Sakana AI 的日本仕様 LLM「Sakana Namazu」被医疗 AI 公司アイリス提供的医生用证据检索工具 Evidence Finder 采用，负责比较、整合文献并生成回答。采用 Evidence Finder 的评估模型在第 120 回医師国家試験中录得 96.4% 正解率，アイリス称这是 GENIAC 指定国産基盤モデル中公开可查的最高分。Namazu 通过独自的事后学习技术，在维持基座模型推理、知识与编码能力的同时强化了日语及日本文化业务语境的适应。
匹配字段摘要
强大的编码性能，在全球最知名、最易用的编码 harness 之一上限时免费。感谢 @opencode 提供 day0 支持！再免费畅玩一周！
匹配字段摘要
又一次发布，又一次与我们的合作伙伴 @kilocode 的 day0 精彩合作~ 编码愉快！
又一次发布，又一次与我们的合作伙伴 @kilocode 的 day0 精彩合作 编码愉快！
匹配字段摘要
Google Cloud 在 Gemini at Work 2026 上发布 Gemini agent，定位为面向工作的通用智能体。它可调用组织的业务上下文，覆盖知识工作、问答、内容创作和编码，能规划任务、使用技能与工具并连接客户的业务系统，把完成结果带回文档、收件箱和开发者环境。该智能体还会自动选择合适模型，内置成本控制，并提供企业客户所需的安全、管理与治理能力。
匹配字段摘要
Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，在编码、计算机操作和知识工作上较 Haiku 4.5 提升，运行成本平均降低约 75%，已在 Claude Platform、Claude Code 以及 AWS、Google Cloud、Microsoft Azure 上线。该模型面向摘要、分类、对话历史压缩、数据库查询等高频低成本任务，也可作为 Opus 5.5 或 Sonnet 5.5 的子智能体使用；上下文窗口从 20 万扩至 100 万 token，最大输出从 6.4 万增至 12.8 万 token，并首次在 Haiku 系列支持 effort 设置，默认 medium。评测方面，Terminal-Bench 4.0 得 39.2%（Haiku 4.5 为 0.0%，Sonnet 5.5 为 70.6%），OSWorld 2.1 离线评测得 72.4%（Haiku 4.5 为 15.7%，Sonnet 5.5 为 83.9%）。
匹配字段摘要
Liquid AI 发布 Open d1 系列两款开源权重多模态决策模型：d1-3B 读取文本与图像，d1-omni-600M 读取文本加图像或音频，两者都不生成文本，而是在一次前向传播中返回校准后的类型化答案，输出 token 数为 0。d1-3B 有 3.12B 参数，基于 LFM2.5-VL-3B，使用 400M SigLIP2 NaFlex 视觉编码器和 32,768 token 上下文；d1-omni-600M 有 587M 参数，基于 LFM2.5-Encoder-350M，音频编码器为 17 层 FastConformer，上下文 16,384 token，音频片段上限 30 秒。两个检查点已上 Hugging Face，可通过 Transformers 加载并支持 llama.cpp，LFM Open License v1.0 允许年收入低于 1000 万美元的免费商用；d1-3B 在 Decision Index v0.2.1 得 48.57，在 RTX 4090 上单问题延迟 8 ms。
匹配字段摘要
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，据 Anthropic 称这是 Claude 5.5 系列中速度最快、效率最高的模型，面向子智能体和高并发、成本敏感的任务，多数任务成本比 Claude Haiku 4.5 低约 75%。它是首个带 effort controls 的 Haiku 模型，可针对单个任务调节成本与智能的取舍，并支持智能体编码、多步工具调用和高分辨率图像。该模型可与 Claude Opus 5.5 搭配，由 Opus 5.5 负责规划与判断，Haiku 5.5 承担路由、分类、摘要和跨文件小改动等高频子智能体任务。
匹配字段摘要
微软发布 MAI-Code-1.1-Flash，相比 6 月 Build 大会推出的版本，token 效率提升 25%，成本降至四分之一，并已在 GitHub Copilot 中投入生产。该模型经 3-bit 量化后可在端侧运行，保留 256K 上下文窗口，在 SWE-Bench Verified 和 Terminal-Bench 2.1 上编码性能与全精度版本相当，本地调用不产生推理费用，官方建议设备内存超过 120GB。GitHub Copilot CLI 上 Terminal-Bench 2.1 提升 22%，.NET 任务提升 15%，代码存活率上升 4%，回访率增加 9%；本月底将在 GitHub Copilot 应用、CLI 和 VS Code 中开放实验性访问。
匹配字段摘要
LiquidAI 发布基于 LFM 的两款开源决策模型 d1-3B 和 d1-omni-600M，它们不生成 token，而是在单次前向传播中给出答案。d1-3B 基于 LFM2.5-VL-3B 训练，接受文本和图像输入，在七个公开数据集上平均得分 82.9，高于 Decider 4B；d1-omni-600M 基于双向编码器 LFM2.5-Encoder-350M，加入视觉和音频编码器，得分 78.4，超过 Decider 2B 的 77.1，参数量仅为其四分之一，目前处于早期研究发布阶段。与 NVIDIA 合作在 RTX 4090、Jetson AGX Thor、Jetson AGX Orin 64 GB 和 Jetson Orin Nano 上评测，d1-3B 在每台设备上回答单个问题均低于 50 ms，GPU 上低于 10 ms，处理 384px 图像低于 18 ms。两款模型均为开放权重，已在 Hugging Face 上线。
匹配字段摘要
微软研究院亚洲团队开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的同一套 agent harness 直接参与训练，无需在训练框架内重新实现智能体。框架包含 API Gateway、Rollout Controller 和基于 verl 的 Customized Trainer 三个核心组件，支持以标准 Kubernetes job 运行智能体，并引入 Collocated Async RL 让 rollout 与模型更新共用同一组 GPU，实验中相比同步 RL 取得约 2 倍端到端加速。在 SWE-smith、mini-SWE-agent 和 Qwen3.5-9B 上构建的端到端编码智能体流程，仅用约 6000 条训练样本就把 SWE-bench Verified 的 Pass@1 从 41.8% 提升到 56.4%，提升 14.6 个百分点。
匹配字段摘要
美国初创公司 Reflection AI 发布开源权重模型 Beam，采用 MoE 架构、5010 亿参数，面向编码、推理与智能体任务，训练数据为 23.8 万亿 token。Reflection 将其定位为对标智谱 GLM-5.2 的前沿开源权重模型，并获 Nvidia 8 亿美元股权投资及 GPU 支持。文章还提到 Mistral 于 10 月 6 日预览 1 万亿参数多模态模型 Mistral Large 4，称其计划月底发布权重。
匹配字段摘要
5/8) H3 的 BF16 权重总计 138 GiB，32 GB 的 RTX 5090 连 transformer 都装不下。 我们分别压缩了每个网络： - 文本编码器：62 → 15 GiB - Transformer：Blackwell 上用 NVFP4，4090 上用 FP8，Mac 上用 INT6 - 轻量 VAE 在所有设备上使用 INT8 权重
5/8) H3 的 BF16 权重总计 138 GiB，32 GB 的 RTX 5090 连 transformer 都装不下。 我们分别压缩了每个网络： - 文本编码器：62 → 15 GiB - Transformer：Blackwell 上用 NVFP4，4090 上用 FP8，Mac 上用 INT6 - 轻量 VAE 在所有设备上使用 INT8 权重
匹配字段摘要
Mistral AI 以公开预览形式发布 Mistral Large 4（内部代号 Le Chonk），这是一个 1.05 万亿总参数、每 token 激活 49B 的细粒度 MoE 模型，配备 1.6B 视觉编码器和 100 万 token 上下文窗口，在 Mistral 自有欧洲数据中心用 3800 块 NVIDIA Grace Blackwell GPU 从零训练。API 预览已上线，输入每 100 万 token 收费 1.36 美元、输出 4.18 美元，缓存输入 0.14 美元，但权重要到 10 月底才发布，暂时无法自行部署。Mistral 报告其在网络安全任务上表现突出，Cybench 得分 93%、CyberGym-E2E 得分 82%，并称部分闭源前沿模型因直接拒绝任务而接近零分。
匹配字段摘要
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构的 740M 参数开源多模态嵌入模型，可将文本、代码、图像、视频和音频嵌入同一个 768 维空间，采用 Apache 2.0 许可，权重已上线 Hugging Face 和 Kaggle，并提供 Ollama、llama.cpp GGUF 和 LiteRT 版本。模型采用模块化设计，文本与代码主干 270M、视觉编码器 170M、音频编码器 300M 均可选，上下文窗口 8192 token，是上一版的 4 倍。Google 研究团队称其在 MTEB Code 和 MAEB 的 1B 以下多模态嵌入模型中领先，代码检索从 68.76 提升到 78.68；量化后在 Pixel 11 Pro 上纯文本约占 191MB 内存，全多模态约 567MB。
匹配字段摘要
Gergely Orosz 在 LDX3 纽约工程领导力大会主题演讲中梳理了 2026 年科技行业的变化：几乎没人再手写代码，同时运行 5-10 个 AI 智能体已成常态，IDE 正在淡化；代码评审流于形式、质量与可靠性下降。Martin Fowler 称 AI 的冲击规模前所未有。下一步是云端编码智能体与 harness、工程师不再阅读代码，以及新型 AI 基础设施。
匹配字段摘要
Google DeepMind 发布 EmbeddingGemma 2，这是面向端侧的多模态嵌入模型，可将文本、图像、音频和视频映射到统一嵌入空间。模型基于 Gemma 4 架构，采用 Apache 2.0 许可，参数量 7.4 亿，文本任务最低 2.7 亿参数，可选视觉（1.7 亿）和音频（3 亿）编码器。它支持 8K token 上下文窗口，是 EmbeddingGemma 1 的 4 倍，可处理约 5.5 分钟音频、29 张图片或 58 帧视频；借助 MRL 可将输出向量从 768 维截断至 512、256 或 128 维，最多减少 6 倍存储占用。在 MTEB Code 上得分从 68.76 提升至 78.68，模型权重已在 Hugging Face 和 Kaggle 开放下载。
匹配字段摘要
微软在 9 月 30 日发布的 Visual Studio Code 1.140 中以研究预览形式加入 HydraFusion，通过编排多个 AI 厂商的模型来完成编码任务，以兼顾质量与成本。该功能会先用高效模型生成方案，再由另一模型家族独立评审并决定是否升级到更强模型；与 Copilot Auto 模式按请求自动选模型不同，它是在任务工作流中组合多个模型。HydraFusion 面向 Copilot Pro、Pro+、Business 和 Enterprise 用户，Business 与 Enterprise 需管理员启用预览功能。
匹配字段摘要
Mistral 发布一万亿参数的开源权重模型 Mistral Large 4，昵称 Le Chonk，目前处于预览阶段，最终版本将在本月底推出。该模型针对编码、网络防御以及制造、金融、电气工程等细分领域做了优化，Mistral 称其是能力最强的非中国开源权重模型，并称与部分闭源模型非常接近，且是从零训练而非蒸馏。Mistral 联合创始人兼首席科学家 Guillaume Lample 表示，关键不在于美国、欧洲还是中国，而在于企业是否自己拥有模型，使用闭源模型无法保证它明天还在。
匹配字段摘要
Reflection 发布 Beam，一个面向编码、智能体与科研的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月发布。团队称预训练用了 23.8T token，并在约 10,500 块 GB300 上各跑四周预训练与 RL，自报 SWE-bench Verified 得分 80.9。观察者认为 Beam 大致处于 GLM-5.2 水平，部分基准低于 DeepSeek V4 Flash。
匹配字段摘要
特朗普政府要求联邦文件以“超级智能（SI）”取代“人工智能（AI）”，并计划60天内提出其联邦法定定义。文章借此指出AI发展存在生产率悖论、波兰尼悖论和创新悖论：ICT行业快速扩张却未带动其他行业效率提升，AI仅能替代可编码的常规任务，巨头主导的自动化路线忽视中小企业与发展中国家需求。作者主张以开源模型、共享平台和公共资金推动“创新民主化”，并认为中国“人工智能+”行动推动AI与6大重点领域融合具有示范意义。
匹配字段摘要、正文