模型厂商、公司和研究机构自己发布的消息：官网、官方博客和官方账号。
Reflection AI 推出了 Beam，这是一款用于智能体编程和多步骤任务的开放权重模型，总参数量为 5010 亿，激活参数量为 230 亿。Reflection 称其有效上下文长度为 100 万个 token，并以 Apache 2.0 许可发布 Beam 1.0，提供 BF16、FP8 和 NVFP4 版本。本指南介绍如何通过 Amazon SageMaker JumpStart，或借助 JumpStart、SGLang 或 vLLM 在 HyperPod Inference 上进行部署，内容包括容量规划、调用、性能测量和清理。
推荐理由：部署方式的比较说明了何时托管端点已足够，以及何时 Kubernetes 基础设施或自定义运行时能为服务配置、分布式执行和扩缩容提供有用的控制。
Reflection在Hugging Face上发布了Beam。这是一款501B的MoE模型，每个token激活23B参数，支持100万token的上下文窗口，并采用Apache 2.0许可证。这款纯文本模型面向编程和智能体工作，提供BF16、FP8和NVFP4检查点，并在发布首日支持transformers、vLLM和SGLang。Hugging Face还提供部署和后训练方案，以及自有的任务评测和演示。
推荐理由：部署指南区分了活跃计算量与权重总内存用量，帮助团队评估运行和适配一款具有长上下文窗口的稀疏模型所需的硬件配置。
Meta 的 Muse Spark Open 是一款开放权重的混合专家模型，约有 8160 亿个参数，每个 token 激活约 420 亿个参数，上下文窗口最长可达 100 万个 token。该模型经过智能体编程训练，可接收文本、图像、音频和视频，并生成文本。Hugging Face 提供推理和部署方案，报告了其自身的量化测试结果，并演示了使用 TRL 对注意力层进行 LoRA 微调，同时冻结专家网络。
推荐理由：这些部署方案阐明了稀疏专家激活如何在保留大量内存需求的同时减少每个 token 的计算量，帮助开发者根据不同检查点格式和服务框架评估硬件需求。
Google DeepMind 已通过其 API 和部分 Google 产品在全球推出 Gemini 4 Argon，具体访问权限取决于订阅或服务等级。入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元；缓存输入 token 可享受 95% 的折扣，通过 Gemini API 的统一输入输出 token 上限为 1M。Google 表示，该模型在编程、专业工作流程、科学研究和机器人领域均有提升，同时增强了智能体防护措施和抵御提示注入的能力。
推荐理由：Google 报告的代码提交量提升和回滚次数减少，将 Argon 的工程能力与内部工作流程中的交付速度和代码稳定性联系起来。
GitHub 的入门指南介绍了四种根据项目定制 Copilot 的方法：用自定义指令说明代码库规范，用代理技能执行可重复的流程，用自定义代理处理范围更广的专业任务，以及用 MCP 服务器连接外部工具和数据。指南建议从一项你经常需要解释的规范入手，并将其添加到 `.github/copilot-instructions.md`。
Asana 借助 Codex 中的 GPT-6 Astra，在测试中让浏览器智能体的模型成本降低 76 倍、速度提升 5 倍，从而为客户提供能力更强的模型。
LegalOn 将 Codex 每日预估成本降低 65%，同时保持开发速度。其做法是按任务匹配 Astra、Sol 和 Luna，并对预算进行策略性管理。
Oracle 在招聘、工程和运营场景中，用 ChatGPT Work 和 Codex 将专家知识转化为快速、可重复的工作流，把原本需要数天的工作压缩到几分钟完成。
GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，据称能把可拦截的密钥数量提升一倍以上。
推荐理由：GitHub 用九个季度数据说明密钥泄露与人工修复的失衡，并给出把检测前移到推送环节的模型方案。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、490 亿激活参数的 natively 多模态模型，权重将于本月底开放。
推荐理由：Mistral 官方给出 1 万亿参数多模态模型的开放权重时间表与自建欧洲算力背景，可对照其与主流开源模型的定位差异。
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长程智能体任务，通过全托管 API 提供跨区域推理、提示词缓存和服务层级，目前面向符合条件的企业客户开放。
推荐理由：原文给出 GLM 5.3 在 Bedrock 上的接入方式与提示词缓存用法，读者可据此评估托管推理对编码与长程智能体工作流的成本影响。
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 和 Claude Sonnet 5 已上线 AWS GovCloud (US) 区域的 Amazon Bedrock，为 ITAR 等受监管工作负载提供 AI 辅助开发通道。
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，语料包含 187 个开源仓库、19 种语言的 219 个 pull request。
Chatham Financial 借助 OpenAI 的 Codex 和 GPT-5.6 构建技术并重新设计工作流，将交易验证时间从 30 分钟缩短到 4 分钟以内。该公司借此扩展其在资本市场领域的专业能力。
GitHub 提出 AI 时代开发者需要强化三项技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型对计划、代码和测试进行批判性审查，从而发现首个模型遗漏的问题。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：Gemini 4 Argon 把输出上限提到 1M token 并给出多项基准与内部落地数据，可据此判断长程工作流的能力边界。
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。
推荐理由：原文交代了 Sonnet 5.5 在编码与文档任务上的改进，并给出与 Opus 5.5 的分工和 Bedrock 接入方式。
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，面向智能体编码、计算机操作和专业工作负载提供更强的推理能力。据 OpenAI 称，它在 DeepSWE v1.1 上达到 GPT-6 Astra 的水平，每任务成本约为后者的五分之一，并比 GPT-6 Sol 的最佳成绩高出 6.4 个百分点。
推荐理由：原文给出 GPT-6.1 Sol 在 Bedrock 上的可用范围与成本对比，读者可据此判断智能体编码任务的性价比。
OpenAI 发布 GPT-6.1 Sol，定位为面向编码、计算机操作和专业工作的接近 Astra 级别的智能，标准 API 输入与输出 token 价格仅为 Astra 的五分之一。
推荐理由：OpenAI 发布 GPT-6.1 Sol，给出接近 Astra 的能力定位与五分之一的 API 价格，读者可据此判断成本与能力取舍。
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，提供 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度，支持 Responses、Chat Completions 和 Converse API，通过跨区域推理配置文件在 bedrock-runtime 端点提供服务。
推荐理由：文章给出 Grok 4.7 在 Bedrock 上的接入方式与四档推理强度，读者可据此判断长任务智能体的成本与延迟取舍。
OpenAI 启动 Codex Originals 项目下一阶段，征集使用 Codex 的开发者、研究者与创作者的真实故事和项目。感兴趣者可通过下方表单提交自己的经历与项目介绍。
Proaction 借助 Codex、GPT-Live-1 和 GPT-6 Astra 构建、运营并销售现代车队管理服务，实现销售额提升 60%、节省 75+ 小时。
GitHub Copilot 应用重建了 pull request 视图，以流畅渲染含 2,200 个文件、超 100 万行改动和 400 多条行内评论的超大 PR。其做法是把文档高度拆成确定性的代码几何与动态块几何两部分：代码行高提前精确计算，评论等动态块则按稳定 key 锚定到文件、行和侧，惰性测量并只做小幅修正，避免滚动跳变。
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成代码仍需阅读和负责，只是审查力度应按风险分配；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是连接工具与数据的标准；RAG 并未消亡，它与 Agent、Skills、MCP 可共存于同一工作流。节目还讨论了招聘中的 AI 使用判断力，以及微调需求往往暴露的是代码库可维护性问题。
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，分布在 128 个 PR 中增量合入 main，而非一次性切换。
推荐理由：作者以亲历者身份复盘 80 万行 Rust 重写，给出可迁移的智能体编排与评审方法。
Cognition 借助 GPT-6 Astra 提升 Devin 测试软件并验证其可用的能力，目标是让工程师减少代码审查、加快交付。
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让用户无需离开应用即可审查、运行并预览 AI 智能体生成的代码改动。diff 面板以绿色标注新增、红色标注删除，支持接受改动、留言或让 Copilot 继续修改；终端面板可直接运行项目命令并支持多窗口切换。
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件也没有集中文档。团队先搭建数值对齐测试框架，用 Skill.md 引导智能体导出 Fortran 状态快照并在 C++ 侧校验，再用自定义解析器生成调用树、由 Vibe CLI 调度上百个智能体结合 Mistral OCR 补文档。
一位 MIT 研究人员使用 GPT-5.6 Sol 配合 Codex，自主运行量子计算实验、分析结果并校准量子比特。该案例展示了 GPT-5.6 Sol 在量子计算实验流程中的自主执行与结果分析能力。
1Password 的工程师使用 Codex 快速构建新功能和内部工具，在维持严格安全策略的同时达到生产可用状态，工程效率提升 21%。
OpenAI 披露内部数据，展示编码智能体正在重塑 AI 研究，涉及智能体使用情况、实验速度、任务复杂度与研究加速等方面。
GitHub 发布 Project HydraFusion 研究预览，在 GitHub Copilot CLI 中通过 /experimental 启用，可在 /model 中选择，按各模型标准价格按 token 计费。
推荐理由：GitHub 官方给出三种编排模式与三个基准的质量成本对照，可据此判断多模型编排在编码任务上的取舍。
GitHub Copilot app 支持同时运行多个 agent 会话，每个会话运行在独立的 Git worktree 上，互不干扰且各自保留上下文，可随时切换并从中断处继续。用户可在 sessions view 中查看各会话标题与任务进度，并以 tailspin-toys 仓库为例同时执行 funded sort、无障碍审查和测试三项任务。
Google DeepMind 发布 Gemini 3.8 Flash 与面向安全防御的 Gemini 3.8 Flash Cyber，前者在软件工程、智能体任务和多步推理上较 3.7 Flash 有明显提升，定价保持每百万输入 token 0.75 美元、输出 3.75 美元。
推荐理由：原文给出 3.8 Flash 在长程编码与智能体任务上的提升，以及同价位的定价与开放入口，可据此判断是否替换现有工作流。
Multiverse Computing 发布论文提出 Quantization-Aware Healing（QAH），在 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 检查点蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的修复配方，并附与 QAT 的稳定性对比数据。
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码与智能体的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：原文给出 3.7 Flash 相对 3.6 Flash 的多项基准提升与半价定价，读者可据此判断编码与智能体场景的成本收益变化。
微软研究院发布开源框架 Orchard，核心是 Kubernetes 环境服务 Orchard Env，可复用地支持软件工程、网页导航和个人助理等不同任务与智能体系统。
推荐理由：微软研究院开源了可复用的智能体环境服务与三套训练配方，读者可据此了解小模型在真实部署框架内训练的做法。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber 三款新模型。
推荐理由：原文给出三款 Flash 模型的 token 效率、价格与基准对比，可据此判断智能体工作流的成本变化。
Hugging Face 发布开源基准 ScarfBench，用于评估 AI 智能体在企业级 Java 框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现和 204 个迁移任务。
Mistral 在 AI Now Summit 2026 上发布面向工业工程的 AI 栈，与 Airbus、BMW、ASML 合作优化设计、仿真与生产，同时保持对专有数据和 IP 的控制。
推荐理由：Mistral 一次性给出工业 AI 栈、Vibe 智能体和自建推理数据中心三条线，可看清其企业级全栈布局。
