腾讯 Hy4 preview 770B 以 Apache 2.0 开源，IQuest-Q1 320B MoE 每token仅激活 15B
腾讯于 8 月 28 日发布 Hy4 preview 并以 Apache 2.0 开源，总参数 770B、每 token 激活 49B，78 层 MoE（256 个路由专家+1 个共享专家。
推荐理由：原文把两个开源 MoE 模型的架构、许可和部署门槛并列对比，还提醒读者先看官方自述的已知限制再看跑分。
#编码
#编码
今日 16 条Google AI：DEV 作者专属（RSS）精选AI 评分7777 
Tibo@thsottiauxAI 评分5959GPT-6.1 Sol 成为 API 和订阅两端几乎有史以来需求最高的模型。作者称 ChatGPT 与 Codex 此前负载很重，已上线更多容量，未来几小时速度将明显改善，达到几乎两倍于昨日的水平。
Artificial Analysis@ArtificialAnlysAI 评分3131TechCrunch：AI（RSS）AI 评分5858 Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 发布 Gemini 4 Argon，面向编码、研究和写作等任务，主打网络安全能力。该模型专为防御性网络工作训练，可在 Fairwind Program 内自主发现、验证并修补关键软件漏洞。
IT之家（RSS）AI 评分6868 谷歌发布 Gemini 4 Argon，DeepSWE 测试 77.9% 超 Claude Opus 5.5
谷歌于 9 月 30 日发布 Gemini 4 Argon，称其为迄今最先进的 AI 模型，重点面向长流程软件工程、企业知识工作和网络安全防御，单次输出上限约 100 万 tokens。
The Verge：AI（RSS）AI 评分6969 Google 发布 Gemini 4 Argon，初期仅向可信网络防御者开放
Google 发布下一代前沿模型 Gemini 4 Argon，称其在软件工程、法律金融等企业知识和网络安全防御等复杂工作流中具备前沿性能。
Google DeepMind：Blog（RSS）精选AI 评分7777 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，再逐步扩展至开发者、企业和消费者。
推荐理由：原文给出定价、1M 输出上限和多项基准成绩，读者可据此评估该模型在编码与防御性网络安全上的实际表现。
Google Blog：AI（RSS）精选AI 评分7676 Google 发布 Gemini 4 Argon 前沿模型
Google 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 面向可信网络防御者开放，价格为每百万输入 token $2、输出 token $10，缓存输入 token 为输入价的 5%。
推荐理由：官方公告给出定价、输出 token 上限和多个基准分数，读者可以据此评估它在编码与安全防御场景的落点。
Rohan Paul@rohanpaul_aiAI 评分6363Google 发布 Gemini 4 Argon，Sundar Pichai 称其在复杂工作流、网络防御和软件工程上表现前沿。
引用Sundar Pichai@sundarpichaiLots of discussion out there about our next model(!), so I wanted to give an early look as soon as possible. Introducing Gemini 4 Argon! It shows frontier performance in complex workflows, cyber defense and software engineering. Teams are using it extensively at Google, from coding to quantum computing, great feedback. Here’s a look at the benchmarks:
Sundar Pichai@sundarpichaiAI 评分3636
🚨 AI News | TestingCatalog@testingcatalogAI 评分4747引用Sundar Pichai@sundarpichaiLots of discussion out there about our next model(!), so I wanted to give an early look as soon as possible. Introducing Gemini 4 Argon! It shows frontier performance in complex workflows, cyber defense and software engineering. Teams are using it extensively at Google, from coding to quantum computing, great feedback. Here’s a look at the benchmarks:
Ars Technica：AI（RSS）AI 评分5454 Google 发布 Gemini 4 Argon 模型，宣称领先但尚未开放使用
Google 发布新前沿模型 Gemini 4 Argon，宣称在编码、知识工作和网络安全方面业界领先，但普通用户尚无法使用，也未公布 API 定价。
Google DeepMind@GoogleDeepMindAI 评分3838推出 Gemini 4 Argon——我们的全新前沿模型。 它专为编码、企业知识工作和网络安全防御等复杂工作流打造——今天起通过我们的 Fairwind Program 向一批受信任的测试者逐步开放。
Google AI@GoogleAIAI 评分4848
Arena.ai@arena精选AI 评分7171Arena 宣布 OpenAI 的 GPT-6.1 Sol (Max) 在 Code Arena: WebDev 榜以 1759 分排第 3，混合价格 $8/MToken。
引用OpenAI@OpenAIGPT-6.1 Sol: near-Astra intelligence for a fifth of the price. It’s the most cost-efficient model for its performance available today.
推荐理由：Arena 用自家榜单数据对比 GPT-6.1 Sol (Max) 与前代及竞品的价格性能位置，读者可据此评估其成本效率变化。
Ant Ling@AntLingAGIAI 评分4444
xAI：News（网页）精选AI 评分6262 xAI 发布编码模型 grok-build-0.1，API 公测上线
xAI 将编码模型 grok-build-0.1 以公开测试形式上线 xAI API，该模型专为智能体编码任务训练，支持 Web 开发、调试和 MCP，也是驱动 Grok Build 的同一模型。
推荐理由：xAI 官方公告给出了 grok-build-0.1 的定位、速度、定价和适配工具，读者可据此评估是否接入自己的编码工作流。
xAI：News（网页）AI 评分3030 Composer 2.5 上线 Grok Build，可通过 /models 菜单选用
Composer 2.5 已在 Grok Build 中上线，用户输入 /model 后可在菜单中选择该模型。xAI 称其为一款快速、SOTA 的模型，擅长长时间运行任务与遵循复杂指令。
xAI：News（网页）精选AI 评分7878 xAI 发布 Grok 4.5，主打编码、智能体任务与知识工作
xAI 于 7 月 16 日发布 Grok 4.5，定位为其最强模型，面向编码、智能体任务和知识工作，与 Cursor 联合训练。
推荐理由：官方发布页给出了基准分数、定价、token 效率和免费入口等具体数据，读者可据此与其他模型比较并选择使用场景。
xAI：News（网页）精选AI 评分7878 xAI 发布 Grok 4.6，聚焦长程智能体与视觉交互任务
xAI 发布 Grok 4.6，在 Grok 4.5 基础上重点提升长程智能体和交互视觉类任务能力，在 Artificial Analysis Intelligence Index 上与 GPT-5.6 Sol 持平（61 分）。
推荐理由：官方公告给出了各基准对比数字、API 定价和开放入口，读者可据此评估 Grok 4.6 在智能体编码上的位置。
Prime Intellect（网页）AI 评分5757 Prime Intellect 整合 23 个任务集，提供约 365,000 个 SWE、终端与搜索智能体 RL 环境
Prime Intellect 发布 research-environments，为 23 个开源智能体任务集提供统一 taskset API，涵盖约 198,000 个软件工程任务、约 28,600 个终端任务和约 137,600 个搜索任务，总计约 365,000 个环境，配套约 135,000 个预构建任务镜像。
MiniMax：Blog（网页）精选AI 评分7575 MiniMax 发布 M2.5 模型，SWE-Bench Verified 达 80.2%
MiniMax 发布 MiniMax-M2.5，在 SWE-Bench Verified 得分 80.2%、Multi-SWE-Bench 51.3%、BrowseComp 76.3%，完成 SWE-Bench Verified 评测比 M2.1 快 37%，与 Claude Opus 4.6 的 22.9 分钟持平。
推荐理由：官方公布了 M2.5 在编码、搜索和办公场景的成绩与价格细节，读者可以据此比较它与同类模型的性价比。
MiniMax：Blog（网页）精选AI 评分7272 MiniMax 发布 M2.7：SWE-Pro 得分 56.22%，展示模型自进化工作流
MiniMax 发布 M2.7 模型，已在 MiniMax Agent 和 API 平台全面可用。该模型在 SWE-Pro 得分 56.22%（接近 Opus 4.6），VIBE-Pro 55.6%，Terminal Bench 2 57.0%，GDPval-AA ELO 1495 为开源模型最高，MM Claw 准确率 62.7%。
推荐理由：官方给出了各基准的具体分数和自进化工作流细节，读者可以据此与同档模型做直接比较。
Fireworks AI（网页）精选AI 评分6767 Fireworks 实测 DeepSeek V4 Pro 0813：SWE-Bench 达 95.2%，单任务成本约为 Fable 5 的三分之一
Fireworks AI 发布对 DeepSeek V4 Pro 0813 的评测，SWE-Bench Verified 得 95.2%（Fable 5 为 85.4%），SWE-bench 单任务成本 $0.309 对 Fable 5 的 $0.808。
推荐理由：Fireworks 用自家同一套评测对比 DeepSeek V4 Pro 与 Fable 5，给出单模型与 oracle 路由的成本和准确率数据，可作选型参考。
Fireworks AI（网页）精选AI 评分6565 Fireworks 上线 DeepSeek-V4.1-Flash，编码准确率媲美 GPT-6 Astra 成本仅 1/15
Fireworks 上线 DeepSeek-V4.1-Flash，在 DeepSWE 上以 74.34% 的 Pass@1 达到 GPT-6 Astra 水平，每任务成本 $0.43，约为 Astra 的 1/15。
推荐理由：原文给出 DeepSWE、Terminal-Bench 2.1 和 HLE 的具体成本与准确率数据，可帮助开发者评估智能体编码工作流的模型选型。
Cursor Blog精选AI 评分6969 Cursor 与 SpaceXAI 联合发布 Grok 4.6，聚焦长时程智能体任务
Cursor 团队与 SpaceXAI 今日联合发布 Grok 4.6，基于 Grok 4.5 打造，专注于长时间运行的智能体、更复杂的交互与视觉工作。在 Artificial Analysis Intelligence Index 上它与 GPT-5.6 Sol 持平（61 分），训练上进行了更长时间的补充训练、重新生成的 SFT 轨迹和广泛的智能体 RL。
推荐理由：原文给出训练方法、基准分数和定价细节，读者可以据此评估它在智能体编程场景中的定位。
Cognition 模型 / Devin 博客（网页）精选AI 评分6565 Cognition 发布 SWE-grep 和 SWE-grep-mini，用 RL 训练快速并行上下文检索模型
Cognition 训练了 SWE-grep 和 SWE-grep-mini 两个快速智能体模型，专攻高度并行的上下文检索，检索能力匹敌前沿编码模型，耗时低一个数量级。
推荐理由：官方公布了模型设计、RL 训练细节和评测数字，读者可以借此了解并行上下文检索的实现路径。
Cognition 模型 / Devin 博客（网页）精选AI 评分6969 Cognition 发布 SWE-1.5 编码模型，最高 950 tok/s 并登陆 Windsurf
Cognition 发布面向软件工程的 SWE-1.5 模型，参数量为数千亿级，与 Cerebras 合作以最高 950 tok/s 推理，比 Haiku 4.5 快 6 倍、比 Sonnet 4.5 快 13 倍，现已在 Windsurf 上线。
推荐理由：原文给出速度对比、SWE-Bench Pro 成绩和训练细节，读者可以据此评估这款高速编码模型是否改变现有工作流。
Cognition 模型 / Devin 博客（网页）AI 评分6161 Cognition 发布 SWE-1.6 预览，SWE-Bench Pro 得分较 SWE-1.5 高 11%
Cognition 分享正在训练中的 SWE-1.6 早期预览：当前 checkpoint 在 SWE-Bench Pro 上比 SWE-1.5 高 11%（51.7% 对 40.1%），推理速度同为 950 tok/s，并向小部分用户开放早期访问。
Cognition 模型 / Devin 博客（网页）AI 评分5858 Cognition 发布 SWE-1.6：面向软件工程智能体优化模型 UX
Cognition 发布面向软件工程智能体的新模型 SWE-1.6，已在 Windsurf 全面开放，未来 3 个月免费。模型针对智能水平和模型 UX 联合训练，相比 Preview 减少了过度思考、循环行为和串行工具调用，更多使用并行工具调用；训练中引入长度惩罚以抑制过长轨迹。
Cognition 模型 / Devin 博客（网页）AI 评分5858 Cognition 发布 RL 训练的 bug 检测模型 SWE-check，速度约为 Opus 4.6 的 10 倍
Cognition 与 Applied Compute 合作 RL 训练了专用 bug 检测模型 SWE-check，在内部 in-distribution 评测中对 Opus 4.6 的 delta F1 从 0.09 降到 0，out-of-distribution 的 delta F1 从 0.49 降到 0.29，同时运行时间快约 10 倍且推理更便宜。
Cognition 模型 / Devin 博客（网页）AI 评分6262 Cognition 发布 SWE-1.7：以 Kimi K2.7 为基座、更低成本达到前沿级智能体编码能力
Cognition 发布 SWE-1.7，称其为自己训练过的最强模型，以更低成本达到前沿级智能，已通过 Cerebras（1000 TPS）在 Devin 的 Web、Desktop 和 CLI 中可用。
Artificial Analysis 完整文章（网页）精选AI 评分7575 Artificial Analysis 评测 GPT-6 Astra：与 Claude Fable 5.1 并列两大指数第一且成本更低
Artificial Analysis 发布 GPT-6 Astra 基准测试报告，该模型在 Intelligence Index 得 53 分、Coding Agent Index 得 62 分，均与 Claude Fable 5.1 并列第一，且成本分别约为其 40% 和 60%。
推荐理由：原文给出 GPT-6 Astra 在两大指数中的得分、成本和 token 效率数据，可据此比较它与 Claude Fable 5.1 的实际表现。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8080 Anthropic 发布 Claude Haiku 4.5，SWE-bench Verified 得分 73.3%
Anthropic 发布 Claude Haiku 4.5，称其是最快、最具性价比的模型，在编码、计算机使用和 Agent 任务上媲美 Sonnet 4，SWE-bench Verified 得分 73.3%。
推荐理由：官方给出性能、价格与可用渠道的关键数字，读者可据此评估它在低延迟和多智能体场景中的适用性。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8282 Anthropic 发布 Claude Sonnet 5.5，速度提升 30% 并降价最多 30%
Anthropic 发布 Claude Sonnet 5.5，比 Sonnet 5 运行快 30%，典型负载成本最多低 30%，定价为每百万输入 token $2、输出 token $10，支持 1M 上下文窗口，可通过 Claude API、AWS、Google Cloud 和 Microsoft Foundry 使用。
推荐理由：官方页面给出价格、token 用量与多客户评测数据，读者可以据此评估它在成本与性能间的取舍。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8686 Anthropic 发布 Claude Opus 5.5，运行成本比 Opus 5 低约 40%
Anthropic 发布 Claude Opus 5.5，面向高强度编码和 AI 智能体的混合推理模型，具备 1M 上下文窗口，典型工作负载运行成本比 Opus 5 低约 40%。
推荐理由：官方给出了定价、token 成本与多个客户实测数字，可帮助开发者评估升级到新 Opus 的成本与效率收益。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分8181 Anthropic 发布 Claude Fable 5.1：面向编码与长时间智能体任务的新旗舰模型
Anthropic 发布 Claude Fable 5.1，定位为其最强编码与知识工作模型，面向 Pro、Max、Team、Enterprise 用户及 Claude Platform、AWS、Google Cloud、Microsoft Foundry。
推荐理由：官方页面给出定价、缓存降价、回退机制和客户实测引用，读者可以据此评估长时智能体与编码工作流的成本收益。
Baseten Base Labs：模型研究AI 评分5959 Z.AI 发布 GLM-5.3：与 GLM-5.2 同底座，靠规模化后训练强化智能体编码
Z.AI 发布 GLM-5.3，定位智能体工程，与 GLM-5.2 使用相同的 744B-A40B MoE 底座，全部能力提升来自在更多样真实任务环境（完整代码库、文档、测试工具、多步工作流）上的规模化后训练。
Baseten Base Labs：模型研究AI 评分6868 Baseten 上线 DeepSeek V4 Pro 0813，1.7T 参数开放权重模型
Baseten 上线 DeepSeek V4 Pro 0813，一个 1.7T 参数的前沿开放权重模型。它可与较小的 V4 Flash 0731 搭配用于 coding agent，由 Pro 驱动主 agent、Flash 运行子 agent，使整个编码栈跑在开放权重模型上。
Baseten Base Labs：模型研究AI 评分1818 Nomic Embed Code
Nomic Embed Code 的示例响应显示，其返回的 embedding 向量为单元素数组，model 字段标注为 thenlper/gte-base，usage 中 prompt_tokens 与 total_tokens 均为 512。