搜索
GAV：让偏微分方程编程智能体可验证实验的新环境
GAV是面向偏微分方程编程智能体的科学实验环境。生成器从仿真或测量数据学习连续参考解，并用人工制造解反向构造可验证问题，无需另做数值求解。验证器反馈精度与计算成本。数值纳维-斯托克斯任务上，三种既有智能体平均测试误差下降超过一个数量级。
6 分钟前动态RIPPLE用过程级策略学习缩小编程智能体纠偏缺口
RIPPLE针对长程编程智能体批评后仍沿错误轨迹的问题，提出过程级恢复训练：前缀教师提供证据化监督，蒸馏后用分阶段信用强化反思、诊断与纠正。四项仓库级基准算术平均提升4.8分，部署无需辅助评论器。代码、价格和国内可用性未知。
18 分钟前动态BELT用可复用信念表示实现大模型推理早停
推理大模型常在答对后仍继续生成，浪费算力甚至改错。BELT把答案信念预测与停止策略分开，用冻结隐状态训练探针，再以线性策略适配不同token成本。五项分布外数学基准上，Qwen3-1.7B与OLMo-3-7B-Think分别少生成约41%和51%的token且准确率不降，并迁移到编程与智能体任务。
34 分钟前动态TokenEconomizer用黑盒控制削减编程智能体重复token成本
TokenEconomizer用外部黑盒控制降低编程智能体在连续任务中的重复token成本，包括注入微技能、裁剪无关工具和中断失败循环。跨ClaudeCode、Codex与Copilot CLI，平均降本18.4%至30.9%且成功率相当；网页与安全审计降6.4%至21.2%。价格与国内可用性未知。
49 分钟前动态PrismaCoder发布9B与35B，以评分标准管线推进开源多模态代码智能
论文介绍PrismaForge：以可分解评分标准同时过滤多模态代码数据并作为强化学习奖励，据此构建最大开放数据集PrismaCoder-2M，并发布9B与35B模型。作者称其在图表、网页和半结构化文档上大幅领先开源模型，可媲美闭源系统。价格、国内可用性及细项参数未知。
50 分钟前动态讯飞轻量模型上线魔搭，增强端侧编程与工具使用
魔搭新增 Spark-X2.6-4B 模型资源，延续前代架构，通过后训练改善代码、智能体、长文本与多语言任务。模型卡提供开放权重和使用说明，适合研究端侧助手；资源可下载不意味着所有手机或电脑都能流畅运行。
50 分钟前动态DeepSeek开放搜索与抓取接口，支持智能体接入
DeepSeek于10月17日开放自研网页搜索能力，Search返回结构化检索结果，Fetch把单个网页转换为Markdown。两者复用DeepSeek API密钥，按有结果的成功请求计费，每1000次5元；空结果、失败及超时不收费。
50 分钟前动态DeepSeek更新Flash模型，提升编程与任务执行
DeepSeek在10月17日将V4.1 Flash升级到1017版本，网页、应用和API同步更新。调用名仍为deepseek-flash，价格不变；官方公布多项编程与视觉测试结果，并称任务时间及输出长度减少，建议同步升级配套Harness。
50 分钟前动态Claude团队公开代码审查流程，用验证结果分配人工注意力
Claude Code团队分享持续审查方式：在提交前运行测试、检查界面和引入独立上下文复核，再把人工注意力放到高影响问题。团队称合入量增加的同时回退比例下降；判断流程是否有效，需要同时观察返工、事故和人工等待。
50 分钟前动态Flint 开放编程智能体模型，提供本地服务套件
Flint 是约 398 亿总参数、每词元激活约 25 亿参数的混合专家模型，面向查代码、修复问题和多轮工具使用。仓库提供原精度权重与配套服务套件，采用 Apache 2.0 许可；部署示例需要高显存专业显卡，量化版本应另外核对资源与效果。
50 分钟前动态深度求索更新闪电模型，强化编码与视觉任务并缩短输出
DeepSeek-V4.1-Flash-1017 在此前版本上更新推理、编程、智能体和视觉能力，模型页同时强调更短输出与更快任务执行。仓库以 MIT 许可开放权重，并提供新的提示编码参考实现；接入时需注意没有直接附带常见的 Jinja 聊天模板。兼容性需单独验证。
50 分钟前文章2026 年 AI 编程工具选型：Claude Code、Codex、Cursor、国产工具，独立开发者该怎么选
我们的判断：如果今天从零开始，先用 TRAE 或 CodeBuddy 的免费版做完一个小工具；需要持续开发，再在 Kimi、Qoder CN、CodeBuddy 中选一个付费主力；已有成熟代码库、且满足海外服务的地区与支付条件，再比较 Claude Code 和 Codex。不要同时购买五个入门套餐，把时间花在搬运上下文上。 本文核验日为 **2026-10-24**。价格取自实际打开的官方页面
58 分钟前动态Unsloth发布DeepSeek-V4.1-Flash-1017 GGUF，编程与智能体基准提升
Unsloth发布DeepSeek-V4.1-Flash-1017的GGUF量化。该版本称在推理、编程、智能体与视觉基准上明显优于前代，并缩短任务耗时和输出长度。可用llama.cpp、Ollama等本地运行，内存门槛高；价格与国内可用性未知。
1 小时前动态Ornith-1.5-122B发布：面向单卡部署的自改进多模态MoE
Ornith-1.5-122B是1220亿参数混合专家多模态模型，在Ornith-1.0基础上把自改进从脚手架与采样扩展到任务生成、策略发现和强化学习。模型卡称其可在单张80GB显卡部署，并给出多项编程、推理与智能体基准。价格与国内可用性未知。
1 小时前动态Reflection发布开源MoE模型Beam：总参5013亿、激活234亿
Reflection发布开源模型Beam，稀疏MoE总参5013亿、激活234亿，上下文100万token，提供BF16、FP8、NVFP4。官方强调推理token约少至领先开源模型的三分之一，并给出编程、推理和工具调用成绩。Apache 2.0，知识截止2026年6月30日。国内可用性与价格未知。
1 小时前动态Unsloth发布Flint GGUF：398亿参数编程模型可本地加载
Unsloth上线Recursive编程模型Flint的GGUF量化包，总参数398亿、每词元约激活25亿，支持推理与多轮工具调用。官方给出Terminal-Bench 2.1为54.9%、SWE-bench Verified为74.2%。可本地运行，国内可用性与价格未知。
1 小时前动态MiniMax-M3.1-Flash发布：原生多模态MoE，上下文最长100万token
MiniMax发布原生多模态混合专家模型MiniMax-M3.1-Flash，总参数约4280亿、每token激活约230亿，支持文本、图像与视频输入及最长100万token上下文。它面向编程、智能体与计算机操作，并采用稀疏注意力、量化感知训练和DSpark推测解码。价格与国内可用性未知。
1 小时前动态Recursive发布编程智能体模型Flint，总参数398亿
Recursive发布编程智能体模型Flint，混合专家总参数398亿、每token约激活25亿，支持推理与多轮工具调用。官方自测Terminal-Bench 2.1为54.9%。BF16权重约80GB，建议单张B300或H200配合SGLang；价格与国内可用性未知。
1 小时前动态Spark-X2.6-4B发布：同架构后训练强化端侧智能体
XHToken发布Spark-X2.6-4B，架构与Spark-X2.5-4B相同，提升来自后训练。模型面向端侧，强化编程、智能体、长上下文、多语言和推理，并设无、低、高三档思考预算。资料称其在同尺寸开源模型中领先，部分可对齐约9B模型；价格与国内可用性未知。
1 小时前动态DeepSeek-V4.1-Flash-1017发布，推理编程与智能体表现提升
DeepSeek于2026年10月17日推出V4.1-Flash-1017小版本，称推理、编程、智能体和视觉能力提升，并缩短任务耗时与输出长度。上下文窗口为100万token，权重MIT开源。国内是否可用、调用价格均未知，本条未实测。
1 小时前