Anthropic Opus 5.5 实测：速度快却常无视用户需求自行改写代码
开发者 ssh4net 实测 Anthropic 新模型 Opus 5.5，速度明显提升，也能较好遵循既定编码规范，但倾向于按自己的意图写代码，常无视技术规格自行改写。这导致用户需要额外一轮代码审查和返工，抵消了速度带来的收益，并引发社区对其实用性的讨论。
#编码
#编码
今日 10 条AGI HuntAI 评分3737 AGI HuntAI 评分3333 实测 Sol 6.1 Max 写 Blender 游戏代码：十分钟仍救不回来
Reddit 用户实测用 Sol 6.1 Max 在 Blender 里写游戏代码失败，修了十分钟后仍救不回来。该用户原本指望 Sol 6.1 Max 顶替 Astra、从而接受用量缩水，但两张截图显示从起步就彻底失败、十分钟后效果依旧糟糕。作者的结论是「Sol 6.1 Max + Blender 做游戏」不可行，不足以弥补限制下调。
SiliconANGLE：AI精选AI 评分7777 OpenAI 发布 GPT-6.1 Sol，性能接近 Astra 但价格大幅降低
OpenAI 在 DevDay 上发布 GPT-6.1 Sol，官方称其性能与 GPT-6 Astra 大致相当，但成本大幅降低，每百万 token 定价 10 美分，约为 GPT-6.0 Astra 的一半。
推荐理由：对比 DevDay 公布的基准与定价可以看出，Sol 以约一半价格提供 Astra 级能力，并面向长时编码负载。
IT之家精选AI 评分7979 OpenAI 在 Codex 上线 GPT-6.1 Sol 模型：性能接近 Astra，价格仅为 1/5
OpenAI 在开发者日活动上于 Codex 和 ChatGPT Work 推出 GPT-6.1 Sol 模型，官方称其在处理复杂任务时性能接近 Astra，但成本低于 Astra。
推荐理由：官方称该模型在复杂任务上性能接近 Astra 且成本更低，并给出每百万 tokens 定价，便于与现有方案比较成本。
IT之家AI 评分5858 OpenAI 推出 GPT-6 Astra Ultrafast 服务，Codex 中最高每秒 300 个词元
OpenAI 在 2026 年开发者日推出 Ultrafast 全新服务层级，GPT-6 Astra 在 Codex 中最高可实现每秒 300 个词元生成，API 调用最高提速 6 倍。
IT之家精选AI 评分7878 OpenAI 发布 GPT-6.1 Sol 模型，性能接近 GPT-6 Astra、费用仅为其五分之一
OpenAI 在开发者活动日发布 GPT-6.1 Sol，官方称其为同等性能下性价比最高的模型，标准输入输出 token 价格只有 GPT-6 Astra 的五分之一。
推荐理由：原文给出 GPT-6.1 Sol 与 Astra、Opus 5.5 的定价和基准对比，读者可据此判断其单任务成本与定位。
AWS Machine Learning Blog精选AI 评分6767 GPT-6.1 Sol 在 Amazon Bedrock 上正式可用
GPT-6.1 Sol 已在 Amazon Bedrock 正式可用，作为 GPT-6 Sol 的重大升级，面向智能体编码、计算机操作和专业工作负载提供更强推理。
推荐理由：文章给出 GPT-6.1 Sol 与 Astra、GPT-6 Sol 的评测及单任务成本对比，可据此评估智能体编码任务的性价比。
The Decoder精选AI 评分8080 OpenAI 发布 GPT-6.1 Sol，称以五分之一成本接近 Astra
OpenAI 发布 GPT-6.1 Sol，称其在智能体编码、电脑操作和办公任务上接近仍未发布的旗舰 GPT-6 Astra，成本约为其五分之一。API 价格为每百万输入 token 2 美元、输出 10 美元，缓存输入 0.10 美元，Plus、Pro、Business、Enterprise 和 Edu 用户当日起可在 ChatGPT Work 和 Codex 使用。
推荐理由：原文对比 Sol 与 Astra、GPT-6 Sol 及 Claude 的价格与基准数据，可看清 OpenAI 在成本与性能之间的取舍。
TechCrunch · AI精选AI 评分8181 OpenAI 发布 GPT-6.1 Sol，称接近 GPT-6 Astra 且价格更低
OpenAI 在 DevDay 上发布 GPT-6.1 Sol，称其在智能体编码、计算机操作和专业工作上接近 GPT-6 Astra，而标准输入输出 token 价格仅为后者的五分之一。
推荐理由：GPT-6.1 Sol 与 GPT-6 Astra 的能力和价格对比，以及 Astra 版本因安全顾虑被搁置，构成本次发布的背景。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，面向编码、计算机操作和专业工作场景，官方称其智能水平接近 Astra。该模型的 API 输入与输出 token 价格均为 Astra 标准价的五分之一。
推荐理由：官方给出 GPT-6.1 Sol 相对 Astra 的 token 定价比例与能力定位，可用于判断其成本取舍。
AGI HuntAI 评分2727 Sonnet 5.5 纯代码在浏览器里造出会游的水族馆
Sonnet 5.5 仅凭代码在浏览器中生成了一个完整水族馆：每条鱼、每株水草、每个气泡都由代码实现，全程没有任何资源下载。这是一个展示该模型代码生成能力与视觉表现力的趣味 demo。
AGI HuntAI 评分2929 Claude Opus 一发命中复刻红白机经典游戏 Excitebike
作者用 Claude Opus 以 one-shot 方式复刻了任天堂红白机经典越野摩托游戏 Excitebike，全程无需多轮修改，展示了 Opus 的单次代码生成能力。
AGI HuntAI 评分6262 IQuest 开源 320B MoE 模型 IQuest-Q1，vLLM 宣布首日支持
IQuest 研究团队发布并开源 IQuest-Q1，这是总参数 320B 的 MoE 模型，每 token 仅激活 15B，256 个专家中每次激活 8 个，上下文长度达 524,288。
AGI HuntAI 评分3030 Unsloth 微调出 9B 开源编码模型 Gmcoder，token 消耗少 40–68%
作者基于 Unsloth 做微调合并，发布名为 Gmcoder 的 9B 开源编码模型，已在 Hugging Face 上线。据称该模型在 HumanEval+ Mini 上超过 Ornith 1.5 和 Oxcoder，且不靠「过度思考」取胜，回答问题时 token 消耗比对手少 40–68%。这属于个人开发者的开源微调实战成果。
AGI HuntAI 评分2222 物理学者实测 Claude Sonnet 纯 JavaScript 动画生成能力并晒作品
物理学者 jwuphysics 测试了 Claude Sonnet 生成纯 JavaScript 动画的能力，并晒出生成结果，演示中模型直接生成不依赖库的 JS 动画，展示其在可视化与动画代码上的水平。帖子本身信息简短，实质内容集中在视频演示。
AGI HuntAI 评分3636 Claude Opus 5.5 与 Sonnet 5.5 双双压制对手，OpenAI Dev Day 明日 20+ 发布迎战
Reddit 用户观察到 Claude Opus 5.5 与 Sonnet 5.5 表现均超过 OpenAI 的 Sol 和 Astra，认为这让明日 OpenAI Dev Day 的看点更足。
AGI HuntAI 评分3333 Together AI 平台 Qwen3.8-Flash 全月 6 折，主打高并发编码助手场景
Together AI 宣布阿里 Qwen3.8-Flash 本月剩余时间全线 6 折，并建议开发者趁降价跑评测。该模型定位高并发应用场景，如编码助手与协同办公助手，主打在低成本下优化输出质量。
AGI HuntAI 评分5656 ProgramBench 榜单更新：Claude Opus 5 以 4.5% 完全解决率居首
由 Meta Superintelligence Labs、斯坦福与哈佛推出的 ProgramBench 基准更新，agent 需依据编译后的二进制文件与文档从零架构并实现完整代码库以复现原程序行为，共 200 个任务，以隐藏行为测试判定是否完全解决。
SiliconANGLE：AIAI 评分7373 Anthropic 发布 Claude Sonnet 5.5，输出速度比上一代提升超过 30%
Anthropic 发布 Claude Sonnet 5.5，称其为家族中能力最强的中端模型，输出速度比上一代提升超过 30%。该模型定价与 Sonnet 5 相同，每百万输入 token 2 美元、每百万输出 token 10 美元、每百万缓存读取 20 美分，公司称完成同样工作所需 token 更少，因此成本低 30%。
IT之家AI 评分3131 IT早报 0929：央视起底快应用弹窗广告乱象；25.98 万元起鸿蒙智行智界 RX 上市；4499 元起荣耀 Magic9 系列发布；智谱 ZCode 已删除涉事云端数据
Anthropic 发布 Claude Sonnet 5.5，速度较上一代提升 30%，智能体编码表现反超 Opus 5.5，并计划几周内推出 Haiku 新版本。智谱 ZCode 已删除涉事云端数据，赠送多张重置卡和 1 亿 Token，开源版更新至 3.14.3。鸿蒙智行智界 RX 以 25.98 万元起上市，荣耀 Magic9 系列 4499 元起发布。
The Decoder精选AI 评分8080 Anthropic 发布 Claude Sonnet 5.5，多项基准接近 Opus 5.5，单任务成本最多低 30%
Anthropic 发布 Claude 5.5 家族第二个模型 Claude Sonnet 5.5，输出生成速度提升超过 30%，每任务成本最多降低 30%，并在多项基准上接近 Opus 5.5。
推荐理由：文中给出 Sonnet 5.5 与 Opus 5.5、GPT-6 Sol 的跑分和 token 单价对照，可比较同档模型的成本差异。
AWS Machine Learning Blog精选AI 评分6767 GPT-6 Sol 与 GPT-6 Luna 在 Amazon Bedrock 正式可用
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 在 Amazon Bedrock 正式可用，API 定价显著低于 GPT-5.6 前代。GPT-6 Sol 面向开发与运维中反复出现的复杂任务，GPT-6 Luna 面向大批量重复任务，两者都支持显式提示词缓存。OpenAI 的内部事实性评测显示，GPT-6 Sol 的事实性错误约为 GPT-5.6 Sol 的一半。
推荐理由：两款模型按复杂任务与高频任务分层，API 定价低于 GPT-5.6 前代，可据此判断日常负载的选型。
OpenAI：官网动态AI 评分2323 Cognition 借助 GPT-6 Astra 让 Devin 测试自身工作
GPT-6 Astra 提升了 Cognition 旗下 Devin 测试软件并证明其可正常工作的能力，目标是让工程师减少代码审查、交付更多代码。Devin 由此可自行完成测试并验证结果是否可用。
OpenAI：官网动态精选AI 评分6464 OpenAI 发布 GPT-6 Astra 新一代模型
OpenAI 发布 GPT-6 Astra，称其为目前最智能、对齐程度最高的模型，在计算机操作、编码、网络安全和科学等方向具备 SOTA 能力。官方摘要未给出参数规模、上下文窗口或开放时间等细节。
推荐理由：OpenAI 公布 GPT-6 Astra 在计算机操作、编码、网络安全与科学方向的能力覆盖，读者可据此了解新模型的定位。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.7 Flash，提升编码与 Agent 能力
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和 Agent 的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：原文列出 Gemini 3.7 Flash 相对 3.6 Flash 的多项基准提升与半价定价，便于判断是否值得升级。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向代码安全的 3.5 Flash Cyber 三款模型。
推荐理由：三款模型同时给出 token 效率、单 token 价格与智能体基准变化，可作为评估智能体工作流成本的参考。
Mistral AI精选AI 评分7171 Mistral 发布 Mistral Medium 3.5，并在 Vibe 与 Le Chat 上线远程编码智能体
Mistral 发布 Mistral Medium 3.5，这是一个 128B 稠密模型，以开源权重、修改版 MIT 许可发布，并成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由：把编码智能体迁到云端并以 128B 开源权重模型驱动，读者可据此判断自托管部署与异步并行任务的成本变化。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 3.5 系列，首发 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首个版本 3.5 Flash 今天起在 Gemini 应用、Google Search 的 AI Mode、Google Antigravity 和 Gemini API 开放，3.5 Pro 已在内部使用并计划下月推出。
推荐理由：原文用 Terminal-Bench 2.1、MCP Atlas 等基准与 4 倍输出速度做横向对比，读者可据此判断速度与智能体能力能否兼得。
Mistral AI精选AI 评分7373 Mistral AI 发布 Mistral Small 4，统一推理、多模态与编码智能体能力
Mistral AI 发布 Mistral Small 4，称其是首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码智能体能力统一进单一模型的 Mistral 模型，以 Apache 2.0 许可开源。
推荐理由：Mistral Small 4 把推理、多模态与编码能力合进一个开源模型，读者可据此评估单模型替代多模型组合的部署取舍。
Mistral AIAI 评分4949 Mistral 发布 Leanstral：面向可信 vibe-coding 的开源基础模型
Mistral 发布 Leanstral，首个面向 Lean 4 的开源代码智能体，Apache 2.0 开源并提供免费 API。该模型激活参数 6B，采用稀疏架构，支持任意 MCP，并针对 lean-lsp-mcp 训练，也可在 Mistral vibe 的 agent 模式中使用。
Mistral AI精选AI 评分7474 Mistral AI 发布 Devstral 2 系列编码模型和 Mistral Vibe CLI
Mistral AI 发布新一代编码模型系列 Devstral 2，包含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者均开源，分别采用修改版 MIT 和 Apache 2.0 许可。
推荐理由：材料给出 Devstral 2 在 SWE-bench Verified 上 72.2% 的成绩，并附上与 DeepSeek V3.2、Claude Sonnet 4.5 的人工评测胜负对比。
Mistral AIAI 评分5151 Mistral 发布 Codestral 25.08 及企业级完整编码栈
Mistral 发布 Codestral 25.08 及配套企业编码栈，涵盖补全、语义检索、智能体工作流和 Mistral Code IDE 插件，今日起可用于企业部署。
Mistral AI精选AI 评分6161 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并将 Devstral Small 升级到 1.1，两款模型都强调对不同提示词和智能体框架的泛化能力。
推荐理由：官方给出两款编码智能体模型的 SWE-Bench 分数与 API 定价，便于比较开源与商业方案的成本性能。
Mistral AIAI 评分3939 Mistral AI 发布 Codestral Embed，首个代码专用嵌入模型
Mistral AI 发布首个代码专用嵌入模型 Codestral Embed，称其检索性能显著优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
Mistral AI精选AI 评分7070 Mistral AI 与 All Hands AI 开源编码智能体模型 Devstral
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，以 Apache 2.0 许可开源，在 SWE-Bench Verified 上得分 46.8%，超过此前开源 SoTA 6 个百分点以上。
推荐理由：给出同框架模型对比数据、单卡部署门槛与 API 价格，可帮助判断开源编码智能体当前的能力水位与落地条件。
Mistral AI精选AI 评分6060 Mistral AI 发布 Mistral Medium 3，强调 8 倍成本优势与企业级部署
Mistral AI 发布 Mistral Medium 3，称其以每百万 token 输入 $0.4、输出 $2 的定价，在各项基准上达到 Claude Sonnet 3.7 的 90% 或以上。
推荐理由：原文给出对标 Claude Sonnet 3.7 的基准表现与每百万 token 定价，可据此衡量中型模型在企业场景中的成本位置。