic 即将发布 Claude Sonnet 5.5,泄露信息显示其拥有 1M 上下文窗口和 128K 最大输出,定价为输入 $2、输出 $10。该模型将紧随 Claude Opus 5.5 推出,旨在通过更强的性能缓解用户此前对高峰期使用限制的抱怨。
游戏行业资深从业者 Georg Zoeller 用 AI 代码 harness(omp)搭配 Qwen-3.8-Flash-Next,约一周内把 1989 年的 War of the Lance 逆向工程并移植到浏览器。
Simon Willison 用 Claude Opus 5.5 生成 HTML5 canvas 像素动画 Kākāpō Party,画面中至少 20 只 kākāpō 鹦鹉跳跃派对并触发彩带、气球等效果。他随后让本地 Claude Code 会话借助 Playwright 加载该页面并模拟点击,录制出 15 秒视频用于 Keynote 收尾幻灯片。
微软将 Home、Code 与 Autopilot 功能引入 Copilot,把聊天、软件创建和持久智能体整合进同一工作应用。Home 结合 Chat 与 Cowork 并嵌入 Office,Code 基于 GitHub Copilot 技术生成应用,Autopilot 月底私有预览可长期自主工作;纳德拉称这是 Copilot 最大更新,意在打造工作新操作系统。
Proaction 借助 Codex、GPT-Live-1 和 GPT-6 Astra 构建、运营并销售现代车队管理服务,销售额提升 60%,节省 75+ 小时。