Artificial Analysis于2026年10月23日发布Coding Agent Index v2.0,用Cognition的FrontierCode v1.1替换DeepSWE,并收紧仓库问答评分,榜单评的是模型加harness组合。当天报道显示,Claude Code搭配Claude Opus 5.5(max)以61.7分登顶,Claude Code搭配Sonnet 5.5以59.3分次之,Muse Code搭配Muse Wonder Full为58.9分,首个OpenAI组合Codex搭配GPT-6 Astra为54.7分。关于新旧榜单对比,早先报道称21个配置均分从58.8%降至57.1%;后续报道称同一批21个配置均值从54.8降至47.4,20个下降,并称主因是FrontierCode均值约45.1%,远低于DeepSWE的65.6%。
匹配字段标题
Artificial Analysis于2026年10月23日发布Coding Agent Index v2.0,用Cognition的FrontierCode v1.1替换DeepSWE,并收紧仓库问答评分,榜单评的是模型加harness组合。当天报道显示,Claude Code搭配Claude Opus 5.5(max)以61.7分登顶,Claude Code搭配Sonnet 5.5以59.3分次之,Muse Code搭配Muse Wonder Full为58.9分,首个OpenAI组合Codex搭配GPT-6 Astra为54.7分。关于新旧榜单对比,早先报道称21个配置均分从58.8%降至57.1%;后续报道称同一批21个配置均值从54.8降至47.4,20个下降,并称主因是FrontierCode均值约45.1%,远低于DeepSWE的65.6%。
匹配字段标题
Aerial 是一款无需 root 即可替换国产智能电视默认桌面的工具,其部署方式借助 Agent 自动完成。据虎嗅 2026 年 10 月 22 日报道,用户将电视与电脑连入同一 WiFi、打开 ADB 并查到电视 IP,再从 Aerial 官网复制提示词交给豆包、WorkBuddy 等 Agent 执行,只需在电视弹窗中允许 USB 调试,整个流程约五分钟。该工具通过“桌面守护”覆盖被唤醒的原桌面,并利用安卓通知监听在待机清理后 0.5 秒内复活,主屏广告因此消失,但开机广告仍无法拦截。报道称其从代码、APK 到官网均由 AI Vibe Coding 产出,GitHub 上线一天获 200 多个 star,随后补充了图标隐藏、添加信号输入源到主页等功能并适配多款电视。
匹配字段标题
Aerial 是一款无需 root 即可替换国产智能电视默认桌面的工具,其部署方式借助 Agent 自动完成。据虎嗅 2026 年 10 月 22 日报道,用户将电视与电脑连入同一 WiFi、打开 ADB 并查到电视 IP,再从 Aerial 官网复制提示词交给豆包、WorkBuddy 等 Agent 执行,只需在电视弹窗中允许 USB 调试,整个流程约五分钟。该工具通过“桌面守护”覆盖被唤醒的原桌面,并利用安卓通知监听在待机清理后 0.5 秒内复活,主屏广告因此消失,但开机广告仍无法拦截。报道称其从代码、APK 到官网均由 AI Vibe Coding 产出,GitHub 上线一天获 200 多个 star,随后补充了图标隐藏、添加信号输入源到主页等功能并适配多款电视。
匹配字段标题
2026年10月21日,Shopify工程团队在NVIDIA GTC Berlin 2026演讲中分享了其电商助手Sidekick的模型分工方案:由前沿模型负责对话规划,自部署开源模型负责GraphQL子Agent。团队选用总参数300亿、每Token激活30亿参数的MoE模型Nemotron 3.5 Lightning,经6轮后训练和6.1万条修复样本,评审分数从开箱的37.7提升到74.5,略高于前沿模型的73。GraphQL任务上中位响应为0.87秒,前沿模型API为6.50秒,成本低约90%。目前该分享为单一来源报道,尚无后续进展。
匹配字段标题
2026年10月21日,Shopify工程团队在NVIDIA GTC Berlin 2026演讲中分享了其电商助手Sidekick的模型分工方案:由前沿模型负责对话规划,自部署开源模型负责GraphQL子Agent。团队选用总参数300亿、每Token激活30亿参数的MoE模型Nemotron 3.5 Lightning,经6轮后训练和6.1万条修复样本,评审分数从开箱的37.7提升到74.5,略高于前沿模型的73。GraphQL任务上中位响应为0.87秒,前沿模型API为6.50秒,成本低约90%。目前该分享为单一来源报道,尚无后续进展。
English translation is being prepared.
匹配字段标题
Arena于2026年10月21日发布报告称,OpenAI的GPT-6 Luna与GPT-6.1 Sol按不同推理档位占据Agent Arena帕累托前沿11个位置中的6个。其中,GPT-6 Luna在每任务低于0.10美元的区间拿下4个最优位置中的3个,覆盖Max、Medium和Low档;GPT-6.1 Sol覆盖每任务0.22至0.65美元区间。加上GPT-6 Astra(Max),OpenAI模型共占7个前沿位置。Arena据此指出,切换推理档位有时比换模型更能保持在成本与性能的最优点。目前尚无后续发展事实。
匹配字段标题
Arena 报告 GPT-6 Luna与GPT-6.1 Sol占据Agent Arena帕累托前沿11席中的6席
English translation is being prepared.
匹配字段标题
Meta 更新商业条款,删除了被解读为允许其抓取网站内容训练 AI 的表述。Neiman Lab 和康奈尔大学法学教授 James Grimmelmann 此前认为,该条款意在让 Meta 免费使用抓取内容训练 AI,并可绕过 robots.txt 中的屏蔽指令。Meta 传播副总裁 Andy Stone 和发言人 Daniel Roberts 曾回应称 Meta 使用网络爬虫的方式没有变化,此次条款更新则直接移除了争议表述。另有报道称,Meta 更新商业服务条款时曾声明有权使用企业账户域名、网页或 URL 的内容来训练 AI 模型,引发争议后已删除该表述;Meta 称此次更新只是对既有广告条款的合并整合,并非扩大爬虫行为,修改后条款限定爬虫与数据收集仅用于广告和商业产品,站长仍可通过 robots.txt 控制爬虫权限。
English translation is being prepared.
匹配字段标题
2026年10月17日,DeepSeek发布DeepSeek-V4.1-Flash-1017,官方称其基准表现更强、任务完成更快、输出更短,在性能与成本上实现帕累托改进,已在官网、App和API上线;同日该模型在OpenRouter上线。官方还宣布Search与Fetch API向所有人开放,每个端点每1000次调用收费0.75美元,通过DeepSeek Harness、Claude Code和Codex中的服务端工具发起的调用暂时免费,计费自2026年10月31日16:00 UTC开始。10月17日,Thomas Wolf评论称DeepSeek将此次称为“minor update”,但Terminal-Bench 4.0从31.2升至42.3。10月19日,Arena宣布该模型以1670分成为Code Arena: WebDev排名最高的开源模型。10月20日,OpenCode将其在Go和Free中更新至1017版本;Unsloth发布可在本地运行的GGUF,1-bit量化版保留约88.2%准确率、体积从508GB降至250GB;Arena又宣布其登顶Agent Arena开源模型榜
匹配字段标题
2026年10月18日,作者宣布将实践经验整理为《Agent 工程实战八讲》。同日,腾讯云开发者社区发布该系列导读,介绍其围绕如何把能调用模型与工具的原型升级为可完成业务任务、解释失败、控制成本并持续迭代的系统。导读称,全系列以立案助理 Agent 和术后随访 Agent 两个虚构教学案例贯穿,覆盖任务契约、推理与协作、上下文与记忆、工具可靠执行、观测与重放、评测与校准、安全边界、生产运营八个主题;文中强调模型能给出下一步不等于系统能兑现业务结果,示例字段、预算与数字均为教学演算,不构成法律意见。目前该系列已发布导读,后续各讲内容尚未见事实证据。
匹配字段标题
2026年10月18日,作者宣布将实践经验整理为《Agent 工程实战八讲》。同日,腾讯云开发者社区发布该系列导读,介绍其围绕如何把能调用模型与工具的原型升级为可完成业务任务、解释失败、控制成本并持续迭代的系统。导读称,全系列以立案助理 Agent 和术后随访 Agent 两个虚构教学案例贯穿,覆盖任务契约、推理与协作、上下文与记忆、工具可靠执行、观测与重放、评测与校准、安全边界、生产运营八个主题;文中强调模型能给出下一步不等于系统能兑现业务结果,示例字段、预算与数字均为教学演算,不构成法律意见。目前该系列已发布导读,后续各讲内容尚未见事实证据。
匹配字段标题
2026年10月15日,LangChain 团队分享了 Agent Evals 实践指南。据相关报道,团队成员 divyasan0 以 Q&A 形式回答常见问题,并给出可落地的工程流程:从真实 trace 起步,用 10–20 条小数据集建立基线,失败案例回流迭代,离线与在线分层评估,代码评估器优先于 LLM 裁判,benchmark 用容器化环境验证最终状态。文中还给出 LLM 裁判的三条校准建议,并指出小模型裁判在 pass/fail 判定上与人类标注一致,总成本 $0.34,对比 Claude Sonnet 4.6 的 $28.17。目前尚无后续发展。
匹配字段标题
2026年10月16日,密歇根大学公开其 AI 编程课 Applied Agentic Software Engineering 第 14 讲「Subagents」讲义。讲义从为什么需要 subagents、机制、关键取舍和相邻概念辨析四部分展开。讲义认为,长对话会因上下文只进不出、history bleed、重发全部历史和串行执行而劣化,解法是主对话只留请求和计划,各部分阅读放进各自 subagent 并只回流结果。讲义指出最大取舍是 Fresh 与 Forked:Fresh 仅以 brief 为起点,适合第二意见和独立审查但更贵;Forked 带全部历史加 brief,适合需要全部积累的侧任务且更便宜。讲义还用几个对话、谁和谁说话、谁决定下一步三个问题区分 Subagents、Team、Handoff 与 Swarm,并提到并行编辑靠 worktree 隔离。目前该讲义已公开,暂无后续发展事实。
匹配字段标题
密歇根大学 公开 第 14 讲「Subagents」讲义
English translation is being prepared.
匹配字段标题
LangChain 团队 分享 Agent Evals 实践指南
English translation is being prepared.
匹配字段标题
Meta 于 2026 年 10 月 13 日发布 Muse Wonder 系列,包含 Muse Wonder 和 Muse Wonder Full 两款模型,称其为目前能力最强的模型,在个人与专业智能体任务上达到 SOTA,覆盖法律、金融、健康等专业领域及前沿编码能力。两款模型具备 Active Memory 与 Active Focus,按 Meta Superintelligence Scaling Framework 训练、评估和发布。Artificial Analysis 数据显示,两款模型在 Intelligence Index v4.3 最高推理强度下分别得 52 和 56,高于 Muse Spark 1.3(max)的 48;Muse Wonder 已在 Meta 一方 API 和 Muse Code 上线,Muse Wonder Full 仅面向 Muse Code 用户。同日,Arena 将两款模型纳入 Agent Arena 测试,Simon Willison 发布 llm-meta-ai 0.2 插件支持新模型。10 月 14 日,Arena 公布 Muse W
English translation is being prepared.
匹配字段标题
Claude Haiku 5.5 (High) 上线 Agent Arena。据 Arena 公布,该模型基于超过 2.05 万场真实智能体会话取得 +1.48% 净提升,综合排名第 27。其最强类别为 Code,以 +4.83% 净提升排在第 15 位。成本方面,该模型单任务中位成本为 0.09 美元,略低于 Agent Arena 帕累托前沿;相比第 26 位、单任务 0.63 美元的 GPT-5.4 (High) 便宜 86%,比 Claude Sonnet 5.5 (Max)、Fable 5.1 (Max) 和 Opus 5.5 (Max) 每任务便宜 97% 至 99%。目前没有后续发展事实。
匹配字段标题
Claude Haiku 5.5 (High) 上线 Agent Arena
English translation is being prepared.
匹配字段标题
2026年10月14日,Artificial Analysis将DeepSeek V4.1 Flash加入其智能体推理性能基准AA-AgentPerf,并给出NVIDIA与AMD硬件的实测结果。在每用户100 tokens/s下,NVIDIA GB300以约261M tokens/s每兆瓦居首,其后为B300(约220M)、B200(约193M)、GB200(约178M)和MI355X(约128M)。V4.1 Flash在Artificial Analysis Intelligence Index上得分39,高于此前的V4 Pro 0813(36),参数量约为其三分之一(552B backbone、16B激活,对比1.6T与49B),最少可在2张GPU上运行,相比V4 Pro 0813在每用户100 tokens/s下每兆瓦吞吐提升约1.3倍(GB300)至6.2倍(B200)。2026年10月15日,Artificial Analysis又将AMD MI355X加入AA-AgentPerf,在单台8-GPU节点上测试Kimi K3、GLM-5.2/5.3和DeepSeek V4 Pr
匹配字段标题