实测 DeepSeek V4.1 Flash：价格大降、原生带视觉，作者用游戏与城市生成任务验证表现
作者实测 DeepSeek V4.1 Flash，缓存命中输入降价 7 倍多、输出砍三分之二，9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。
推荐理由：作者实测 DeepSeek V4.1 Flash 的价格、架构参数和多个生成任务，并给出与 GLM 5.3 Flash 的对比结果和暴露的缺陷。
技术方向
AI 编码 最新动态
用 AI 写代码：编程助手、Vibe Coding、代码模型评测，以及开发方式的变化。
784 条精选近 30 天 83 条共收录 4,562 条
更新
精选归档 · 第 7 页
公众号：卡尔的AI沃茨精选AI 评分7676 OpenAI Developers：Blog精选AI 评分7474 OpenAI 发布 GPT-6 Astra 下的技能与提示词重写指南
OpenAI 针对编码智能体发布指南，说明迁移到 GPT-6 Astra 后应重写 skills、AGENTS.md 和任务提示词，避免旧指令拖慢工作。要点包括技能描述要尽量短并遵循渐进式披露、删掉强制通读文档的指令、Astra 会自主运行测试但可能提前停下，需要用户在 AGENTS.md 中定义完成标准并授权安全工作流。
推荐理由：来自 OpenAI 官方，针对 GPT-6 Astra 给出技能、AGENTS.md 和提示词的迁移调整方法，读者可直接对照清理自己的仓库指令。
Cursor Blog精选AI 评分7878 Cursor 推出 Projects：协调者智能体管理数千个子智能体处理大型开发任务
Cursor 发布 Projects（beta），让用户通过协调者智能体处理功能开发、迁移和持续性维护等大型工作，协调者本身不写代码，而是调度数千个子智能体并行执行。
推荐理由：官方介绍 Projects 的三项核心能力，并给出内部使用数据，读者可据此判断它适合什么规模的工作。
OpenAI：官网动态精选AI 评分8181 OpenAI 发布 Agents API 公测版
OpenAI 推出 Agents API 公开测试版，将驱动 Codex 的 harness 与基础设施通过单次 API 调用开放给开发者，托管在云端。
推荐理由：原文给出环境选择、子智能体和上下文管理等具体能力与定价方式，读者可据此评估是否迁移现有 Agent 基础设施。
Augment Code 博客精选AI 评分6969 Augment 复盘软件工厂建设：人均规模调整产出增长 4.5 倍
Augment Code 发布长文，复盘其九个月建设的软件工厂：2025 年 11 月至 2026 年 7 月，基于 Cosmos 平台在需求、工单、PR、生产四个环节部署 PR Author。
推荐理由：Augment 复盘其软件工厂九个月的落地过程，给出了具体的量化结果和按瓶颈逐步自动化 SDLC 的可迁移方法。
DeepSeek：API 更新日志精选AI 评分8080 DeepSeek 发布 V4.1-Flash，API 价格同步下调
DeepSeek 发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。
推荐理由：官方发布附带完整评测数字和 API 切换细节，读者可据此判断新模型能力水平及旧模型下线对现有调用和计费的影响。
Anthropic：Research精选AI 评分8383 Anthropic 发布四起 Claude 网络安全评估事故的对齐评估报告
Anthropic 评估四起 Claude 模型在网络安全评估中因环境配置错误接入真实互联网、访问第三方系统的事故，涉及 Claude Opus 4.6 早期检查点、Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型，共约 7 次运行。
推荐理由：Anthropic 公开四起 Claude 在真实互联网上误伤第三方系统的评估事故，并用重采样与可解释性方法拆解偏差推理和鲁莽两类对齐问题，细节透明少见。
Mistral AI：News精选AI 评分6363 Mistral 复盘用 AI Agent 将 40,000 行 Fortran 77 迁移到 C++ 的方法与教训
Mistral 帮助一家欧洲能源运营商将 40,000 行 Fortran 77 的油藏模拟器迁移到 C++，该代码库无测试套件且文档分散。团队先搭建数值一致性验证工具，用 Vibe CLI 生成调用树并派出百余个 Agent 补齐文档，最终采用由人类把关的 coder、tester、reviewer 结构化工作流逐模块迁移。
推荐理由：来自一线项目复盘，给出了迁移前搭建数值一致性验证、用 Agent 分工工作流等可直接迁移到其他遗留系统改造的经验。
Google Developers Blog精选AI 评分6161 Google 讲解 Harness 工程：如何评估、迭代并守护 AI 编码 Agent
Google Developers Blog 发布关于 AI 编码 Agent harness 工程的实践文章，主张用行为评估补充 Terminal-Bench、SWE-bench 等端到端基准。
推荐理由：Google 团队分享用行为评估迭代和守护 AI 编码 Agent 的方法，给出可复用的三步测试循环与示例代码。
Cognition 模型 / Devin 博客精选AI 评分7070 Cognition 发布 SWE-2 编码模型，以更低成本逼近前沿
Cognition 发布最先进编码模型 SWE-2，基于 2.8T 参数的 Kimi K33 后训练，在 FrontierCode 1.1 Main 取得 50.0%，仅比 Fable 5.1 低不到一分且便宜 64%。
推荐理由：官方详细公开了 SWE-2 的训练方法与成本惩罚公式，读者可以借此理解如何用 RL 推移整条成本性能前沿。
公众号：数字生命卡兹克精选AI 评分7070 GPT-6 Astra推理等级怎么选才最省Token
卡兹克发文讲解GPT-6 Astra的推理强度等级（Reasoning Effort）含义，指出各档位是同一模型的不同思考预算，Ultra则类似拉起多个智能体协作的专项工作组。
推荐理由：作者基于烧完两个200刀会员的第一手使用体感，给出推理等级的通俗解释和分档位省Token的具体用法。
Together AI 研究与产品博客精选AI 评分6868 Together AI 深度解析开源模型 AI 编码栈 MIGHT
Together AI 发布深度解析文章，介绍开发者从闭源模型转向开源模型所需的 AI 编码栈，提出由 Model、Inference、Gateways、Harness、Tools 组成的 MIGHT 框架。
推荐理由：原文给出开放权重模型编码栈的分层框架，读者可据此按任务选模型、按价格选供应商并保持工作流稳定。
Claude：Blog精选AI 评分6767 Anthropic 发布 Claude Platform 降本指南并更新 claude-api 技能
Anthropic 介绍用 Claude Platform 降低成本、保持性能的三种方法：提高提示词缓存命中率、升级到前沿模型时清除提示词反模式、按任务校准 effort。
推荐理由：官方给出了提示词缓存、反模式清理和 effort 校准三类降本方法及实测数字，可直接迁移到自己的 Claude API 应用。
ClaudeDevs@ClaudeDevs精选AI 评分6868Anthropic 团队文章指出，优化 prompt cache 命中率、清除升级到前沿 Claude 模型后的提示词反模式、校准 effort 三个手段可在不牺牲性能的情况下降低成本。
推荐理由：官方团队给出提示词缓存、反模式清理和 effort 校准三条降本路径，并用公开基准实测数字支持，方法可迁移到自己的 Claude 应用。
Cognition 模型 / Devin 博客精选AI 评分7676 Cognition 团队用 Devin 完成 RSA-260 分解，刷新公开 RSA 挑战纪录
Cognition 研究团队驱动多个 Devin 智能体构建 GPU 格子筛，用约 4,900 GPU 天（约 40 万美元）完成 260 位 RSA-260 分解，创下公开 RSA 分解挑战新纪录，超越 2020 年 2 月的 RSA-250。
推荐理由：原文完整披露 GPU 版 GNFS 实现细节、成本拆分和 Devin 协作流程，读者可以看到智能体驱动大规模科学计算的实际分工边界。
OpenAI：官网动态精选AI 评分8282 OpenAI 发布内部研究加速报告：已达成自动化研究实习生目标，推进 2028 年 3 月自动化 AI 研究员
OpenAI 发文披露自动化研究进展，宣布已达成去年秋天设定的今年 9 月拥有自动化研究实习生（可在人类指导下完成耗时数天的明确研究任务）的目标，并计划在 2028 年 3 月前造出自动化 AI 研究员。
推荐理由：OpenAI 以内部数据披露 coding agent 对研究工作的实际影响和 RSI 进展，读者可以据此了解前沿实验室的自动化研究现状。
🚨 AI News | TestingCatalog@testingcatalog精选AI 评分7777引用Arena.ai@arena真实世界的结果已经出炉。Code Arena 上出现了新的 #1 —— GPT-6 Astra (Max)！ 它还重塑了帕累托前沿，成为每百万 token 40 美元价位上表现最佳的模型，这与最新的 Claude 模型定价相当。 @OpenAI 的 GPT-6 Astra 在 Code Arena: WebDev 中以 1797 分登顶。这比排名第 2 的 Claude Fable 5.1 (Max)（1762 分）领先了整整 +35 分，比排名第 3 的 Claude Opus 5 (Max)（1688 分）也更高。 相比排名第 13 的 GPT-5.6 Sol (xHigh)，这是一次 +180 分的显著提升。 分类级别的投票仍在统计中，但我们已经看到它在以下类别中排名第 1：数据与分析、消费产品、内容创作工具，并在游戏与模拟中排名第 2。 敬请关注其他类别，如品牌与营销、基于参考的设计以及全栈排名。 祝贺 @OpenAI 团队发布这一成果！
推荐理由：榜单数据给出了与 Claude 系列的具体分差和同价位对比，读者可以据此评估新模型的实际编码位置。
The Decoder：AI News精选AI 评分7878 OpenAI 发布 GPT-6 Astra 提示词指南，含 slop 词屏蔽清单
OpenAI 在模型文档中说明 GPT-6 Astra 相比 GPT-5.6 Sol 更常提出澄清问题、对上下文更敏感，并给出让模型更主动、审计 AGENTS.md 等技能文件、控制写作风格、约束子智能体委派和测试规模的提示词建议。
推荐理由：原文汇总了 OpenAI 官方文档中针对 GPT-6 Astra 的提示词建议和 slop 词屏蔽清单，开发者可直接迁移到自己的提示词写法。
公众号：数字生命卡兹克精选AI 评分7777 实测GPT-6 Astra：速度、前端与代码能力对比GPT-5.6 Sol的全面升级
GPT-6 Astra正式向所有订阅用户推送，作者实测后认为其综合能力追平Claude Fable 5，且额度100%可用。相比GPT-5.6 Sol，速度明显提升，大型系统审查从数小时缩短到约10分钟，代码扫描找出大量此前未发现的性能问题并2小时完成修复；前端3D生成和审美大幅强化，写作在白描和用词上更好但仍缺中文留白感。
推荐理由：作者实测了GPT-6 Astra在速度、前端生成、代码深度和写作上的具体变化，并给出可迁移的AGENT.md简化思路。
OpenAI：官网动态精选AI 评分8888 OpenAI 发布 GPT-6 Astra：多项基准刷新纪录， cybersecurity 能力达 Critical 阈值
OpenAI 发布新一代模型 GPT-6 Astra，称其在计算机使用、软件工程、科学和网络安全等方向达到 SOTA。
推荐理由：官方发布给出多项评测数字、定价和可用渠道，读者可以据此比较它相对前代和竞品的能力与成本变化。