Arena 官方账号公布，Claude Haiku 5.5 在 Code Arena 得分为 1587 分，相比 Haiku 4.5 的 1330 分提升 257 分，且在所有类别上均有明显改善。官方引导读者前往 arena.ai/leaderboard/code 查看 Code Arena: WebDev 排行榜。

在 StepFun 的 8 项基准评测中，Step 5 Preview 在 6 项上击败了 Kimi K3 和 GLM-5.3，包括 DeepSWE（67.7）、ProgramBench（80.5）、StepCodeBench（49.0）和 FrontierFinance（66.4）。

保持冷静，与我们的 day0 合作伙伴 @vercel_dev 一起构建 🤘 再享受一周 Ling-3.1-flash，一个 token 高效、擅长智能体和编码的模型~

The DecoderAI 评分7575

Anthropic 发布 Claude Haiku 5.5，价格较 Haiku 4.5 大幅下调

Anthropic 发布 Claude Haiku 5.5，称其为迄今最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，100,000 tokens 以内的请求价格最多降 90%，超过 100,000 tokens 的请求价格为 5 倍。

Cursor 官方公布 Claude Haiku 5.5 定价为 $0.10/M 输入、$0.50/M 输出 token，输入超过 100k token 时为 $0.50/M 和 $2.50/M。Claude Sonnet 5.5 的缓存读取价格降至 $0.10/M tokens，此前为 $0.20/M。官方还给出 Claude Haiku 5.5 在 CursorBench 上的对比入口 cursor.com/evals。

Anthropic 发布 Claude Haiku 5.5，称其为迄今最快、最便宜的模型，运行成本比 Haiku 4.5 低 75%。这是首个支持可调节 effort 设置的 Haiku 模型，在 Computer Use 和 Agentic Coding 基准上性能有大幅跃升。

Mistral Large 4 首次登上 Code Arena: WebDev 榜单，使 Mistral 成为进入该榜前 15 名实验室中唯一的欧洲机构。作为 preview 版本，它以 1534 分位列总榜第 45 名，较上一代 Mistral Large 3 的第 133 名提升 304 分；Arena 提示该分数与排名可能随 Mistral 继续训练及开放权重发布而变化。

Ars Technica · AIAI 评分7474

Mistral 发布 1 万亿参数开源模型 Mistral Large 4，称可比肩顶尖模型

法国公司 Mistral 发布 1 万亿参数模型 Mistral Large 4（昵称 Le Chonk），称其可与美中顶尖模型竞争，目前处于预览阶段，正式版将于月底前推出。

Hugging Face Blog精选AI 评分7575

Nemotron 微调后在 IOI 2026 与 IMO 2026 双双达到金牌水平

NVIDIA 官方博客称，基于 Nemotron 3 用 SFT、RL 与反馈式推理特化的系统在 IOI 2026 与 IMO 2026 均达金牌水平：Nemotron-3-Ultra-CC 得 535.4/600，超过 361.12 的金牌线与人类最高分 498.27；IMO 系统得 30/42，超过官方金牌线 29。

Reflection AI 发布 Beam，称其为高效的开源智能体模型，总参数 501B、激活参数 23B，主打前沿推理效率，并在编码与智能体任务上推进西方开源前沿，全程从零端到端训练。完整权重将于本月发布，详情见 reflection.ai/beam。

突发：Grok 4.7 在 VulcanBench Frontier v4 上登顶，这是一个高难度编码任务基准。🥇 前三名全部属于 Grok 4.7。其获胜成绩为 93.15，通过了全部 23 个任务。

Grok 4.7 非常擅长处理大型代码仓库

Mistral 发布 Mistral Large 4 preview（代号 le Chonk），作者称其是唯一在编码任务上可与中国最佳开源模型竞争的西方开源大语言模型，并表示它在 cyber 和 human evals 上达到开源 SOTA 水平。

Mistral AI精选AI 评分8080

Mistral AI 公开预览 Mistral Large 4，月底开放权重

Mistral AI 宣布 Mistral Large 4（非正式代号 le Chonk）进入公开预览，可在 Mistral Studio 使用预览 API，权重将于本月底发布。

The DecoderAI 评分6666

Reflection 发布开源模型 Beam，主打低算力下的编码与智能体能力

AI 公司 Reflection 发布首个免费开放模型 Beam，采用 501B 总参数、每 token 激活 23B 的 MoE 架构，主打编码、逻辑推理和智能体任务，以更低算力对标 DeepSeek 和 Qwen 等中国开源模型。

Latent SpaceAI 评分7474

Reflection 发布 501B-A23B 开源模型 Beam，主打编码与智能体任务

Reflection 宣布推出 Beam，一个 501B 总参数 / 23B 激活参数的纯文本 MoE 模型，面向编码、智能体和科学任务，从零训练，完整权重采用 Apache 2.0 并将于本月发布。

TechCrunch · AIAI 评分7474

Reflection 发布开源权重模型 Beam，称以更低成本对标中国模型

Reflection AI 发布首个前沿开源权重模型 Beam，称其在高级推理基准上比肩 Z.ai 的 GLM-5.2 等中国领先开源模型，且推理算力消耗低 3-4 倍。

介绍 Agr，Command Code 开源的决策模型。 · Agr (31B) 和 Agr-flash (360M) · Decision Index 0.2.1 得分 58.15 · 专注：工具调用与路由 · 支持 TypeSafe SDK Agr 在编码智能体的工具调用与路由方面达到最佳水平。已在 Hugging Face 上线。 以文本或 JSON 发送状态及带类型的提问。Agr 跳过文本生成，直接返回带类型的值及每个选项的概率。

Artificial Analysis 发布 Coding Agent Index 榜单，本周发布的 Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Argon 均位居前列，但性能与成本的平衡各不相同。

Claude Sonnet 5.5 with xHigh reasoning 上线 Code Arena: WebDev，以 1786 pts 排名第 3，距第 2 名 GPT-6 Astra 的 1788 pts 仅差 2 分，价格为其 80%，混合价格为 $8/M tokens。

Gemini 4 Argon (High) 在 Text Arena 以 1525 分排名第一，在 Code Arena: WebDev 以 1679 分排名第八。

Ars Technica · AIAI 评分6666

Google 发布 Gemini 4 Argon 模型，暂未对外开放使用

Google 发布 Gemini 4 Argon 模型，宣称在编码、知识工作和网络安全方面具备行业领先性能，但目前仅限公司内部有限测试，外部用户尚不能使用。

Google 官方宣布推出新前沿模型 Gemini 4 Argon，面向复杂、长周期工作流的持续深度推理，在真实软件工程、法律与金融等企业知识工作以及网络安全防御场景提供前沿性能。同时，该模型的输出 token 上限扩展至行业领先的 1M tokens。Argon 目前正向 Fairwind Program 中的一批可信网络安全防御者开放，将尽快扩大可用范围。

Google 宣布 Gemini 4 Argon 是其前沿智能的下一个时代，在多项基准测试上取得显著提升，并在真实世界的长程软件工程任务上树立了新的 state of the art。

Google DeepMind 宣布推出新前沿模型 Gemini 4 Argon，面向编码、企业知识工作和网络安全防御等复杂工作流构建，今天起通过 Fairwind Program 向一批受信任的测试者开放。

Sundar Pichai 宣布推出 Gemini 4 Argon，称其在复杂工作流、网络防御和软件工程方面达到前沿表现。他表示 Google 内部团队已在从编码到量子计算的场景中广泛使用该模型并给出积极反馈，同时附上了基准测试结果。

Cognition 发文称，GPT-6.1 Sol 在低 effort 档位下得分为 58.1%，单任务成本 $0.21，相比 GPT-6 Sol 同档位的 50.5% 有所提升。该分数是排行榜上单任务成本低于 $0.30 的模型中的最高分，详情见 devin.ai/blog/gpt-6-1-sol。

OpenAI 发布 GPT-6.1 Sol，主打编码与电脑操作

OpenAI 发布 GPT-6.1 Sol，官方称其具备接近 Astra 的智能水平，面向编码、电脑操作和专业工作场景。该模型标准 API 输入与输出 token 价格均为 Astra 的五分之一。

Anthropic 官方账号宣布 Sonnet 5.5 发布，称其比 Sonnet 5 更聪明、更高效、速度快 30%，多数任务成本最多降低 30%，Claude Code 用量因此更耐用。官方建议将其用于界定清晰的日常任务，如修复 bug 和快速迭代功能。

Sonnet 5.5 修复了 Claude Code 的一个 bug。 速度提升 30%，用量减少 30%。

有人把 OpenBMB 的 MiniCPM5-2B 接入 CI 修复 Agent，处理一个结算重试导致运费重复计算的 Bug，模型自行复现问题、翻代码、定位原因并打补丁，18 个测试全部通过，全程本地运行。该模型主打本地小硬件运行，2B 参数对本地设备更友好，编程和工具调用能力不错，权重和训练数据均已开源，链接为 huggingface.co/openbmb/MiniC…。

M3.1-Flash-Preview 今日在 MiniMax Code 首发，欢迎大家试用。

MiniMax 最新文本模型 M3.1-Flash-Preview 今日在 MiniMax Code 首发。 面向日常开发打造，快速、可靠，可投入实际工作，从快速修复 bug 到完整功能开发。

LongCat-2.5-Preview 现在可在 @opencode 上免费试用两周！🐱 来试试看，展示你构建的作品。

CLM-8B 是一种连接动作与状态的 System 1 对比语言模型（CLM），经轻量微调后在 DeepSWE 取得 81.6%、Terminal Bench 2.1 取得 87.6%，创下新的 SOTA。在 computer-use、gaming 和 tool-calling 任务上，CLM-8B 与 Jev 的 zero-shot 表现相当，速度最高快 9×。官方今日开源 CLM-8B checkpoint、数据与 infra。

Latent Space精选AI 评分8888

Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 与 Luna 并降价 40-50%

Anthropic 发布 Claude Opus 5.5，称其为新 Claude 5.5 家族首个模型，多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，速度约快 30%，并成为 Claude Code 与 Claude 应用的默认模型。

Grok 4.7 现已在 Cursor、Grok Build 和 Grok API 上线，官方提供了更多信息链接 x.ai/news/grok-4-7。

对比 Grok 4.7（第一个）和 4.6（第二个）构建开放世界城市游戏。

值得注意的是，Grok 4.6 在这里的分数略低，但我们仍认为这是一个准确的评分和对比。Grok 4.7 即将发布 😄 Muse Spark 在这里表现得相当不错，说实话！ cursor.com/cursorbench

FrogNano 是基于 Qwen3.5-4B、完全用 RL 在 TaskPilot 合成任务上后训练的模型，不做任何蒸馏，在 SWE-bench Verified 上取得 61.5% 成绩。训练只用了 5 iterations × 300 tasks，作者以此质疑编码智能体是否必须依赖巨大模型。