实测 DeepSeek V4.1 Flash：4 元生成特斯拉飞行 3D 网页
作者在 DeepSeek Harness 中实测 DeepSeek V4.1 Flash，用纯提示词生成特斯拉飞行 3D 网页，耗时 35 分钟、消耗 3752 万 Token，按缓存命中 0.04 元每百万 Token 和输出 8 元每百万 Token 计算约花 4 元。
推荐理由：作者用多个实测案例对比 V4.1 Flash 与闭源模型的成本差距，可据此判断低价模型能覆盖哪些任务。
#编码
爱范儿精选AI 评分7878 Simon WillisonAI 评分3434 Simon Willison 用 Claude Code 打造 RTS 游戏 Battle Drones，支持音频同步多人对战
Simon Willison 发布 vibe coded 即时战略游戏 Battle Drones，经 12 个大版本迭代、321 次由 Claude Code 等编码智能体提交的 commit，可在手机和桌面浏览器运行。游戏含 9 种建筑、7 种地面载具、6 种空中载具和 3 种步兵单位，并支持两台邻近设备通过麦克风范围内的音频消息同步游戏状态实现多人对战。
The Decoder精选AI 评分7676 OpenAI 称 GPT-6 在 COBOL、Fortran 等遗留语言上表现大幅提升
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等低资源语言改进最新模型，并构建 MultiLangBench 与 COBOL 迁移两个评测来衡量进展。
推荐理由：OpenAI 公布的两个基准显示，GPT-6 系列在 COBOL、Fortran 等低资源语言上的通过率大幅提升，可对照旧版本看差距。
GitHub Blog · AI & MLAI 评分2222 三位 Java Champion 如何用 GitHub Copilot 提升生产力
GitHub 博客采访了 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 三位 Java Champion，分享他们在生产与开源项目中使用 GitHub Copilot 的具体做法。
量子位精选AI 评分8080 MiniMax 发布 M3.1 Flash，Agent 基准 ALE 得分 29.6% 居国产模型第一
MiniMax 正式发布 M3.1 Flash，即此前在 OpenRouter 匿名测试的 Space Bunny（玉兔），Agents' Last Exam 得分 29.6%，位列国产模型第一。
推荐理由：文章列出 M3.1 Flash 在 Agent、编码、网络安全等基准上的分数与定价，可对照国产 Flash 模型的性价比路线。
爱范儿AI 评分6262 记忆张量发布并开源记忆原生大模型 MemT 1.0
记忆张量发布并开源记忆原生大模型 MemT 1.0，把记忆从外挂模块内化进底层架构，由模型自行学习读写、更新和调用记忆。团队用 340 亿 token 分两阶段训练，并引入 Mixture-of-Storage（MoS）架构管理固定体积的记忆状态。
少数派AI 评分5858 MiniMax 上线 M3.1 Flash 模型
稀宇科技（MiniMax）于 10 月 19 日正式上线 MiniMax M3.1 Flash 模型，线上推理速度较此前提升近 3 倍，Agent 类任务综合使用成本降低 70%。
Simon WillisonAI 评分3030 Simon Willison 撰文：编程智能体让程序员的"解谜乐趣"消失
Simon Willison 在博客中引用 Jeremy Scheff 的观点，讨论编程智能体对职业程序员造成的核心损失：编程曾是一份靠解决逻辑难题获得高薪的工作，程序员掌握策略、时间线和可行性定义权。Scheff 认为，对热衷构建可用系统而不在意具体问题的程序员，LLM 是持续馈赠；若享受直接解题本身，这种损失非常真实。
Lisan al Gaib (X)AI 评分3030 OpenAI 模型强化 COBOL 等老旧语言能力
我需要更多这样的内容 我们需要更全面地看待 AI 的进步 @OpenAI：我们最新的模型进展带来了更强的能力，可用于构建和迁移 COBOL、Fortran 和 Visual Basic 等低资源编程语言编写的软件。 这些语言支撑着银行、政府和企业所依赖的软件。这方面的进展意味着理解数十年的业务逻辑，帮助开发者实现这些系统的现代化，同时保留仍然有效的部分。 我们正围绕开发者和企业客户带来的挑战构建这些能力。如果你的团队正在处理这类系统，请告诉我们接下来应该攻克哪些语言和工作流。 https://openai.com/index/low-resource-programming-languages/
MiniMax (X)AI 评分4242 MiniMax M3.1 Flash 限时免费开放
⌘ + 🐰 = 🚀 感谢 @CommandCodeAI！M3.1 Flash 限时对所有订阅用户免费。
OpenAI (X)AI 评分5858 OpenAI 称最新模型提升 COBOL、Fortran 等低资源语言软件开发与迁移能力
OpenAI 表示最新模型进展增强了在 COBOL、Fortran、Visual Basic 等低资源编程语言上构建和迁移软件的能力。这些语言支撑着银行、政府和企业依赖的系统，能力提升意味着模型能理解数十年的业务逻辑，帮助开发者现代化这些系统并保留仍然有效的部分。OpenAI 称正围绕开发者和企业客户提出的挑战构建这些能力，并征集团队反馈下一步应处理的语言和工作流。
MiniMax (X)AI 评分5858 MiniMax M3.1 Flash 上线 GMI 平台
MiniMax 宣布 M3.1 Flash（代号 Space Bunny）已在 GMI 平台上线，面向编码、智能体工作流和 computer use 场景。据 GMI 介绍，该模型将智能体任务成本降低 70%，在 DeepSWE v1.1 上得分 73.7%，在 CyberGym 上得分 82%。MiniMax 表示，GMI 在发布首日即完成部署，适合大规模运行智能体的用户使用。
MiniMax (X)AI 评分5858 MiniMax M3.1 Flash 在 Cline 免费上线
MiniMax 宣布 M3.1 Flash 已在 Cline 上线并免费开放，定位是长时间运行的智能体编码任务。MiniMax 称该模型在 Cline 首日即已就绪，用户可直接将其用于大型代码仓库；被引用的 Cline 内容称其编码能力与 Opus、GPT 相当，成本约低 25 倍，并称它就是近期使用量榜前列的隐身模型 Space Bunny。
MiniMax (X)AI 评分5050 MiniMax M3.1 Flash 上线 Ollama
来自 @ollama 的 Day0 支持 🦙🤝🐰 M3.1 Flash，美国托管，零数据留存，已为你的智能体准备就绪。开始构建吧！
GitHub Blog · AI & MLAI 评分3434 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续，对话、代码改动和工作上下文均保持不变。VS Code 会以该会话关联的 worktree 打开项目，并在 Copilot 侧边栏显示原会话，便于逐行审查 diff、手动编辑、本地运行测试，最后提交并推送到会话对应的 pull request。
OpenAI NewsAI 评分3737 OpenAI 提升 ChatGPT 对低资源编程语言的支持
OpenAI 正在改进 ChatGPT 在低资源编程语言上的表现，并新增了针对软件工程、SQLite 和 COBOL 迁移的评测。
MiniMax (X)精选AI 评分7878 MiniMax 发布 M3.1 Flash 模型，成本为 M3 的三分之一、速度提升 3 倍
MiniMax 发布 M3.1 Flash，官方称其在 Cowork（Automation-Bench 62%、ALE 30%）、编码（DeepSWE 74%）和视觉推理（BabyVision 91%）等任务上达到前沿水平，成本为 M3 的 1/3、速度为 3 倍。
推荐理由：官方给出 M3.1 Flash 在 Agent、编码与视觉推理基准上的分数和 API 定价，便于与 M3 直接比较成本与速度。
Lisan al Gaib (X)AI 评分2727 OpenAI API 现 aurora 系列模型
OpenAI API 里刚刚出现了这些： aurora-blue-alpha aurora-green-alpha aurora-red-alpha 今年早些时候 OpenRouter 上有一个叫 aurora-alpha 的模型，很可能是 GPT-5.3-Codex-Spark 所以这些也可能是专门的 codex 编程模型，或者是 GPT-6 系列模型的高速推理版本
Simon WillisonAI 评分4242 Addy Osmani 等谈 Claude Code 团队的代码审查方式
Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 在《How the Claude Code team does code review》中提出，"人是否读过代码"只是判断变更风险的粗略替代指标，更该问哪项检查能抓住问题。他们称代码审查已从 PR 末尾的关卡变成持续进行，多数变更在人工查看前已被 Claude 至少审查并修复过一次。
OpenAI Developers (X)AI 评分4242 OpenAI 工程师如何用 Codex 维护代码库
以下是我们 OpenAI 的工程师如何使用 Codex 深入我们的代码库、找出需要关注的地方，并逐步清理维护积压：
OpenAI Developers (X)AI 评分2020 OpenAI 工程师用 dot 处理凌晨告警
让你的 dot 随时待命。 OpenAI 工程师 Ali 用他的 dot 在凌晨 3 点分诊了一起值班告警事件。 他的 dot 调查了该问题并启动了一个 Codex 线程，这样他就能在 ChatGPT 应用里用手机来指导这项工作。
OpenAI NewsAI 评分2020 Benefit Street Partners 用 Codex 更快回答客户问题
Benefit Street Partners 的 Anant Kumar 借助 Codex 进行代码审查并加快后续跟进，从而更快回答客户问题。他用 Codex 构建了用于比较贷款估值和分析信贷协议的工具。
OpenAI Developers (X)AI 评分2222 OpenAI 上线 Codex 硬件项目社区站点
你可以直接用 Codex 动手做东西 我们做了一个网站，供你浏览社区里的硬件项目，也可以分享你自己的项目。
AI at Meta (X)精选AI 评分8080 Meta 发布开源权重模型 Muse Spark Open，816B 总参数、1M token 上下文
Meta 发布开源权重模型 Muse Spark Open，称其为目前美国最强的开源权重模型。该模型面向编码与智能体任务，主打长程任务、复杂软件工程和多步推理，规格为 816B 总参数、42B 激活参数、1M token 上下文窗口，原生支持文本、图像、视频和音频多模态。
推荐理由：Meta 公布开源权重模型的具体参数与多模态规格，可据此判断其长程编码与智能体任务的定位。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，通过 Gemini API、AI Studio、Antigravity 及 Gemini 应用向开发者、企业和订阅用户开放，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现，可据此判断前沿模型在长程任务中的实际边界。
OpenAI Developers (X)AI 评分1212 OpenAI 重新开放 Codex 大使申请
已经在向大家展示用 Codex 能构建什么了？Codex 大使的申请再次开放。 我们支持你举办聚会或分享你学到的东西： https://developers.openai.com/community/codex-ambassadors
OpenAI Developers (X)AI 评分2222 Codex 为 Pro 用户推出输入预测
现已进入 beta：Codex 面向 Pro 用户的 composer 预测。 Codex 现在可以根据你的对话内容以及你与它的交流方式，为你建议下一条消息。 这是我们内部测试过的最受欢迎的新功能之一。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出 AI 通用密钥检测模型，将推送保护扩展到无结构密钥
GitHub 发布基于 ModernBERT 的 AI 通用密钥检测模型，用代码上下文识别数据库密码等无固定格式的密钥，候选批次评估耗时不到 2 毫秒。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，包含 219 个来自 187 个开源仓库、覆盖 19 种语言的 PR，分布参照 1.039 亿个 GitHub PR。
GitHub Blog · AI & MLAI 评分2222 GitHub 博客：AI 正在改变开发者工作，值得强化的三项技能
GitHub 博客提出开发者应对 AI 工作流的三项技能：学会指挥 AI 智能体而非只使用工具，用第二个模型审查 AI 输出，并把省下的实现时间投入判断与决策。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明其用第二个模型审查计划、代码和测试。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布推出新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，后续再向开发者、企业和消费者推出。
推荐理由：官方披露了 Argon 的输出上限、定价与多项基准成绩，可据此判断前沿模型在长任务上的能力边界。
OpenAI (X)AI 评分5858 OpenAI 推出 Ultrafast 速度档位，Codex 生成提速最高 8 倍
OpenAI 推出付费速度档位 Ultrafast，在 Codex 中 token 生成最高提速 8 倍、达到 300 tokens per second，在 API 中最高提速 6 倍。该档位定位为高速度层级，具体开放范围与定价原文未说明。
OpenAI (X)AI 评分5858 OpenAI 升级 Codex Security Cloud，默认接入 Daybreak Blue 网络安全模型
OpenAI 宣布 Codex Security Cloud 迎来重大升级，默认包含通过 Daybreak Blue 访问具备网络安全能力的模型。该功能可扫描整个 GitHub 仓库、持续审查新提交、调查并去重发现的问题，并准备修复方案供审阅，即使笔记本关闭也能运行。它以插件形式在 Codex 桌面端和网页端提供。
AI at Meta (X)AI 评分6262 Meta 在 Muse Code 和 Meta Model API 上线 Muse Spark 1.3 max 推理档
Meta 宣布 Muse Spark 1.3 的 max 推理档已在 Muse Code 和 Meta Model API 上线。被引用的发布者称，该档位在编码和智能体任务上的表现明显更强，并建议即使已用过 Muse Spark 1.3 high 或 xhigh 也值得一试。
AI at Meta (X)AI 评分6262 Meta 发布 Muse Spark 1.3，提升智能体与编码任务表现
Meta 发布 Muse Spark 1.3，重点提升智能体与编码任务表现，并强调实际可用性。新版本可在单一线程中持续处理多个工作流的长程任务，会更主动地向用户提问澄清、在卡住时说明情况、在执行有后果的操作前先确认，并减少对自身能力边界的误判。官方内部对比显示，相比 Muse Spark 1.2，工具调用减少约 20%，token 消耗减少约 25%。
Andrej Karpathy (X)AI 评分4242 Karpathy 用 1M token 让 Opus 5 生成《指环王》3D 场景
Karpathy 给 Opus 5 输入《指环王》首段和 1M token 预算（约 $10），要求生成 three.js 渲染，模型运行约 2 小时写出 5500 行代码程序化渲染该故事，效果粗糙但可玩。
DeepSeek (X)精选AI 评分7878 DeepSeek-V4-Flash 官方 API 开启公测
DeepSeek 宣布 DeepSeek-V4-Flash 官方 API 进入公开测试。官方称其 Agent 能力大幅升级，基准分数已明显超过 V4-Pro-Preview，并原生支持 Responses API 格式、完成对 Codex 的适配，配置细节见官方 API 文档。
推荐理由：官方公布 V4-Flash API 公测，并给出 Agent 能力提升与 Codex 适配的配置入口。
Berkeley AI ResearchAI 评分3838 ABBEL：通过信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"并对其内容单独监督。在协作编程基准 CollabBench 上，该方法把与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也明显低于全上下文设置。
Andrej Karpathy (X)AI 评分3838 Karpathy 谈 LLM 新边界与智能体原生经济
Karpathy 在 Sequoia Ascent 2026 炉边对话中提出，LLM 的价值远不止加速现有编码工作，并给出三个新场景：完全由 LLM 承载、无需传统代码的 menugen 应用；用 .md 技能替代 .sh 安装脚本；以及传统代码无法实现、对非结构化知识做计算的 LLM 知识库。
Andrej Karpathy (X)AI 评分3636 Karpathy：AI 能力认知存在两大群体鸿沟
Karpathy 认为，对 AI 能力的理解正出现日益扩大的鸿沟。一部分人仍以去年免费版 ChatGPT 的幻觉和 Advanced Voice Mode 的失误来判断 AI，而今年 OpenAI Codex、Claude Code 等前沿智能体模型在编程等任务上已能连续工作 1 小时重构整个代码库。