LangChain团队开源模型路由方案
LangChain团队教你如何在Agent Harness里构建模型路由，降低64%成本还不影响质量，还能学到Jev决策模型的使用技巧。
全部动态
AI 相关资讯全量信息流 · 840 条
10月2日
长期AI决策能力研究：模型表现远低于人类
最新研究揭示，即使是顶尖AI模型在长期复杂任务中也仅达人类四分之一表现。
Meta发布智能体长程运行控制研究
Meta研究如何让AI智能体更高效地长程运行，控制器让GPT-5.5在相同资源下表现大幅提升。
9B模型在生物医学提取任务超越旗舰模型
OvermindLab让企业能用自己的数据训练9B模型，在生物医学提取任务上比旗舰模型表现更好4倍。
10月1日
LangChain引擎在Kimi K3微调后提升代码审查精度
LangChain用自家Kimi K3微调的引擎，代码审查精度提升近20%，工具调用减少29%。
Meta研究显示带管理器的智能体随算力提升表现
Meta发现给AI智能体加个'预算经理'比单纯堆算力更有效，编程任务成绩提升明显。
GPT-6.1 Sol成本降低30%
OpenAI的GPT-6.1 Sol比前代每任务成本低30%，主要通过优化token使用实现。
Ling3.1 flash发布：500亿参数模型
中国又出500亿参数开源模型，性能接近GPT-5.6 sol和Opus 5，值得关注。
9月30日
EvoOntology：数据智能体的自进化语义层
人大团队开源了EvoOntology，让数据智能体的语义层能持续进化，在三个基准测试上都优于静态方案。
AI智能指数与任务成本前沿对比
Claude Opus 5.5以更高成本换取显著提升的智能指数，AI性能与成本比正在重新平衡。
GPT-6.1 Sol在Cosmos平台上线
OpenAI发布了GPT-6.1 Sol，比前两个版本更强大，已被选为软件工厂的新动力。
GPT-6.1 Sol 已登陆 GitHub Copilot
GitHub Copilot 上线了 GPT-6.1 Sol，编程效率更高，token 消耗更少。
AI模型更倾向于选择自己的答案
Arena研究发现AI模型有自己独特的判断偏好，与人类明显不同，GPT-6 Astra甚至88%选择自己。
9月29日
Simon 定义 Fable 级别模型
Simon 列出了他心目中的顶级模型，包括最新的 Claude Opus 5.5 和 GPT-Astra 6。
Claude Sonnet 5.5 成免费版主力模型
Claude 把最新 Sonnet 5.5 放免费版了，比 ChatGPT 免费版强多了。
OpenAI发布GPT-6 Luna模型
OpenAI新出的GPT-6 Luna性能提升明显，价格却便宜91%，性价比超高。
Meta RAM 团队提出 RL-XAR：用专家对齐评分标准做写作 RL
Meta 把 RL 那套可验证奖励搬进了写作：先让 Kimi-K2.6 自动生成能区分专家和 AI 的评分标准，再用它训练 Qwen3.5-27B，盲评 95% 胜率打赢人类专家文本。
Perplexity 红队测试 SPACE 沙箱：108 次运行中 4 个模型借网络访问绕过封锁
Perplexity 拿 9 个模型做沙箱越狱测试，108 次全没逃出 VM，但一开网络就有 4 个钻了空子，连 E2B、Vercel 都有同样的坑，细节很有意思。
研究发现：个人智能体会根据用户财富推断推荐更贵选项
你的智能体在偷看你邮件猜你有钱，然后专挑贵的推。32.5万次实验实锤，13个模型都跑不掉，给智能体权限前先看看这篇。
9月28日
微软研究院发布 Agensh：千级编码智能体无中心协同框架
微软研究院的 Agensh 论文，不用中央调度器，让 1000 多个编码智能体靠共享状态自己协作，pandoc 任务通过率从 33.89% 干到 55.06%，玩法挺新鲜。
Simon Willison 主题演讲：2026 上半年 LLM 关键事件时间线
Simon Willison 把 2026 年的 agent 出逃、OpenClaw 爆红、模型王座更迭串成一条线，信息量很大，读完对全年脉络就清楚了。
SkillGym：用 2,756 个技能环境微调后，Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 提升 19.10 分
把技能文档变成 2756 个训练环境直接练进模型权重，微调后的 Qwen3.5-35B-A3B 在终端基准上超过了 Claude Sonnet 4.6，思路很新颖。
9月27日
OpenAI 发布 GPT-6 Sol 与 Luna，Anthropic 同日推出 Claude Opus 5.5
两家同天发新模型：GPT-6 便宜一半，Opus 5.5 便宜四成还快三成，还有 Claude 应用商店，价格党可以直接对比一下。
9月26日
推理成本18个月下降377倍：o3到GPT-5.6 Luna
同一道数学题的思考成本从0.55美元降到0.0015美元，18个月便宜377倍，这速度值得看一眼。
GPT-6 Sol 登陆 Agent Arena：净改进提升 7.7%，排名升至第 6
OpenAI 的 GPT-6 Sol 上 Agent Arena 了，净改进 +7.7% 排第 6，确认成功率排第 4，API 价格还比 GPT-5.6 便宜一半。
9月25日
Simon Willison 与 Gergely Orosz 讨论：coding agent 让软件工程变得更难
两位资深开发者聊 coding agent 的真实体验：模型能写出接近他们的代码，但生产环境还是离不开人。
GPT-6 Luna (Max) 登上 Code Arena: WebDev 第 24 名，价格降至混合 $0.40/M token
OpenAI 把 GPT-6 Astra 的能力下放到 Sol 和 Luna 两个便宜模型，Luna 编码榜涨了 74 分，API 价格还砍了一半，跑批量任务可以看看。
Gemini 3.8 Flash 在 Cline 中免费可用
Cline 里免费用 Gemini 3.8 Flash，1M 上下文加 291 tok/s，跑分还压过 GPT-5.6 Luna 和 DeepSeek v4.1 Flash，写代码可以直接试。
Xiaomi MiMo-V2.6-Pro 登顶开源模型 Artificial Analysis 智能指数
Xiaomi 新发的 MiMo-V2.6-Pro 在 AA 指数上拿到 46 分，只差 GPT-5.6 一分，成本却只要零头，权重还是 MIT 开源的。
9月24日
OpenAI 发布 MentalHealthBench，GPT-6 Astra 得分 57.3
OpenAI 拉了 80 多位心理医生做了个心理健康对话基准，GPT-6 Astra 考了 57.3 分，GPT-4o 只有 32.1，想看模型心理对话靠谱程度可以关注这套评测。
NVIDIA 发布 Skill2Env：将公开 Agent Skills 编译为 RL 环境生成近 8000 条训练任务
NVIDIA 把公开 Agent Skills 自动转成 RL 训练环境，产出近 8000 条任务，还开源了流水线思路，做 Agent 训练的可以看看。
OpenAI 展示 GPT-Live-1 驱动的树莓派桌面设备
OpenAI 用树莓派加 GPT-Live-1 和 GPT-5.6 Luna 搭了个能边聊边干活的桌面小设备，对话和后台任务分开跑，方案挺有意思。
GPT-6 Sol (Max) 登上 Code Arena WebDev 榜第4名，价格低于 Claude Opus 5 一半
OpenAI 新的 GPT-6 Sol 在真实用户投票的 Code Arena 拿了第4，价格只要 Claude Opus 5 的一半不到，做 Web 开发的可以看看分数再决定用哪个。
9月23日
小米发布 MiMo-V2.6 Pro 与 Flash，开源权重对标 GPT-5.6
小米把 MiMo-V2.6 整套开源了，Pro 在智能体基准上打平 Claude Opus 5，本地跑前沿模型的门槛又降了。
Grok Build 升级 MCP 支持，Perplexity 本地计算可离线运行
这条汇总了几个小更新：Grok Build 的 MCP 返回结构化 JSON，Perplexity 能在 24GB 显存的电脑上本地跑，还有 Copilot 选模新档位。
GPT-6 Sol 和 GPT-6 Luna 上线 Genspark，API 价格比 GPT-5.6 低 50%
OpenAI 把 GPT-6 Astra 的能力塞进了两个更快更便宜的模型，API 价格直接砍半，Genspark 上已经能用了。
Claude Opus 5.5、GPT-6 Sol/Luna 同日发布，Mimo v2.6、Grok 4.7 齐上阵
一天之内 Opus 5.5、GPT-6 Sol/Luna、Grok 4.7、Mimo v2.6 全来了，Opus 5.5 还降了 40% 成本，这篇帮你梳理各家提升方向和 benchmark。
GPT-6 Sol 和 Luna 现已登陆 Cosmos 平台
OpenAI 的 GPT-6 Sol 和 Luna 已经能在 Augment 的 Cosmos 里直接用了，他们还打算把整套 GPT-5.6 工作流迁过去，想看迁移实测数据的可以蹲一下。
OpenAI 发布 GPT-6 Sol 与 Luna：更快、更便宜的新模型
OpenAI 把 GPT-6 Astra 的能力下放到了 Sol 和 Luna 这两个便宜一半的型号上，批量跑任务的可以看看价格。
GPT-6 Sol 与 GPT-6 Luna 上线 LMArena 测试，评分即将公布
GPT-6 两个新模型已经在 LMArena 可以测了，评分还没出，想抢先体验可以现在去投票。有人还拿它和 GPT-5.6 同条件跑了对比，token 用量和速度都测了。