日期栏展示收录日期，历史补录归入原文日期。
Google DeepMind 发布前沿模型 Gemini 4 Argon，即日起通过 AI Studio、Gemini API、Google Antigravity 以及 Gemini 应用和 Search 的 AI Mode 面向开发者、企业和消费者开放，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体数据，可据此判断前沿模型在真实工作流中的落地程度。
原文发布
作者用同一张工单在无约束和有约束两种情况下运行编码智能体，裸跑只通过 8 项检查中的 1 项，加入约束文件后通过 8 项。
推荐理由：作者用同一张工单做对照实验，给出四类约束文件的分工与实测差异，可迁移到自己的仓库。
原文发布
Meta 发布 Muse Wonder 和 Muse Wonder Full，称其为目前能力最强的模型，面向编码、法律、金融等长时程智能体任务与计算机操作。
推荐理由：Meta 新模型 Muse Wonder 的基准、定价与接入步骤集中呈现，可对照 Claude 与 GPT 同档模型判断其定位。
Meta 发布 Muse Wonder 和 Muse Wonder Full，在 Artificial Analysis Intelligence Index v4.3 最高推理强度下分别得分 52 和 56，均高于 Muse Spark 1.3（max）的 48，距上次发布仅 6 周。
推荐理由：Artificial Analysis 的第三方评测给出两款新模型在智能体与编码任务上的具体分数和成本对比，可据此判断其定位。
Prime Intellect 将 Prime Agent 从 TypeScript 重写为 Rust，由 2000 多个智能体在两周内完成端到端重写，消耗超 2000 亿 token，运行在 10000 多个 Prime Sandboxes 上。
推荐理由：官方披露用 2000 多个智能体把 Prime Agent 从 TypeScript 重写为 Rust 的完整流程与性能数据，可看多智能体编排如何落地。
Claude Code 发布 v2.1.293，新增 Claude Haiku 5.5（claude-haiku-5-5）并成为 Anthropic API 上默认的 Haiku 模型，支持 1M 上下文，价格为每 Mtok $0.10/$0.50，超过 100K 的提示词为 $0.50/$2.50。
推荐理由：更新日志列出 Haiku 5.5 默认模型与多项 Agent、MCP 修复，可据此判断升级后的行为变化。
Reflection 发布首个开放权重模型 Beam，这是一个总参数 501B、激活 23B 的稀疏 MoE 模型，面向编码、推理和智能体任务。Beam 在 23.8 万亿 token 上预训练，并用 10.5K 块 NVIDIA GB300 GPU 进行了 4 周高算力 RL 训练，生成超过 1 亿次 rollout。
推荐理由：Reflection 公开 Beam 的 501B MoE 架构与高算力 RL 训练细节，可据此了解开放权重模型在编码与智能体方向的最新进展。
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Gemini 4 Argon 的定价、1M 输出上限与多项基准成绩，可据此判断前沿模型在长程工程与安全防御上的进展。
Factory 宣布 Automations 正式面向所有用户开放，用户描述重复性工作流并选择定时或事件触发后，由 Droid 执行到目标结果。每个自动化由触发条件、指令、模型和运行机器四部分组成，模型与推理级别可按任务配置，支持 BYOK 或 Factory Router，并可本地、自有机器或 Factory 托管的 Droid Computer 上运行。
推荐理由：Factory 公布 Automations 正式开放及企业使用数据，可了解智能体接管重复工程流程的落地方式。
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5，比 Sonnet 5 更智能、更高效且快 30%，每 token 价格不变，因完成任务所需 token 更少，多数工作成本最多降低 30%。
推荐理由：官方给出 Sonnet 5.5 的定价、迁移清单与调参建议，可据此判断是否替换现有 Sonnet 5 工作流。
Amp 宣布中等模式默认模型由 GPT-5.6 Sol 换成 Claude Opus 5.5，使用 ChatGPT 订阅并启用 ChatGPT Only 预设时仍固定为 GPT-5.6 Sol，可在 Tune Modes 中切换。
推荐理由：Amp 公布内部评测数据与切换方式，读者可据此判断 Opus 5.5 在编码智能体中的成本与可控性取舍。
Anthropic 的 Thariq Shihipar 在 Claude Developer Blog 上解释了 Claude Code 中 effort 档位的含义与用法，effort 近似于让模型在任务上投入多少算力，档位越高 Claude 会做更多独立判断和验证。
推荐理由：作者用 Terminal-Bench 3.0 数据与自测案例，说明不同 effort 档位适合的任务类型和验证强度。
Cursor 推出 Rollouts 和 Security Review 两个 bot，分别监控每次变更的部署健康状况、在每个 PR 中报告可被利用的缺陷，现已在团队版和企业版上线。
推荐理由：Cursor 把部署监控与安全审查做成两个 bot，读者可了解 AI 编码工具如何延伸到交付与安全环节。
Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，称其为面向编码与知识工作的先进模型。官方说明中未给出具体能力参数，仅指向博客文章获取更多信息。
Modem 发布博客系列第一篇，指出 Claude Code、Codex 等编码智能体主要靠 ripgrep 做文本搜索来导航代码库，因此代码中的命名和文件路径本身就是搜索词。
推荐理由：Modem 用自家 68 万行 AI 生成代码的实测数据，说明命名与类型如何影响智能体的检索成本与准确率。
OpenAI 发布 Auto-review 研究，用独立的 Codex 智能体在沙箱边界审批越界操作，替代用户逐次授权。内部部署中 Codex 会话需人工审批的频率比手动模式降低约 200 倍，Auto-review 对需审查操作批准约 99%，在提示注入合成评测中拒绝率 99.3%、过度主动场景 90.3%、MonitoringBench 困难集 96.1%。
推荐理由：OpenAI 公开 Auto-review 的内部部署数据与安全评测，可了解用独立智能体替代人工审批的取舍。
