AI 模型发布与更新

Claude Code 作者 Boris Cherny 表示，给 AI 工具和自由、而非把它塞进僵化的手工设计工作流，效果更好，因为通用学习系统扩展性更强。他引用 dhh 观点称，智能体主导的开发要求以业务负责人视角关注目标结果，越不必深挖细节，越容易看清全局。内容来自 Lenny's Podcast。

新智元转述多位开发者在 X 上的爆料称，Claude Sonnet 5.5 已出现在 Anthropic 官方配置中，标识符为「claude-sonnet-5-5」，并在 Claude Code 中开启灰度测试。

微软研究院提出 Agensh，无需中心编排器即可通过共享状态和消息通道异步协调 1024 个编码智能体。在 ProgramBench 五个最难任务上，用 GPT-5.6-sol 将智能体从 1 增至 128 个，平均最终测试通过率从 19.31% 升至 28.78%；在 pandoc 上，1024 个智能体把通过率从 33.89% 提升到 55.06%。

Anthropic 于今日发布 Sonnet 5.5，定位为比 Sonnet 5 更强的协作模型，但需要用户保持掌控并在适当时机调用 Opus。该模型是 Claude 拥挤家族中的新成员，具体参数与基准数据尚未披露。

Simon Willison 在 WeAreDevelopers World Congress North America 发表闭幕演讲，按时间线回顾 2026 年至今的 LLM 进展，并附带注释幻灯片。

研究显示，聊天模板像开关一样控制大语言模型的自指代语气：在 8 个 1B-9B 开源 instruct 模型上，移除模板后免责声明语气从 0.53 降至 0.36，体验性语气从 0.01 升至 0.15。在 3 个模型的激活空间中找到可引导该行为的方向，加入后免责声明率从 0.52 升至 0.70，移除后降至 0.25，随机方向影响甚微。

有人知道 @huggingface（由 @NVIDIA 拥有）是否还能访问 AMD 在禁运期下提供给他们的 MI455X 吗？有人知道 AMD 是否还在继续向 Hugging Face（由 NVIDIA 拥有）提供下一代硬件的独家访问权限吗？Hugging Face 会着手让 Nemotron3 Ultra 在 MI455X 上运行吗？

Fireworks Research 发布专用模型 Ember-1，基于 Kimi K3 构建，生成更短的推理轨迹，token 用量减少约 40%，同时保持顶级质量。作者 Elvis Saravia 评论称这是对 Pareto 前沿上 token 效率优化的推进，认为该方向仍探索不足，各实验室急于发布新模型，某些方面尚未被优化。

个人 AI 智能体 Muse 推出邀请活动：新用户加入后 48 小时内在“设置”中兑换邀请码 S7YZC4，双方各得 10 亿个 Muse 词元。发布者称开通 Muse 后第一件事是注册了一个 Claude。

从定性上看，开源模型与闭源模型之间的差距现在是许久以来最大的。Fable/Astra 级别的模型具备前 Fable 模型所没有的智能体能力，无论好坏。目前还没有任何开源模型跨过这条线。一旦跨过，将是一次跃升。

Imp 是 DSPy 到 BEAM 的完整移植，让 Elixir 开发者用签名、模块、优化器和智能体循环构建可自我改进的 LLM 程序。它支持 GEPA、MIPROv2、SIMBA 等优化器，智能体可作为受监督的 OTP 进程运行，并集成 MCP 与 ACP。Imp 0.5 已发布到 Hex，需 Elixir 1.19 或更高版本，目前为实验性版本，API 可能变动。

作者把十年前购买、充满电只能亮约5分钟的可充电自行车车灯拆开，更换了电池。旧电池型号模糊，LLM 推断为 LIR2477，作者随后在 AliExpress 以每节约3美元购入两节电池，另花8美元买硅胶胶水，零件约两周到货。重新焊接并粘合后车灯已能正常使用，零件总花费约20加元。

Grok bot 的工程与设计负责人 Lauren Tan 和 Peng Zheng 在播客中展示了他们工作与生活中使用的 14 个 bot，包括把单个关键帧转成完整用户流程的设计 bot、管理工程 bot 团队的工程负责人 bot。他们建议先观察 bot 工作并纠正，把有效做法沉淀为 skill，待其一次做对后再设为 routine，从而逐步把更多工作交给 bot。

我们修复了一个导致 GPT-6 Sol 和 GPT-6 Luna 图像理解能力下降的 bug。现在你在 API 和 Codex 中的视觉任务上应该能看到更好的结果，包括 computer use。

Artificial Analysis 发布对 Claude Sonnet 5.5 的评测：其智能指数得分 56，max effort 下比 Sonnet 5 高 18 分，升至第 2 名，仅落后 Opus 5.5 (max)。

GPT-6 Astra 把这辆超级摩托的每一块面板都映射到了一台机甲上。 注意看油箱。用 PixVerse 插件制作。

北京现代艾尼氪 IONIQ V 将于 9 月 29 日上市，预售起价 11.99 万元，8 月 21 日成都车展已亮相。三款车型预售价 11.99 万至 13.99 万元，CTLC 纯电续航 540 或 650 公里，基于 E-GMP 平台，支持纯电/增程双动力与 800V 快充，并搭载 Momenta、高通 8295 芯片、文心大模型与火山引擎。

斯坦福和 Caltech 构建了 HomeBody 系统，让 Unitree G1 机器人无需传统训练控制层，由可替换的 VLM（此处为 GPT Astra）直接调用抓取、导航、开抽屉等技能库，自主探索陌生厨房并完成整理和取物。

OpenAI 应用研究负责人 Boris Power 称，公司 80% 至 90% 的研究投向 GPT 7、GPT 8 及更远世代，因为"大部分价值"来自新世代模型。

dsh-better-sidebar 插件为 DeepSeek Harness 添加侧边栏、底边栏、分栏与可浮动栏等 UI 定制能力，并复用官方组件接口、在官方基础侧边栏之上继续扩展。官方 API 统计显示约 60% 的 DSH 用户至少使用一个第三方插件，团队将持续支持插件生态并推动插件 API 趋于稳定、减少破坏性更新。

一位曾驻菲律宾三宝颜的空军工程师回忆，2013 年三宝颜围城期间，正是 Stack Overflow 上的陌生人为他解答课业难题，而身边亲友却大多置之不理。他认为 LLM 虽能直接给出答案，却无法提供"有人在乎你"的社区归属感，Stack Overflow 的枯竭让他感到失落。作者借此呼吁人们主动经营属于自己的线上社区、停下来互相帮助。

大家都说 Opus 5.5 很疯狂。最好的模型。巨大飞跃。诸如此类。 我仍然不认为它比 Astra 更好。 在前沿 LLM 编程能力上，Opus 4.8 之后已经陷入停滞。

Peter Yang 推出 AI 课程会员，并为付费订阅者构建私人 MCP，让"AI Peter"在 ChatGPT、Claude Code 等工具中带用户学完整套课程。课程含 25 节更新课程和 40+ 可复制提示词，会员费 $150/年（10 月 7 日前），而非典型 AI 课程的 $1,000+。

一家大型数据标注公司预测，未来几年其大部分收入将来自财富 1000 强企业而非 AI 实验室。该公司认为每家企业都想拥有自己的智能，但这不一定意味着使用开源模型；企业的 evals 将成为其主要专有 IP，因为搭建并运行内部 eval 环境后智能体表现会明显提升。多数企业尚未从 coding agent 进阶，主因是缺乏合适的 eval 基础设施来让非工程类智能体达到可用水平。

小米相机部产品经理详解小米 18 Pro 系列首发的「传奇一瞬」大模型影像功能，其基于数百万张相机作品训练的端到端影像大模型，支持相机级景深虚化，原片数据可在相册上传云端无损处理。该系列于 9 月 23 日晚发布，搭载第六代骁龙 8 至尊版系列移动平台，后置徕卡双 2 亿像素影像系统，售价 5999 元起。

Google 开始在印度测试让用户在 Gemini 和 AI Mode 内直接购买沃尔玛旗下 Flipkart 的商品，部分用户可在智能手机、电子产品等少量商品上看到“Buy”按钮，点击后进入 Flipkart 结账流程而无需离开 AI 界面。

小北到美国后购入 Google Fitbit Air，与 Apple Watch 左右手同时佩戴。他认为接入 Gemini 的 Google Health 才是健康管理软件的正确打开方式。选择 Fitbit 的原因是数据基本都在 Google 上，且认可 Google 的数据安全表现。

哈哈，刚好赶上 claude code 移除 plan mode……tracks Antigravity 2.0 现在有了专门的规划模式，就像 Antigravity CLI 一样。 输入 /plan，智能体会退后一步思考任务，进行大量研究，然后生成一份实施方案供你审阅。智能体在开始执行任务前会先征求你的批准。 你也可以在提示词中自然地要求一份方案，获得更轻量的规划版本。

很自豪能与许多人合作完成其中的不少工作！ （引用 @deedydas）：claude 刚刚生成了一段关于 Google 历史的 2 分钟视频，效果简直太炸了

DAIR.AI 的 Elvis Saravia 认同"用 Claude Code 不等于不用学编程"，强调用 Agent 做构建必须掌握基础。他近期深入 evals、infra、架构、scaling search 和 sandbox，发现用 Agent 极易产出劣质结果，即便用最先进模型也可能因 Agent 靠奇怪 hack 跑通而察觉不到问题。

Hugging Face 联创 Thomas Wolf 称"手写代码的美好时代已经结束"，软件工程师将转向"专业造物者"的新职业，去指挥此前只存在于科幻中的智能。他引用 @scottstts 的演讲表示，每个软件工程师乃至每个人都该听听，保留美好回忆、正视现实、对未来保持兴奋。

巴西 AI 实验室 Supersonic Labs 发布 144.3M 参数的开源决策模型 Julia 1，权重以 Apache 2.0 协议托管在 Hugging Face，可在普通 CPU 上运行，不生成文本，只对 2 到 20 个候选答案输出选择和概率。

Jev 正迅速成为 OpenRouter 上分类请求的首选。 它占据了该类别每周请求量的 27%，几乎是此前位居榜首的 DeepSeek V4 Flash 份额的两倍

大约就在一年前，我发布了最早一批关于用 Claude Code 制作视频的帖子之一。 这些视频每一个实际上都花了很长时间用 Claude 反复迭代、调整到位，指出哪里不对等等。 变化之大，令人惊叹。 [引用 @trq212]：把 Claude Code 当作你的视频编辑器 信不信由你，下面你看到的每一个视频都是用 Claude Code 氛围编程做出来的。 🧵 以下是你也能做到的方法：

Arena 宣布 Claude Opus 5.5 (High) 以 1509 分首次登顶 Text Arena，比 Opus 5 (High) 高 18 分（现列第 11）。Opus 4.6 (High) 以 4 分之差保持第 2，Anthropic 包揽该榜前六名；Opus 5.5 (High) 按每百万 token 输入/输出定价折算的混合价格为 $16/MToken，进入 Text Arena 的 Pareto 前沿。

Ethan Mollick 用一条提示词让 Claude Opus 5.5 生成了解释递归的视频，要求每次解释递归都切换截然不同的视频风格，做到自指、巧妙且节奏快，最终实现九次风格切换。他随后又测试了一个真正具有教育性的版本，认为效果相当惊艳：模型在保持多风格约束的同时，用有趣易懂的方式讲清了编程意义上的递归。

Reddit 用户 No_Ideal8394 声称用无审查限制的 Qwen3.8-Flash-Next-Uncensored 破解了 Internet Download Manager（IDM）6.43，绕过试用限制实现完全激活。

Mistral AI 联合创始人兼 CEO Arthur Mensch 反驳"AI 末日论"，认为美国科技巨头借风险话术控制并封闭市场，主张 AI 应开放、可获取、可自由修改。他透露新模型将在"未来几周内"发布，并提出以"国家担保"帮助欧洲数据中心融资。Mistral AI 已于 9 月初完成 30 亿欧元融资。

MIT CSAIL 提出极简智能体框架 JAZ，仅有一个原语 invoke：LLM 编写代码、可递归调用 invoke，并将全部输入与历史视为代码环境中的变量。

DeepSeek Harness 团队推荐社区插件 dsh-TUI，该插件从 DSH 内测期间就持续开发，补齐了 DSH 缺失的 TUI 界面，并随 DSH 版本更新持续打磨功能。官方 API 统计显示约 60% 的 DSH 用户使用了至少一个第三方插件，团队将持续支持插件生态并推动插件 API 趋于稳定。