Gemini 4 Carbon 预告发布，编码与网络安全能力增强
Gemini 4 Carbon 作为下一代前沿模型即将推出，在 Argon 基础上增强了编码和网络安全能力，定价保持 $2 输入 / $10 输出，在 AA v5 上得分 59。该模型目前正与可信合作伙伴测试，开发者访问将尽快开放。
匹配字段标题、摘要、正文
←搜索结果
搜索“编码”
Mistral 发布新版 Le Chonk 权重，主打智能体编码与网络安全
Mistral AI 发布新版 Le Chonk 的模型权重，称其在 Cognition 的 FrontierCode 上位列开放模型第一，并在 Artificial Analysis 的 Pareto 效率上创下新基准。该模型在网络安全防御方面被描述为达到 SOTA，并经过 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试。权重已在 Hugging Face 开放下载，可用 Mistral Forge 定制并自行部署。
匹配字段标题、正文
Google 发布 Gemini 4 Carbon，主打网络安全与编码能力
Google 于 10 月 28 日发布 Gemini 4 Carbon，称其为自家最强 AI 模型，重点提升网络安全与编码能力，可识别软件漏洞、评估安全风险并生成修复代码。该模型在 SEC-bench Pro 得分 88.2%、ExploitGym 得分 54.8%、CWE-bench 得分 71.0%，Google 称这些外部安全评测未加护栏。Carbon 建立在两周前发布的 Gemini 4 Argon 之上，初期仅向部分网络安全防御者及 Fairwind Program 可信伙伴开放，尚未公布公开访问日期；介绍期定价为每百万输入 token 2 美元、每百万输出 token 10 美元，之后涨至 4 美元和 20 美元。
匹配字段标题、摘要、正文
Mistral 开源 Mistral Large 4 权重，编码基准以 1 分领先 GLM-5.3
Mistral 于周四在 Hugging Face 发布前沿开源模型 Mistral Large 4（ML4）的权重，该模型三周前才开放预览。Mistral 称 ML4 是“全球最好的开源智能体编码模型”，在 Terminal-Bench 4.0 上得分 41%，略高于 GLM-5.3 的 40%，并称其每任务平均比 GLM-5.3 少用 47% 的 token；在 CyberGym E2E 防御性网络安全测试中得分 79%，GLM-5.3 为 29%。Mistral 科学副总裁 Pierre Stock 称 ML4 只是“垫脚石”，并确认未来数月将推出更小版本，其中一款可运行在笔记本电脑上。
匹配字段标题、摘要、正文
Google 发布 Gemini 4 Carbon，称编码与智能体任务显著提升
Google 在 Argon 发布两周后宣布下一代前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全防御上有显著提升。Carbon 在更新后的 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，在 WebDev Arena 上升 89 elo 至 1769 分排名第四。安全方面，Google 称 Carbon 将无依据论断较 Argon 减少约 2 倍，过度越界行为减少 26%、服务不足减少 29%。该模型将先于本周向网络安全防御者开放，随后面向开发者、企业和消费者推出。
匹配字段标题、摘要、正文
Mistral 发布 Mistral Large 4 权重，编码能力领先开源模型但整体落后中国模型
Mistral 将 Mistral Large 4 的权重发布到 Hugging Face，该模型昵称 Le Chonk，约 1 万亿参数、每步激活 520 亿，支持文本和图像输入。在 Terminal-Bench 4.0 上得分从预览版的 28% 升至 41%，略高于 GLM-5.3 的 40%，但在 Artificial Analysis 新版 Intelligence Index 上仅得 26 分，低于 DeepSeek V4.1 Flash 和 GLM-5.3 的 32 分。API 价格为每百万输入 token 0.70 美元、输出 2.10 美元，采用修改版 MIT 许可，将其作为商业云服务需另行授权。
匹配字段标题、正文
Mistral 称万亿参数开源模型 Le Chonk 在编码与网络安全上超越中国模型
Mistral 发布万亿参数开源权重模型 Le Chonk 的正式版本，称其是自动化编码和网络安全领域全球最好的开源权重模型，可免费获取。Mistral 科学副总裁 Pierre Stock 表示，该模型通过不断加难的网络安全与编码问题训练，得以追平或超过 DeepSeek、Z.ai 等中国实验室的模型。Stock 同时强调西方需要自己的先进开源权重模型，因为闭源模型可被远程关停，而开源权重一旦发布便无法切断访问。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 4 Carbon，主打网络安全防御与编码
Google DeepMind 推出 Gemini 4 Carbon，称其为面向长周期智能体编码和网络安全防御的前沿模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。该模型在 GraphWalks 长上下文测试中取得 96.2%，在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别为 88.2%、54.8% 和 71.0%，但在 OSWorld-2.1 上以 81.5% 落后于 Claude Opus 5.5 的 87.2%。目前 Carbon 仅向经过审核的网络安全防御方开放，定价为每百万 token 输入 2 美元、输出 10 美元的引入价，后续为 4 美元和 20 美元，开发者和公众的开放时间未公布。
匹配字段标题、摘要、正文
Recursive 首个开源模型 Flint 上线 OpenRouter，40B MoE 专为编码智能体打造
Recursive 的首个模型 Flint 已上线 OpenRouter，这是一个开放权重的 40B MoE 模型（约 2.5B 激活参数），由该公司的自动研究系统 Eureka Machine 打造，面向编码智能体，支持 262K 上下文、推理和工具调用。Recursive 报告其在 Terminal-Bench 2.1 上得分 54.9%，SWE-bench Pro v2 上 89.7%，SWE-bench Verified 上 74.2%，上线期间免费使用。
匹配字段标题、摘要、正文
Recursive 发布 40B MoE 编码模型 Flint，MacBook Pro 上 125+ tokens/s
Recursive 发布首个模型 Flint，这是一个 40B 混合专家编码模型，采用 Apache 2.0 许可，权重已在 Hugging Face 开放，由自动化研究系统 Eureka Machine 在不到 4 个月内从零构建。Flint 在 MacBook Pro 上以 125+ tokens/s 生成代码，在 RTX Spark 上达到 150+ tokens/s。在 48GB MacBook 上，它的平均质量约 81%，对比 Qwen3.8 27B 的约 85%，但在 128K token 长会话中速度约为后者的 7 倍。
匹配字段标题、摘要、正文
Recursive 发布笔记本端编码模型 Flint，称主要由 AI 参与构建
AI 初创公司 Recursive 发布首个模型 Flint，这是一个可在笔记本上离线运行、以 Apache 2.0 许可在 Hugging Face 免费下载的编码模型，公司称其研发过程主要由自研的 Eureka Machine 参与完成。Flint 是 MoE 模型，40B 参数中每次仅激活 2.5B，在搭载 M4 Pro 的 MacBook Pro 上生成速度约 131 tokens/秒，在 SWE-Bench Verified 上表现优于其他 50B 参数以下的模型。Recursive 表示 Flint 比大型付费编码助手需要更多引导，建议把大任务拆成小步骤。
匹配字段标题、摘要、正文
Recursive 发布开源编码模型 Flint，称开发流程大部分由 AI 完成
Recursive 发布首个开源权重编码模型 Flint，参数规模 40B，CEO Richard Socher 称模型管线几乎所有环节都由其 Eureka Machine 系统完成，包括新的基座训练方式、模型架构和针对特定芯片优化的代码。WIRED 作者在 48GB 内存的 Mac 上实测，用它搭建命令行待办、网页研究抓取程序和 RSI 科普网站，认为其速度和准确度优于同尺寸模型。Recursive 已从 Google Ventures、Greycroft、Nvidia 和 AMD Ventures 融资 6.5 亿美元，估值 46.5 亿美元。
匹配字段标题、摘要、正文
Meta 开放 816B 参数模型 Muse Spark Open，面向编码与智能体任务
Meta 发布 Muse Spark Open 的开放权重，该模型自 4 月首发以来一直闭源，此次面向编码和长时间运行的智能体任务开放。模型总参数 816B，每个 token 仅激活 42B，提示词可混合文本、图像、音频或视频，上下文窗口最高 100 万 token。在 Meta 自己的基准表中，Muse Spark Open 在 JobBench 智能体测试得 61.8 分，高于 Thinking Machines Lab 的 Inkling（31.1）和 Nvidia Nemotron 3 Ultra（27.2）；编码测试 Terminal-Bench 2.1 得 76.4，低于 Kimi K3 的 85、GLM 5.3 和 Qwen3.8；工具调用 MCP-Atlas 得 89.2，高于 Meta 列出的所有对手。权重采用新的 Muse Model License，开发者适配或内置到自有软件中不收费，但将其作为托管服务出售且 12 个月总收入超过 2000 万美元的公司需另签协议，产品需标注 Built with Muse Spark Open，禁止军事和关键基础设施用途。发布时有 7 家推理服务商提供托管访问，权重可从 Hugging Face 及 AWS、Google、Microsoft 的模型目录下载。
匹配字段标题、摘要
Meta 开源 Muse Spark Open：816B 参数编码智能体模型
Meta 发布 Muse Spark Open 的模型权重，这是一个 816B 参数、推理时激活 42.7B 的开源权重全模态 MoE 模型，与 Muse Code 联合训练，面向编码智能体工作流，支持 1M token 上下文和文本、图像、视频、音频输入。它采用压缩 MoE 块和全局/局部混合注意力，在 128K 上下文下把 KV cache 内存降低约 3.7 倍。Baseten 已在其 Model APIs 和 Dedicated Inference 上以 NVFP4 提供该模型，权重体积从约 1.6 TB 降至 540 GB，可运行在单台 4×GB300 节点上。
匹配字段标题、摘要
Meta 发布 Muse Spark Open：816B MoE 编码模型，1M token 上下文
Meta 发布编码优化的 816B MoE 模型 Muse Spark Open，每 token 激活 42B 参数，通过 256 个专家中 top-8 路由，支持 1M token 上下文窗口。该模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上训练，面向智能体编码工作流，具备工具调用、子智能体协调与计算机使用能力，并通过 1.8B 感知编码器原生处理交错的文本、图像、视频帧和音频。Meta 生成的 NVFP4 检查点已针对 Blackwell Ultra 优化，权重可从 Hugging Face 下载，NVIDIA 同时提供 NIM 部署方案。
匹配字段标题、摘要
Google 发布 Gemini 4 Argon，面向编码、数学与机器人
Google 发布 Gemini 4 Argon，并称已在内部用于软件工程、网络安全与研究。据其博客，Gemini 4 被用于优化 Python 代码库、发现并修补安全漏洞，还让开源 Gemma 模型的任务速度提升三倍，并参与机器人研究，帮助人形设备理解现实物理环境。Google 表示 Gemini 4 通过了白宫新模型自愿审查流程中的安全框架检查。
匹配字段标题
Reflection 发布首个开放权重模型 Beam：501B 参数 MoE，主打编码与智能体
Reflection 发布首个开放权重模型 Beam，采用稀疏 MoE 架构，总参数 501B、激活 23B，面向编码、推理和智能体任务。该模型在 23.8 万亿 token 上预训练，并用 10.5K NVIDIA GB300 GPU 进行四周高算力 RL，生成超 1 亿条 rollout。Reflection 表示 Beam 在编码和智能体任务上可与 GLM 5.2 竞争、接近 Qwen 3.8-Max，优势在于推理效率，本月将以 Apache 2.0 协议发布权重、技术报告和模型卡。
匹配字段标题、摘要
月之暗面开源 Kimi K2.6，主打长程编码与 Agent Swarm
月之暗面开源最新模型 Kimi K2.6，具备编码、长程执行和 Agent Swarm 能力，已上线 Kimi.com、Kimi App、API 和 Kimi Code。官方称其在长程编码任务上较 K2.5 明显提升，例如在 Mac 上用 Zig 实现并优化 Qwen3.5-0.8B 推理，经 4000+ 次工具调用、超 12 小时连续执行和 14 轮迭代，吞吐从约 15 tokens/sec 提升到约 193 tokens/sec。Agent Swarm 架构从 K2.5 的 100 个子智能体和 1500 步扩展到 300 个子智能体、4000 步并发执行，并新增 Claw Groups 研究预览。
匹配字段标题、摘要
JetBrains 发布 Mellum2.1：面向编码智能体的 12B MoE 开源模型
JetBrains 发布 Mellum2.1，一个面向编码智能体与快速子智能体的 12B MoE 思考模型，每 token 激活 2.5B 参数，以 Apache 2.0 许可在 Hugging Face 上发布。架构与 Mellum2 相同，升级几乎全部来自真实软件环境中的强化学习，模型可自行探索仓库、编辑文件并检查改动。基准上 SWE-bench Verified 从 2.0 升至 47.0，LiveCodeBench v6 得 82.0，但 SWE-bench Pro、GPQA Diamond 和 AIME 仍落后于 Qwen3.5-9B；GGUF 量化版本从 7.0 GB 起，可在 llama.cpp、Ollama 和 LM Studio 本地运行。
匹配字段标题、摘要
Reflection 发布首款开放权重模型 Beam，主打低算力编码与推理
AI 公司 Reflection 发布首款免费开放模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。Reflection 称 Beam 在推理任务上可匹配 GLM 5.2，算力消耗仅为后者的三分之一到四分之一，并已用 10500 块 Nvidia GB300 GPU 进行超过四周的强化学习训练。模型权重将以 Apache 2.0 许可在本月晚些时候发布，目前早期版本仅向部分用户开放。
匹配字段标题、摘要