Databricks 在 NVIDIA 的 SOL-ExecBench kernel leaderboard 上于全部 4 个赛道排名第一。作者称他们把 GPT-6 Astra 和 Opus 5 放进自我爬山循环，让这些 agent 打败了顶尖 GPU kernel 工程师，总 token 花费约 $70K，远低于 kernel 工程师的薪酬。作者的一个经验是 GPT-6 Astra 和 Opus 5 在编写 GPU kernel 上仍远好于开源模型。

据 ITHome 报道，智谱 AI 在数据安全争议后官方宣布 ZCode 将开源，并确认所有受影响的云端数据已被删除。智谱还将向用户赠送 4 张每周重置通行证和 4 张 5 小时重置通行证（有效期一个月），并在 9 月 28 日至 10 月 7 日期间向全体用户发放共 10 万份 1 亿 token 额度包。智谱能否重新赢得用户信任仍有待观察。

Grok 在 Slack 推出共享机器人，可监听频道消息并持续积累项目上下文，团队成员随时接入即可获得一致体验，无需在本地重建上下文。机器人可从分析 bug 报告入手，逐步完成根因分析、复现并直接开 PR，其产出会回写到项目共享上下文中。Grok 团队已将 grok.com 的更多开发流程迁至 Slack，称这是最大的效率突破。

Claude 现在可以帮你构建评测并在其上不断优化。 在这篇文章中，我们分享了关于评测设计的指导，以及 Claude Code 可以用来改进你应用的技能。 claude.dev/blog/automating-e…

今天即可试用：devin.ai/download

Cognition 宣布 Claude Sonnet 5.5 现已在 Devin Desktop 和 Devin CLI 中可用。在 FrontierCode 1.1 Main 上，Claude Sonnet 5.5 得分为 64.4%，相比 Sonnet 5 的 56.2% 有显著提升，并在 extra high reasoning effort 下超过 Fable 5.1。

PINOC MCP 省去制作游戏 3D 角色与动画 90% 的工作量。 我们让 Claude Opus 5.5 用 PINOC MCP 的 3D 角色与动画，做一款秋叶风格的 Subway Surfers。 这是它 2 小时做出来的效果。 提示词、MCP、游戏链接见下 🧵：

Databricks 的 pwendell 发布基于 N=2,400 名工程师在线负载分析与离线评测的结果，认为上周发布的三款模型中有两款明显扩展成本质量前沿：Opus 5.5 和 GPT-6 Luna。

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%。

opencode.ai/data

opencode.ai/go

Go Plus 来了 $40/月，更高限额

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…。

BestBlogs 早报 09-28：AI 时代编程语言演进、编码智能体实践与软件工厂

BestBlogs 09-28 早报收录 10 条内容：José Valim 认为智能体承担更多编码后，语法便利重要性下降，类型与运行时保证、可查询程序数据库更有价值。

OpenAI 征集 Codex Originals 用户故事

OpenAI 正在为 Codex Originals 项目征集使用 Codex 的开发者、研究者与创作者的真实故事，入选者将参与该项目的下一阶段。感兴趣者可通过官方渠道提交自己的故事与项目介绍。

Simon Willison 回顾 2026 年 LLM 大事记：从 Claude Opus 4.5 到 OpenClaw

Simon Willison 在 WeAreDevelopers World Congress 的主题演讲中按时间线梳理了 2026 年 LLM 领域的关键进展。

🔗 Credits - DJev by @mmastrac - github.com/mmastrac/djev - Jev @typesafeai

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。

Yuchen Jin：Opus 5.5 不如 Astra，前沿 LLM 编码能力在 Opus 4.8 后已停滞

Yuchen Jin 表示，尽管外界普遍称 Opus 5.5 是最强模型、进步巨大，他仍认为其不如 Astra，并称前沿 LLM 编码能力在 Opus 4.8 之后已经停滞。

Simon Willison 用 Claude Opus 5.5 生成 Kākāpō Party 像素动画并用 Claude Code 录制视频

Simon Willison 用 Claude Opus 5.5 将三张 kākāpō 鹦鹉照片生成为 HTML5 canvas 像素动画 Kākāpō Party，画面中至少 20 只鹦鹉随音乐跳跃、点击触发彩带与气球效果。

双人探戈，缺一不可 第二天

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。

Replit Agent 新增 GPT-6 Sol、GPT-6 Luna Fast 与 Claude Opus 5.5 三款模型

Replit Agent 新增 GPT-6 Sol、GPT-6 Luna Fast 和 Claude Opus 5.5 三款模型供用户试用。Muse 现已支持在 Replit 中构建应用，Replit 作为已获批连接器正在逐步上线，可在 Connectors 中查找。用户描述应用后，Replit 可为 Meta 设备构建 VR 应用，该合作于本周 Meta Connect 上宣布。

opencode v2 新增功能：低冗余模式，隐藏所有杂乱的输出 之前：<数千行 shell 输出等> 现在： + 1 条命令，1 次编辑，2 条思考，3 次读取

Claude Code 在任务进行中触发 5 小时使用限额时，会尝试寻找一个优雅的停止点，而不是在编辑中途直接切断。收尾所用的额度是一笔从每周限额中扣除的固定小额配额。

Proaction 借助 Codex 提升销售 60% 并节省 75+ 小时

Proaction 使用 Codex、GPT-Live-1 和 GPT-6 Astra 构建、运营并销售现代车队管理方案，销售提升 60%，节省 75+ 小时。

用 AI 给自建应用做极端场景压力测试

一个近期受欢迎的 AI 用法是让 AI 尝试"搞坏"自己开发的东西：塞入大量数据、超长名称、异常邮箱和标签，模拟最坏情况。作者称这是一个 vibe-coded 演示，但思路可供参考。

Cognition 宣布其年化营收运行率（annualized revenue run rate）已突破 1B 美元。公司表示这一里程碑属于其客户，并分享了部分客户使用 Devin 构建应用的案例。

Simon Willison 发布 commit-rewriter 0.2

Simon Willison 发布 commit-rewriter 0.2。该工具与 git 相关，具体功能与更新细节原文未作说明。

OpenCode 官方公告称 OpenCode Server 存在影响 1.14.30 至 1.18.21 版本的代码执行漏洞，建议用户更新到最新版本。该漏洞由 @christophetd 和 Datadog 团队报告，相关分析见 securitylabs.datadoghq.com。

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。

Boris Cherny 说明 Claude 处理棘手状态机或易竞态代码的流程：先为程序建模，再在模型中找出反例作为疑似 bug，随后复现这些 bug 并在代码中修复。他指出目前并非对整个代码库做形式化验证，而是对最棘手的部分建模、检查反例并修复。

Claude Code 的 Cloud sessions 云会话正式可用并结束 research preview，可在笔记本合盖后继续运行任务。现有订阅用户可获一次性赠额试用：Pro 赠 $100，Max 赠 $250。

除了 Rollouts，我们还对 Security Reviewer 进行了重大更新。 Security Reviewer 现在完成速度提升了 21%，平均耗时 3.8 分钟，从 4.8 分钟降至 3.8 分钟。

Cursor 宣布 Rollouts 和 Security Reviewer 即日起在 Teams 和 Enterprise 计划中可用。未来 10 天内 Cursor 会附赠 Rollouts 使用额度，方便用户在真实改动上试用。更多信息见 cursor.com/blog/rollouts-and…。

推出 Rollouts。 Rollouts 先编写监控计划，然后在部署时监控变更。 部署经过验证，回归问题会在用户看到之前被捕捉到。

我们将 Cursor 的 token 成本降低了 7%，且智能体质量没有下降。 节省来自更紧凑的提示词、选择性工具加载、更好的缓存和压缩的文件读取。

我们是这样改进智能体框架的：cursor.com/blog/improved-tok…