估值 250 亿美元的 Reflection AI 发布首款开源权重模型 Beam，面向编码与智能体任务，公司称其以远低于中国实验室 Z.ai GLM-5.2 的算力达到相近的推理和编码成绩。Reflection 计划本月以 Apache 2.0 许可证放出 Beam 权重，允许企业自行定制和部署，并已在韩国测试由对冲基金或政府用自有芯片和私有数据运行 Beam 的 AI 工厂模式。在自家测试中 Beam 仍落后于 Moonshot 的 Kimi K3，但优于 Thinking Machines 的 Inkling 等美国开源系统。
匹配字段标题、摘要
Reflection AI 发布首款开源权重模型 Beam，采用稀疏 MoE 架构，总参数 501B、每 token 激活 23B，面向编码、推理与智能体工作负载。该模型预训练使用 23.8 万亿 token，在 6,144 块 NVIDIA GB300 NVL72 GPU 上不到 4 周完成，中训练将有效上下文扩展至 1M token；强化学习阶段用 10.5K 块 GB300 GPU 运行 4 周，生成超 1 亿次 rollout。Reflection 报告 Beam 在 SWE-bench Verified 得分 80.9、Terminal Bench v2.1 得分 80.1，目前处于最终红队测试阶段，通过 Reflection 平台候补名单提供早期访问，Apache 2.0 权重计划于本月晚些时候发布。
匹配字段标题、摘要
谷歌发布其最强 AI 模型的新版本 Gemini 4 Argon，称其在代码编写、企业业务、数理科学和网络安全的行业基准测试中达到顶尖水平，表现达到甚至超越 Anthropic 与 OpenAI。该模型的上下文窗口规模提升至原来的 16 倍，正通过顺风计划向部分企业与政府机构开放，用于识别并修复网络安全漏洞。谷歌还表示该模型对提示注入的抵御能力更强，并新增防止智能体脱离测试环境的安全防护机制。
匹配字段标题
OpenAI 本周发布 GPT-6.1 Sol，定位 GPT-6 家族中端模型，在智能体编码、电脑操作和专业工作上接近 GPT-6 Astra 的表现，标准输入输出价格为 Astra 的五分之一，缓存输入降至每百万 token 0.10 美元，比 GPT-6 Sol 低 50%。该模型已在 OpenAI API 以 gpt-6.1-sol 上线，并接入 ChatGPT Work 和 Codex。OpenAI 还计划数日内在 Codex 推出 GPT-6.1 Sol Ultrafast 选项，称 token 生成速度最高可达标准速度的 8 倍。
匹配字段标题、摘要
xAI 发布 Grok 4.7，称其为面向编码与知识工作最强的模型，速度是同类模型的两倍、价格为其一半。该模型采用更大的基座模型，并用更长的强化学习训练，侧重需要数小时完成的任务，自检与长上下文管理能力更强，同时原生理解 Grok Bot harness。安全方面采用全新防护栈，在 LatchBio 生物安全基准上达到 62.4%，HackerBench v0.3 上仅放行 3.3% 的高风险双用途提示。Grok 4.7 已在 Cursor 和 Grok Build 上线，并通过 Grok API、第三方编码 harness、模型路由器和云平台提供，定价为每百万输入 token 2 美元、每百万输出 token 6 美元，另有输出速度翻倍、价格翻倍的快速版本。
匹配字段标题、摘要
DeepSeek 本周发布并开源 DeepSeek-V4.1-Flash，这是一个 552B 参数、8B 激活参数用于 prefill、16B 用于 decode 的多模态 MoE 模型，支持 1M token 上下文窗口，已上线 HuggingFace 与 Baseten Model APIs。它采用 Causal Encoder-Decoder 架构，prefill 只跑 20 层编码器，decode 跑完整模型，官方称全局 KV cache 内存仅为 V4-Flash 的四分之一。在编码与智能体基准上，V4.1-Flash 以约三分之一的总参数量超过 V4-Pro，长程智能体任务提升达两位数，但 Automation-Bench 得分 54.8，复杂工作流仍有约一半失败。
匹配字段标题、摘要
Cognition 发布编码模型 SWE-2，在 FrontierCode 1.1 Main 上得分 50.0%，比 Fable 5.1 低不到 1 分而成本便宜 64%。SWE-2 基于 2.8T 参数的 Kimi K33 后训练，首次把 RL 扩展到数万亿参数规模，并用单次 RL 训练覆盖全部推理档位。该模型即日起在 Devin Desktop 和 CLI 上线，随后在 Devin Web 和 Fusion 推出。
匹配字段标题、摘要
Meta 发布 Muse Spark 1.3，在智能体与编码任务上性能提升，并聚焦真实场景可用性。该版本可在单线程中跨多个工作流维持更长周期的任务，会更主动地向用户提问、在卡住时说明并确认后再执行关键操作，对自身能力边界的判断也更准确。Meta 内部对比显示，相比 Muse Spark 1.2，其工具调用减少约 20%、token 消耗减少约 25%。Muse Spark 1.3 今日起在 Muse Code 和 Meta Model API 上线，max reasoning 将在完成安全测试后推出。
匹配字段标题、摘要
ClaudeDevs 表示 Fable 5.1 在其智能体编码与计算机使用评测中均领先 Fable 5 和 Opus 5。在 Claude Code 的 Terminal-Bench 4.0 上，Fable 5.1 得分 55.8%，Fable 5 为 42%，Opus 5 为 52.3%。Lydia Hallie 转发了这一消息并称今天是 Fable 5.1 发布日。
匹配字段标题、摘要
Google AI Developers 宣布推出 Gemini 3.7 Flash，称其为面向编码和智能体任务的最智能主力模型，在指令遵循、一次通过代码准确率和智能体任务执行质量上有所提升。官方展示了该模型在 Antigravity 中用 Three.js 构建复杂 3D 网页游戏的过程，涵盖 3D 引擎逻辑、用 Nano Banana 生成 PBR 材质与精灵图、以及程序化音效集成。推文附有了解更多信息的链接。
匹配字段标题、摘要
Google 发布 Gemini 3.7 Flash，称其为面向编码和智能体任务的最智能主力模型，具备更高的指令遵循、一次通过代码准确率以及智能体任务的高质量执行能力。官方展示了该模型在 antigravity 中构建复杂 3D 网页游戏的过程，涵盖 Three.js 样板代码、相机移动与碰撞检测的 3D 引擎逻辑，使用 Nano Banana 生成 PBR 纹理材质、自定义 sprite sheet 与粒子效果的素材编排，以及通过自定义音频技能集成程序化音效。
匹配字段标题、摘要
Google DeepMind 发布 Gemini 3.7 Flash，在软件工程、网页开发和知识工作方面带来较大升级。Demis Hassabis 补充称，该版本的首发价格为原 3.6 Flash 的一半。
匹配字段标题
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和智能体最强的主力模型，距 Gemini 3.6 Flash 发布仅三周。该模型在 FrontierCode 1.1 Main 上得分 43.6%（3.6 Flash 为 34.4%），DeepSWE v1.1 为 65.3%（3.6 Flash 为 49.0%），WebDev Arena Elo 为 1588 对 1538，GDP.pdf 为 34.0% 对 22.0%，AutomationBench 为 30.4% 对 17.0%。年底前入门价为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元，为 3.6 Flash 原价的一半，并随附针对 CBRN 与网络攻击滥用的更新防护措施。
匹配字段标题、摘要
Qwen 发布 Qwen3.8-Max，官方称其在编码与协作场景树立新标杆，模型名为 qwen3.8-max。该模型支持 enable_thinking 与 xhigh、medium、low 三档 reasoning_effort，上下文窗口为 1000000，并支持并行工具调用与文本、图像输入。官方同时给出 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等编码助手的接入配置，其中 Qwen API 兼容 Anthropic API 协议与 OpenAI Responses 协议。
匹配字段标题、摘要
Poolside 发布 Laguna S 2.1，这是一个可在终端或开发环境中自主规划、改文件、跑代码并持续数小时的智能体编码模型，采用 MoE 架构，1180 亿参数、每 token 约 80 亿激活，支持最多 100 万 token 上下文，量化后可跑在单台 NVIDIA DGX Spark 上。在 Poolside 自家 harness 中，开启思考模式的 Laguna S 2.1 在 Terminal-Bench 2.1 上得分 70.2%，权重以 OpenMDW-1.1 许可发布在 Hugging Face，最终评测轨迹（含失败案例）也已公开。公司同时上线 macOS 桌面应用 Poolside Desktop Assistant，基于 Agent Client Protocol，可在同一窗口运行 Claude Code、Codex、Gemini 等智能体，本地模型通过 MLX 离线运行。
匹配字段标题、摘要
Liquid AI 发布两款双向编码器 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，基于 LFM2 混合架构，支持 8,192 token 上下文，已在 Hugging Face 开放权重。官方称在分类、自然语言理解和 token 级任务上可微调，350M 在 14 个模型 17 项任务中排名第四，230M 超过 ModernBERT-base 和所有 EuroBERT。CPU 上 8,192 token 单次前向约 28 秒，约为 ModernBERT-base 的 3.7 倍速度，评测框架已在 GitHub 开源。
匹配字段标题、摘要
xAI 发布 Grok 4.5，称其为最强模型，专为编码、智能体任务和知识工作打造，并与 Cursor 联合训练。在 Datacurve 的 DeepSWE 基准上，Grok 4.5 得分 62.0%，高于 Opus 4.8 的 55.75%，低于 Fable 的 66.1% 和 GPT 5.5 的 64.31%。模型在数万块 NVIDIA GB300 GPU 上训练，推理速度 80 TPS，定价为每百万输入 token 2 美元、每百万输出 token 6 美元，并已成为 Grok Build 的默认模型。
匹配字段标题、摘要
Cohere 开源发布其首款智能体编码模型 North Mini Code，采用 MoE 架构，拥有 30B 总参数、3B 激活参数，并使用 Apache 2.0 许可证。Cohere 测试显示，其输出吞吐量最高为 Devstral Small 2 的 2.8x，inter-token latency 优势为 30%，Artificial Analysis Coding Index 得分为 33.4。模型权重已在 Hugging Face 提供 bf16、fp8 和 w4a16 版本，也可通过 OpenRouter、Model Vault 或 Cohere API 使用。
匹配字段标题、摘要
微软 AI 发布七款自研 MAI 模型，覆盖图像、语音、转录、编码与推理，包括旗舰推理模型 MAI-Thinking-1、面向 GitHub Copilot 的 MAI-Code-1-Flash、MAI-Image-2.5、MAI Transcribe-1.5 和 MAI-Voice-2。MAI-Thinking-1 在盲测人工对比中优于 Sonnet 4.6，MAI Transcribe-1.5 支持 43 种语言且速度是竞品的五倍，MAI-Image-2.5 的 Arena 分数超过 Nano Banana Pro。模型将在 Foundry、OpenRouter、Fireworks 和 Baseten 上提供，开发者首次可以自行微调模型权重；微软同时宣布与 Mayo Clinic 合作共建医疗前沿模型。
匹配字段标题、摘要
微软发布编码模型 MAI-Code-1-Flash，基于自有企业级数据从头训练，未使用第三方模型蒸馏，正面向 VS Code 中的 GitHub Copilot 个人用户推送，出现在模型选择器和默认 Auto 选择器中。该模型针对 GitHub Copilot 生产环境训练，支持智能体编码和自适应思考，官方称在 SWE-Bench Verified、SWE-Bench Pro、SWE-Bench Multilingual 和 Terminal Bench 2 上均超过 Claude Haiku 4.5，其中 SWE-Bench Pro 为 51.2% 对 35.2%，并在 SWE-Bench Verified 上以最多减少 60% token 解决更难问题。
匹配字段标题、摘要