OpenAI 筹备推出每月 500 美元的 ChatGPT Pro Max 订阅计划
OpenAI 正筹备推出定价 500 美元/月的 ChatGPT Pro Max 订阅,主要提供“Fastest Work and Codex”访问权限。该计划可能依托 Cerebras 基础设施,此前 OpenAI 已为 GPT-5.6 Sol 推出最高提速 14 倍的 Ultrafast 模式。
OpenAI 正筹备推出定价 500 美元/月的 ChatGPT Pro Max 订阅,主要提供“Fastest Work and Codex”访问权限。该计划可能依托 Cerebras 基础设施,此前 OpenAI 已为 GPT-5.6 Sol 推出最高提速 14 倍的 Ultrafast 模式。
Simon Willison 表示,与编程智能体打交道越多,越确信它们让软件工程变得更难。借助智能体可以完成惊人的工作,但释放其全部潜力需要极高的自律与知识储备。
Simon Willison 发布 commit-rewriter 0.2。该工具与 git 相关,具体功能与更新细节原文未作说明。
Google 正在内部测试代号为 "argon" 的 Gemini 4 Pro 早期检查点,其 256k token 输出限制远超此前版本。早期测试显示该模型生成的前端代码设计整洁且解决了以往 Gemini 模型设计品味不佳的问题,单次生成耗时约 14 分钟。此前 Google 曾暗示开发 Gemini 3.5 Pro,但此次直接跳过该版本号推出 4 Pro。
Anthropic 发布 Claude Opus 5.5,称其为新 Claude 5.5 家族首个模型,多数任务达到 Claude Fable 5.1 水平,运行成本比 Opus 5 低 40%,并成为 Claude Code 与 Claude 应用的默认模型。
推荐理由:汇总了 Opus 5.5 与 GPT-6 Sol/Luna 同日的定价、基准与第三方评测,便于对比两家新模型的取舍。
Simon Willison 与 Jesse Vincent 将于 10 月 14 日(周三)在旧金山举办一场面向 coding agent 构建者的晚间交流活动,主题为 Agentic Engineering。活动采用非正式展示与交流形式,鼓励分享未公开的尝试、奇怪实验和未完成项目,无需正式演讲,也不是产品推介。
Airbnb 正在扩大 GPT-6 Astra 及 OpenAI 前沿模型的使用范围,帮助工程团队排查 bug、设计系统并加快交付。
OpenAI 推出 GPT-6 Sol 和 GPT-6 Luna 两款更快更便宜的模型,API 价格比 GPT-5.6 促销价低 50%。Sol 每百万 token 输入 $2 输出 $10,Luna 输入 $0.10 输出 $0.50,在 AutomationBench 等基准中以更低成本达到或超越部分 Claude 模型。
推荐理由:原文给出了 GPT-6 Sol 与 Luna 的具体 API 定价与多项基准测试成绩,读者可据此比较两款模型相对前代 GPT-5.6 及 Claude 对手的成本效率差异。
Anthropic 发布 Claude Opus 5.5,典型工作负载运行成本比 Opus 5 低 40% 且输出速度快 30% 以上。API 定价为每百万输入 token $4、输出 $20,编码聚焦使其在 Terminal-Bench 4.0 获 66.4% 且可短时审计 200,000 行代码库。Claude Sonnet 5.5 与 Haiku 5.5 将于未来数周跟进发布。
推荐理由:原文对比了 Opus 5.5 与 Opus 5 及竞品的任务成本和评测表现,便于判断其编码与知识工作优势。
OpenAI 产品负责人 Tibo Sottiaux 确认将于周二发布 GPT-6 Sol 和 Luna 模型。Sol 定位为日常主力,Luna 为轻量低成本选项,旨在替代昂贵且沉重的 Astra 模型。此次发布早于 9 月 29 日举行的 DevDay 2026 大会,被视为为后续硬件等重磅公告腾出空间的战略举措。
SpaceXAI 发布 Grok 4.7,其最强编码与知识工作模型,已开放给 Cursor、Grok Build、Grok API 等平台。定价为 $2 per million input tokens 和 $6 per million output tokens,CursorBench 4.0 得分 46.3% 高于 Grok 4.6 的 40.4%。
Anthropic 正在对 Claude Fable 5.2 和 Opus 5.5 进行静默测试,其中 Opus 5.5 计划于本周二发布。Fable 5.2 在无需外部工具的情况下生成了复杂的交互式 JavaScript 游戏,表现优于 GPT-6 Astra。此前 Anthropic 刚推出 Claude Fable 5.1,此次测试被视为对现有模型的重大升级。
一位新入职大公司的工程师称,团队所有规格、代码、测试、PRD、工单及其解决方案、报告等全部由 Claude Code 生成,从 L1 到 L7 的工程师都在做同样的事——和 Claude 对话。团队无人喜欢这种状态,却被要求尽可能多地产出,管理层多次表示推代码不是瓶颈,人们每天工作 12 到 13 小时只为按回车,没有人阅读任何内容。
GitHub Podcast 最新一期分析了五个 AI 热门观点,指出开发者仍需审查 AI 生成的代码以承担结果责任。节目澄清 Skills 与 MCP 解决不同问题,前者提供打包的专家知识,后者提供连接工具的标准接口。此外,RAG 并未过时,而是与 Agent、Skills 和 MCP 共同构成完整的工作流。
xAI 推出 Grok Build 跨会话记忆功能,让编码工具延续团队约定与技术决策。记忆以 Markdown 文件存储,用户可通过 /memory 查看、用 /new 应用上下文。xAI 称这将该工具从会话绑定编码助手变为具项目连续性的伙伴。
Steve Yegge 关停了 Gas Town,并承认每月花费数千美元订阅编码智能体,却只做出了 Gas Town 这一个项目。Databricks 向约 3500 名工程师铺开 GPT-6 Astra,其在高复杂度系统设计与长周期任务上明显优于 Opus 5 / Sol 5.6,但整体编码支出增加约 60%,为此设立了专门的 Astra 子预算。
GitHub 团队利用 Copilot 智能体将 Copilot 运行时从 TypeScript 完全重写为 80 万行 Rust 代码。该过程采用增量式原地迁移策略,通过 128 个 Pull Request 逐步替换组件,最终实现了性能的数量级提升。作者详细复盘了智能体在代码审查、上下文管理及多会话协作中的具体表现,揭示了 AI 辅助大规模代码重构的工程细节。
推荐理由:展示了利用 AI 智能体在数周内完成 80 万行 Rust 代码迁移的工程实践,提供了大规模自动化重构的方法论参考。
Cursor 向所有用户推出 Projects beta,一个通过协调代理调度编码任务来统筹长周期软件工作的系统。每个 Project 由协调智能体规划并分派给编码智能体,可设提醒、跟 PR 修 CI、监听 Slack 等。Cursor 称新用户合并 PR 多 30%,重度用户达 6 倍,且该系统已在内部使用数月用于数百 PR 的迁移。
Cognition 用 GPT-6 Astra 提升 Devin 测试软件并证明其可用的能力,目标是让工程师少审代码、多交付。
GitHub Copilot app 内置 diff、终端和浏览器面板,允许用户在不离开应用的情况下审查代码变更、运行命令及预览界面。用户可通过 diff 面板接受或修改变更,在终端面板执行如 `npm run dev` 等脚本,并利用浏览器面板的 Pick & Polish 工具迭代 UI。这种集成工作流消除了应用切换,帮助用户在合并前验证 AI 生成代码的功能与正确性。
César de la Fuente 的实验室利用 Codex 和 ChatGPT,在现存与已灭绝生物的基因组中搜寻抗菌候选分子,以对抗耐药性感染。
DeepSeek 正式发布 DeepSeek-V4.1-Flash 模型,为新架构家族最小模型并原生支持多模态视觉理解。
推荐理由:DeepSeek-V4.1-Flash作为新架构最小原生多模态模型发布,API改用deepseek-flash且旧名临时路由,价格随之下调便于迁移。
Mistral 协助欧洲能源运营商将 4 万行 Fortran 77 代码迁移至 C++,解决了无测试套件和文档的遗留代码现代化难题。项目通过构建数值一致性验证框架,并利用 Vibe CLI 生成调用树,调度超过 100 个智能体完成代码文档化。最终采用人类监督 coder、tester 和 reviewer 智能体的工作流,实现了模块化的代码重构与质量保障。
Inception 发布扩散大模型 Mercury 2.5,生成速度达每秒 1,107 token 并支持 260K token 上下文。相比 Mercury 2 智能提升 40%,具备可调推理与并行工具调用能力,面向搜索语音编码等低延迟场景。该版本基于 Mercury 2 的生产反馈训练,是反馈循环的首个成果。
Meta 推出主动式个人智能体 Muse,可在应用关闭后自主处理长期任务而非等待逐个提示。Muse 运行于带文件系统、终端和浏览器的独立环境,能写代码、填表、完成交易并生成文档与仪表板,且提供活动日志、记忆编辑与人工审查等关键动作管控。Meta 邀请用户尝试 Muse,但未公布支持平台与地区,称其为围绕有用性和安全性持续修订的早起步点。
MIT 研究人员使用 GPT-5.6 Sol 配合 Codex,自主运行量子计算实验、分析结果并校准量子比特。该案例展示了 GPT-5.6 Sol 在量子计算实验流程中的自动化能力。
1Password 的工程师使用 Codex 快速构建新功能和内部工具,在维持严格安全策略的同时达到生产可用状态,工程效率提升 21%。
IFM 发布 K2 Horizon 模型家族,包含 0.9B、3.7B、7B、32B、36B 和 375B 六款语言模型,并公开各模型训练代码与日志。模型与代码基于 Apache 2.0 许可,额外释放中间检查点及奖励黑客行为记录,便于社区审计;这是 IFM 自 LLM360 线以来首次覆盖端侧到 375B 智能体全尺寸范围。
OpenAI 发布 GPT-6 Astra,已向 ChatGPT Work、Codex 及 API 开放。API 模型 gpt-6-astra 定价 $10 per million input tokens 与 $50 per million output tokens,Fast 模式双倍速双倍价。
推荐理由:原文给出 GPT-6 Astra 在 OSWorld 2.0 对比 GPT-5.6 Sol 的耗时与准确率,读者可判断其计算机使用效率提升。
GitHub 发布 Project HydraFusion 研究预览,通过运行时编排在多个提供商的模型间选择执行方案,用户可在 GitHub Copilot CLI 中用 /experimental 启用,按各模型标准费率计费。
推荐理由:GitHub 给出多模型编排的三种执行模式与三个基准上的质量成本对比,可据此判断编排式编码智能体的取舍。
GitHub Copilot app 支持同时运行多个智能体会话,每个会话运行在独立的 Git worktree 上,互不干扰且各自保留上下文。用户可在 sessions view 中查看各会话标题与任务进度,并随时切换、无需重新说明背景。文中以 tailspin-toys 仓库为例,演示了并行处理 funded sort、无障碍审查和测试三项任务。
Google DeepMind 发布 Gemini 3.8 Flash 和面向安全防御的 Gemini 3.8 Flash Cyber,前者定价与 3.7 Flash 相同,为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。
推荐理由:官方给出 3.8 Flash 与 Cyber 两个变体的能力、定价和开放入口,可据此判断长程编码与安全场景的选型。
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》,提出 QAH 方法:对结构压缩并量化的模型,直接从压缩前的原始全精度模型蒸馏,而非从恢复出的 bfloat16 checkpoint 蒸馏。
推荐理由:论文给出压缩加量化后从原始教师蒸馏的恢复配方,并附与 QAT 的稳定性对比数据。
Google DeepMind 发布 Gemini 3.7 Flash,定位为面向编码和智能体的最强主力模型,距 Gemini 3.6 Flash 发布仅三周。
推荐理由:官方给出与 3.6 Flash 的多项基准对比和半价定价,可据此判断编码与智能体任务的性价比变化。
SpaceXAI 发布 Grok 4.6,在 Artificial Analysis 综合评分上以 61 分追平 GPT-5.6 Sol Max 并超越 Kimi K3。该模型输入 token 价格仅为 $2/M,比 Fable 5 便宜 80%,且在 GDPVal-AA v2 等智能体任务基准上表现领先。此前该模型仅开放 API。
DeepSeek-V4-Pro 已正式发布并在 APP、Web 和 API 上线,调用时模型名设为 deepseek-v4-pro。该版本大幅提升智能体能力,HLE (wo/w tools) 达 42.7/60.0,Terminal Bench 2.1 87.9,NL2Repo 61.5 等。
推荐理由:DeepSeek-V4-Pro 正式发布,智能体能力在 HLE 等基准显著提升并原生支持 OpenAI Responses API,用户可参考分数与峰谷定价规划调用。
Meta 发布 Muse Code 与配套模型 Muse Spark 1.2,这是面向大型代码库的 AI 智能体,可在 macOS 或 Linux 上用 1 条 curl 命令安装。
DeepSeek-V4-Flash API 现已开放公开测试,设置模型名 deepseek-v4-flash 即可用,智能体能力较 V4-Pro-Preview 显著提升。
推荐理由:相较 V4-Pro-Preview 智能体基准提升明显,原生支持 Responses API 并为 Codex 适配,便于开发者迁移工作流。
本期 Import AI 汇总多项研究:Epoch 与 METR 发布 MirrorCode 基准,考察 AI 在纯 CLI 访问下重写软件的能力,25 个目标程序中有 17 个至少出现一次满分运行,Opus 4.7 用 14 小时、251 美元推理成本完成一项人类需 2 至 17 周的任务。
ABBEL 框架将摘要重构为自然语言信念状态,并引入信念评分机制以监督信息保留。在 CollabBench 协作编码任务中,该方法将模型与全上下文模型的性能差距缩小约 50%,且训练步数减少 50%。