编程模型相关 AI 资讯 · AITOP · AI热报

9月3日

01:37

01:37

lmarena.ai@lmarena_ai

73°

Anthropic的Fable 5.1 (Max)在Code Arena: WebDev基准测试中以1765分排名第一，领先第二名Qwen3.8-Max-0902达77分。相比前代Fable 5 (Max)排名第八，新版本提升了137分。Fable 5.1 (Max)每百万代币成本为40美元，在高价区间重新定义了性能边界。

AI模型 Fable 5.1 Anthropic Code Arena

推荐理由：Anthropic新发布的Fable 5.1 Max在代码基准测试中大幅领先，比第二名高出77分，刷新了高价模型性能标准。

9月2日

11:53

11:53

官方账号阿里通义 Qwen@Alibaba_Qwen

精选73°

Qwen3.8-Max-0902在Code Arena WebDev基准测试中以1691分获得第一名。该模型以每百万代币5美元的价格成为帕累托前沿最高分模型。在更新后的前沿排名中，Qwen3.8-Max-0902领先于HY4 Preview和Qwen3.8-Flash-Next。

AI模型 Qwen3.8-Max-0902 Code Arena Alibaba_Qwen

推荐理由：阿里发布Qwen3.8-Max-0902，在编程评测中夺冠，性价比超越对手。

06:33

06:33IT之家（博客/媒体）

78°

Anthropic 推出 Claude Fable 5.1 和 Mythos 5.1 模型，前者面向所有用户，后者仅限特定机构。Fable 5.1 在 Terminal-Bench-Science 0.1 基准测试中得分为 52.6%，超越前代 Fable 5 的 24.7%。缓存读取费用下调 75%，降至每百万词元 0.25 美元。Mythos 5.1 在蛋白质设计领域结合亲和力比最佳参赛作品高出 10 倍。

AI模型 Claude Fable 5.1 Claude Mythos 5.1 Anthropic

推荐理由：Anthropic 发布两款新模型，编程和科学能力大幅提升，价格更实惠，安全防护也增强了。

8月15日

07:44

07:44IT之家（博客/媒体）

智谱于8月14日正式发布开源模型GLM-5.3，官方称其为编程能力最强的开源模型。与GLM-5.2相比，基座模型保持不变，但通过后训练Scaling显著提升了智能上界，编程能力提升50%。新模型支持数十倍长程任务环境，并采用更丰富多样的环境类型与超长后训练时间。

AI模型智谱 GLM-5.3 开源模型

推荐理由：智谱的GLM-5.3开源模型编程能力比GLM-5.2强一半，写代码的可以试试，据说是目前最强开源编程模型。

00:25

00:25

官方账号阿里通义 Qwen@Alibaba_Qwen

精选

阿里云发布 Qwen3.8-Max，即 2.4T-A95B 架构。即日起可通过 DigitalOcean Serverless Inference 调用，运行在 NVIDIA HGX B300 GPU 上。模型支持 1M token 上下文，专为长时程编码任务设计。用户按 API 用量付费，无需自建基础设施。

AI模型 Qwen3.8-Max DigitalOcean 阿里云

推荐理由：阿里云把Qwen3.8-Max放上DigitalOcean了，1M上下文，写长代码直接调，按量付费不用管服务器。

8月12日

17:36

17:36IT之家（博客/媒体）

精选

微软今日推出升级版编程模型 MAI-Code-1.1-Flash，面向 GitHub Copilot 工作负载优化。在 Terminal-Bench 2.1 测试中，该模型表现提升 22%，.NET 相关任务提升 15%。Token 生成速度提升 25%，完成相同任务所需 Token 减少 25%。价格降至初代 MAI-Code-1-Flash 的四分之一，每百万输入 Token 收费 0.20 美元。新模型还新增原生视觉能力，可理解图像内容，现已陆续登陆 VS Code、Visual Studio 等平台。

AI模型 MAI-Code 微软 GitHub Copilot

推荐理由：微软把编程模型升级了，MAI-Code-1.1-Flash 跑分涨了 22%，价格砍到四分之一，还加了看图能力，用 Copilot 的可以试试。

8月7日

11:50

11:50

Amjad Masad@amasad

75°

Replit CEO Amjad Masad 在采访中透露，2021至2022年间他游说谷歌、Meta等公司合作开发编码专用模型，但无人重视。谷歌曾接近与Replit达成协议，最终因担心冲击搜索业务而终止。Replit不得不自行训练模型，推出了Replit-code-3b。如今Replit估值已达90亿美元，AI编程也已成为行业焦点。

行业 Replit Google Amjad Masad

推荐理由：看看Replit老板怎么爆料谷歌：当年没人看好AI写代码，谷歌还怕冲击搜索砍了合作，结果Replit自己干到90亿美元估值。

7月11日

21:20

21:20

AI Will@FinanceYF5

Alexandr Wang表示Muse Spark 1.1是一款具备行业竞争力的Agentic和编程模型。该模型在多个Agentic评测中与GPT-5.5和Opus 4.8相抗衡。目前可通过Meta Model API和Meta AI直接使用。

AI模型 Muse Spark 1.1 GPT-5.5 Opus 4.8

推荐理由：Muse Spark 1.1在Agentic任务上声称能追上GPT-5.5，还能直接用Meta API调用，挺有吸引力。

7月9日

08:02

08:02

官方一手marktechpost@Michal Sutter

SpaceXAI推出Grok 4.5，该模型使用Cursor进行训练，专为编程、智能体任务和知识工作设计。推理速度达80 TPS，成本为每百万输入token $2、输出token $6。在Harvey法律智能体基准测试中排名第一。

AI模型 Grok 4.5 SpaceXAI Cursor

推荐理由：Grok 4.5用Cursor训练，编程和智能体任务表现强，法律基准第一，性价比不错。

6月12日

21:33

21:33

kimi_moonshot@kimi_moonshot

月之暗面发布并开源了最新编程模型 Kimi-K2.7-Code，相比 K2.6 在 Kimi Code Bench v2 上提升 21.8%，在 Program Bench 上提升 11.0%，在 MLS Bench Lite 上提升 31.5%。该模型减少了过度思考，推理 token 使用量降低 30%，同时改进了长时编程任务中的指令遵循和成功率。模型已通过 Kimi API 和 Kimi Code 可用，即将推出 6 倍高速模式。

AI模型编程模型开源/仓库推理效率

推荐理由：Kimi-K2.7-Code 在编程和智能体任务上显著超越前代，且推理更高效，做 AI 编程或智能体开发的团队可以直接通过 API 或 Kimi Code 试用，值得关注。

18:45

18:45IT之家（博客/媒体）

月之暗面今日发布并开源 Kimi K2.7 Code 编程模型，相比 K2.6 在长上下文编程、指令遵循和长程任务性能上显著提升，平均 token 消耗减少 30%。内外部基准测试显示，代码能力提升 11%-31.5%，Agent 自主化执行能力提升约 10%。模型已通过 Kimi API 开放平台提供，价格与 K2.6 一致，并预告 6 月 15 日推出 5-6 倍输出速度的高速版，仅需 2 倍价格。非编程任务仍推荐使用 K2.6 模型。

AI模型月之暗面 Kimi K2.7 Code 编程模型

推荐理由：Kimi K2.7 Code 在编程场景下 token 消耗降低 30%，做 AI 编程的开发者可以立刻通过 API 体验，高速版下周上线值得关注。

6月10日

10:58

10:58

shao__meng@shao__meng

精选76°

Cohere 发布了其首个开源编程模型 North Mini Code，采用 MoE 架构（30B 参数，3B 激活），拥有 128 个专家，每 token 激活 8 个。模型支持 256K 输入和 64K 输出上下文，最低可在 1× H100（FP8）上运行。训练采用三阶段后训练方法，包括级联 SFT、可验证奖励强化学习（RLVR）和跨 Harness 泛化，使其在 Agent 编程任务上表现突出。在 SWE-Bench Verified 上 pass@10 达 80.2%，Terminal-Bench v2 pass@10 达 55.1%，并在同量级开源模型中领先。模型原生支持交错思考与工具调用，适合子 Agent 编排、代码审查、终端操作等场景。

AI模型开源模型编程模型 Agent编程

推荐理由：Cohere 用 30B 参数实现了超越 120B 模型的 Agent 编程能力，做自动化代码修复和多步软件工程的开发者可以直接用起来，效率提升明显。

5月31日

09:59

09:59

elvis@omarsar0

Claude Opus 4.8 在 DeepSWE Bench 上取得 58% Pass@1 的成绩，排名第二，仅次于 GPT-5.5。该模型在原始分数上略逊一筹，但在多个最新基准测试中展现出最高的可靠性和效率。这一结果延续了近期趋势：模型在追求极致性能的同时，更注重实际应用中的稳定性和资源效率。对于关注 AI 编程和模型选型的开发者来说，这是一个值得关注的信号。

AI模型 Claude Opus 4.8 GPT-5.5 DeepSWE Bench

推荐理由：Claude Opus 4.8 在 DeepSWE Bench 上以 58% Pass@1 证明了自己是效率与可靠性的标杆，做 AI 编程选型的团队可以把它作为性价比参考。

5月28日

12:01

12:01

官方账号arXiv cs.LG@Richard J. Young, Gregory D. Moody

精选72°

该论文指出，通用语言模型回答有害问题返回文本，而编程模型若遵从恶意请求可能返回可运行的武器（如键盘记录器、勒索软件）。因此，编程模型应比通用模型有更高的拒绝标准，但现有基准测试碎片化，无法有效衡量。作者整合了8个语料库（共6675条提示），通过5位评审共识协议分类，区分了可执行恶意代码请求（CODE）和有害安全知识请求（KNOWLEDGE）。最终发布了4748条CODE提示和1923条KNOWLEDGE提示，为评估编程模型对恶意代码的拒绝能力提供了可靠工具。

论文安全/对齐编程模型基准测试

推荐理由：编程模型的安全风险比通用模型高一个量级——返回的代码可以直接运行成武器。做AI安全评估的团队终于有了经过共识验证的测试集，建议用这个库来检验自家模型的拒绝边界。

5月26日

15:02

15:02

官方账号阿里云 Alibaba Cloud@alibaba_cloud

83°

阿里云宣布其 Qwen3.7-Max 模型在 Code Arena 评测中以 1541 分位列全球第二，仅次于 Claude。该模型专为生产环境设计，支持连续运行 35 小时任务、执行 1000 次以上工具调用，能将原本两周的项目缩短至数小时完成。这标志着国产大模型在编程领域取得重要突破，为开发者提供了高性能的替代选择。

AI模型 Qwen3.7-Max 编程模型 Code Arena

推荐理由：Qwen3.7-Max 在编程能力上逼近 Claude，做自动化脚本或复杂项目开发的团队可以试试，能显著缩短交付周期。