Cerebras 发文介绍 Codex 订阅中的 GPT-5.6 三款模型 Sol、Terra、Luna，三者独立训练与部署并带推理档位，用于在速度、成本和智能之间取舍。价格上 Terra 为 Sol 的一半，Luna 为 Sol 的五分之一，短上下文和长上下文均如此。文中建议多数任务先用 Luna，进展受阻时再升级到 Terra 或 Sol，Sol 在 Cerebras 上可达 750 tokens/s，并给出 Codex 中 Light 到 Ultra 五档推理级别的用法。
#教程/实践#推理#部署/工程
Cerebras 发布一份使用 GPT-5.3-Codex-Spark 的实践指南，该 Codex 变体运行在 Cerebras WSE 硬件上，生成速度超过 1,200 tokens/秒。指南建议把它当作结对编程伙伴而非委派对象，一次只推进一个任务，最多开 2 到 3 个会话且只用于真正独立的模块，并频繁开启新会话、把持久状态放在文件里。文中还给出用 GPT-5.3-Codex 做规划、用 Spark 快速执行的组合流程，以及把测试、评估和文档更新嵌入每一步的做法。
#教程/实践#编码#部署/工程
#评测/基准#Google#OpenAI
OpenRouter 发布一套三步框架，用于为智能体挑选成本与质量平衡的模型：先按任务设定质量门槛，再用自己的 20 到 50 条样本跑便宜、中端、前沿三档模型并统一打分，用成本除以得分得到每质量点成本，最后选以观察到的分数波动为余量、最便宜且过线的模型。文中以 GPT-5.6 Luna、Gemini 3.7 Flash、Claude Opus 5 为例，门槛 85% 时 Gemini 3.7 Flash 以每 1000 次请求 1.09 美元胜出，门槛提到 95% 则只剩 Claude Opus 5 的 7.25 美元方案。成本应直接读取每次响应的 usage.cost 字段，模型或价格变化时需重跑对比。
#教程/实践#Agent#部署/工程
Anthropic 发布 Claude Code mods 入门教程，mod 是运行在 Claude Code 会话内的 JavaScript 或 TypeScript 文件，可监听事件、改写行为或绘制自定义 UI，本质是插件内的 hooks。教程从空文件夹构建约 80 行的 Token Weather，在提示词上方实时显示上下文窗口占用，并演示 Blast Radius 和 Replay Theater 两个更复杂的 mod。需要 Claude Code 2.1.287 或更高版本，mods 默认开启，完整代码在 anthropics/claude-code-playground。
#教程/实践#Agent#MCP/工具调用
#评测/基准#Agent#Google
Big news: Gemini 4 Argon (High) by @GoogleDeepMind just landed #1 in Text Arena with 1525 pts, and #8 in Code Arena: WebDev with 1679 pts! This release has reshaped the Text Arena Pareto frontier with a blended $8/MToken! Gemini 4 Argon (High) is now the most cost efficient model, see its placement on Pareto frontier below. In the Text Arena, Gemini 4 Argon (High) ranks #1 in Coding, Hard Prompts, Instruction Following, Longer Query, and Creative Writing. It also leads every occupational domain evaluated, with additional #1 spots in English, Non-English, Chinese, and Russian. This model is +20 points above the #2 ranked Claude Opus 4.6 (High), and a huge leap from Google’s previous release, Gemini 3.8 Flash (High) at #11! In Code Arena: WebDev, Gemini 4 Argon (High) gained +96 points from Gemini 3.8 Flash (High), and went from #29 to #8. Congrats to the @GoogleDeepMind team on this impressive frontier release!
#评测/基准#Agent#Google
WIRED 记者在 9 月实测了 OpenAI 的 Dots 和 Meta 的 Muse 两款个人智能体，把前者命名为 Toolie 并调成粉色青蛙造型，通过 ChatGPT 调用它处理任务。作者称这类常驻智能体已比一年前更可靠，能完成交给它的任务，但连接 Gmail 和 Google Drive 等权限仍需要用户自行权衡。Altman 表示自己的 Dot 会处理日常事务并只提醒真正紧急的事项，但拒绝回答 Dots 是否为 OpenAI 传闻中硬件的铺垫。
#现象/趋势#Agent#OpenAI
#评测/基准#编码#Agent
AWS 发布教程，演示如何在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线：作曲智能体用 Claude Sonnet 4.6 生成音乐简报并在实例自带的 NVIDIA L4 上运行 ACE-Step 模型渲染音频，交付智能体读取共享文件并做 EQ、压缩、限幅处理，合规智能体独立复测并筛查与曲库的谐波相似度。三个智能体通过同一 runtimeSessionId 共置在同一 EC2 实例上共享文件系统，会话最长可保持 14 天，各团队可独立部署自己的智能体。
#教程/实践#Agent#部署/工程
ElevenLabs 发布 Eleven v4 的 Audio Tags 清单，用方括号内的自然语言提示词控制语音的情绪、音量、语速、口音和音效，文中给出 50 多个示例。这些标签不限于固定列表，可自行组合或描述情境，例如 [whispering, fearful]、[out of breath after running up the stairs]。Audio Tags 可通过 ElevenAPI 在 Eleven v4、Eleven v4 Turbo 和 Eleven v3 上使用，v3 脚本在 v4 中仍然有效。
#教程/实践#语音#部署/工程
斯坦福团队推出 HomeBody 项目，让 GPT-6 Astra 接入宇树 G1 进入厨房执行语言指令，可归拢咖啡袋、丢弃指定纸盒，并在药品不在视野内时从记忆中找到抽屉取药递给人。系统先由 Astra 引导 G1 探索陌生厨房并保存相机画面、激光雷达与关节姿态作为空间记忆，再在 Isaac Sim 中重建数字厨房，之后由 Astra 调用导航、抓取、放置、开抽屉等可复用技能，技能模块负责具体动作规划并反馈结果。团队表示部署到新厨房无需额外采集训练数据或训练专用动作策略，但感知、规划与技能执行运行在一台 RTX 4090 笔记本上，Astra 在远端决策，前期重建有准备时间和 API 成本，手指舵机过热也是当前限制之一。
#行业动态#具身智能#Agent
Inception Labs 公布 Mercury 2 在 PinchBench 上的评测结果：任务成功率 78%，高于 GPT-5 Mini 的 75%、Gemini 2.5 Flash 的 71%、DeepSeek Chat 的 72% 和 GPT-4o 的 71%，并在同准确率档位中执行时间最快。定价为每 100 万 token 输入 0.25 美元、输出 0.75 美元，约为 Claude 4.5 Haiku 输入输出的四分之一。PinchBench 基于 OpenClaw 构建，考察工具调用、多步推理和真实任务完成情况，Mercury 2 的速度来自并行细化而非逐 token 生成。
#评测/基准#Agent#推理
Introducing Claude Sonnet 5.5, the second model in the Claude 5.5 family. It’s a clear upgrade over Sonnet 5, runs more than 30% faster, and costs up to 30% less for most work. https://t.co/UvXD8mDTF1
#评测/基准#Agent#Anthropic
Anthropic 在开发者博客中解释了 Claude Opus 5.5 的费用构成与 effort 档位选择，Addy Osmani 说明在 Claude Code 中执行 /usage 或 /cost 可查看会话的输入输出 token 数与估算费用，该金额按本机 API 单价估算，并非订阅账单。所谓 Opus 5 便宜 40% 是按默认设置、按 token 计费的典型任务推算，输入输出单价较 Opus 5 降 20%、缓存读取降 60%，但实际节省幅度因任务而异。Thariq Shihipar 给出档位参考：边确认边迭代用 low，常规功能实现用 medium，修 bug 等需验证的操作用 high，难任务自主推进用 max。
#教程/实践#部署/工程#Anthropic
Anthropic 开发者博客发文解释 Claude Code 中 effort 的含义与档位选择，作者基于 Opus 5.5 和 Fable 5.1 的实测及 Terminal-Bench 3.0 结果给出建议。effort 用于调节模型在验证和边界情况测试上投入的算力，高 effort 更适合硬件、代码审查和安全等场景，但对模型方向本身错误的任务无效。作者给出的常规开发循环是让模型先访谈补全需求、用低 effort 实现、再在高 effort 上验证测试。
#教程/实践#Agent#编码
Anthropic 在 claude.dev 博客中拆解 Claude Code 单个任务的成本构成，指出轮次、缓存读取、输出 token 类型和模型选择四项决定开销。Opus 5.5 的输入与输出价格比 Opus 5 低 20%，缓存读取低 60%，API 列表价为每百万输入 token 4 美元、输出 20 美元、缓存读取 0.20 美元。文章建议先用中等 effort 处理范围明确的任务，给模型可自行验证的手段，把搜索类子智能体放到 Sonnet 或 Haiku，并用 /usage 在自己的任务上实测。
#教程/实践#部署/工程#Anthropic
SemiAnalysis 发布 ClusterMAX 3.0，对 77 家 neocloud 做全面评测，市场覆盖范围从 2.0 版的 209 家扩大到 323 家，并访谈了 200 多名终端用户。Nebius 与 CoreWeave 同列 Platinum，Google Cloud 与 Oracle 进入 Gold，Azure 降至 Silver，Crusoe 降至 Bronze，全球仅 19 家 neocloud 获得奖章评级。评测分审计、性能、可靠性三阶段，涵盖 GPU 计算、网络、存储、编排、监控与故障注入，并新增 Bronze 与 Underperforming 之间的 Participation Ribbon 档。
#行业动态#部署/工程#数据/训练
#开源/仓库#视频#开源生态
Modal 官方工程博客复盘了为编码智能体提供推理服务的优化过程，以 Moonshot AI 的 Kimi K2.6 为例，单副本每用户性能提升 2.8 倍、副本整体提升 5.6 倍。他们用 NVFP4 微缩放格式在 B200 上部署约一万亿参数的模型，基于 SGLang 打补丁并回馈上游，通过 DFlash 投机解码、KV cache 量化与 HiCache 扩展缓存，再配合负载感知的有状态路由，把服务扩展到每天处理数千亿 token。相关代码与配置已作为 Modal Auto Endpoints 的开源后端发布。
#教程/实践#部署/工程#推理