Deepseek V4 Flash 更新到正式版了，Agent 能力大幅提升，超过了 V4 Pro 的 Preview 版本！ 官方测评成绩： Terminal Bench 2.1: 82.7 NL2Repo: 54.2 Cybergym: ...

DeepSeek 发布了 V4 Flash 正式版，Agent 能力大幅提升，已在官方 API 上线并支持 Codex 格式。

DeepSeek 发布了 V4 Flash 正式版（DeepSeek-V4-Flash-0731），Agent 能力大幅提升，在 Terminal Bench 2.1 等多项基准测试中取得优异成绩（如 82.7）。该模型已在官方 API 上线，并支持 Codex API 格式，提供一键配置脚本，方便开发者快速集成。模型结构与预览版一致，仅重新进行了后训练，性能提升源于后训练优化。开发者可借此增强自动化任务能力。 核心观点： 1. 在 Terminal Bench 2.1 上得分 82.7，体现 Agent 能力显著提升。 2. 支持 Codex API 格式并提供一键配置脚本，简化集成流程。 3. 模型结构同预览版，仅后训练变化，性能提升来自后训练优化。

这个 iOS / Android 双端的开源 AI Agent 必须推荐！ OpenMinis 作者 @wsvn53 https://github.com/OpenMinis/OpenMinis OpenMinis 选择直接给模型一台 Linux 电...

OpenMinis 发布了开源 AI Agent，在移动端通过 Linux 沙箱实现系统集成与工具调用，为移动 AI Agent 开发提供新思路。

移动端AI Agent开发面临系统集成和工具调用限制。OpenMinis发布开源AI Agent，在iOS和Android上通过Linux沙箱实现系统级集成：iOS使用iSH深度定制fork（ARM64 guest），Android使用PRoot。模型仅暴露8个核心工具，设备功能通过沙箱内CLI命令调用，采用Native Offloads机制降低token消耗。支持Skills兼容、记忆分层、权限控制等设计。为移动AI Agent开发提供新思路，降低开发门槛，提高模型可控性和效率。 核心观点： 1. iOS端用iSH深度定制fork（OpenMinis/ish-arm64），改造为ARM64 guest，配合Asbestos JIT解释器，实现进程管理和100+系统调用。 2. 模型仅见8个工具（shell_execute等），20+设备集成通过沙箱CLI命令，Native Offloads将execve()路由到宿主侧原生handler。 3. Agent循环最多200轮，并发工具执行上限10，分级自动压缩与上下文卸载，并设有ToolLoopDetector熔断器。

Claude Code 官方分享「Loops」设计范式 把"Agent 工程"从经验直觉提升为可复用的设计语言：触发、停止、工件、适用场景——四个变量一旦确定，循环的形态就确定...

Claude Code 官方提出「Loops」设计范式，将 Agent 工程从经验直觉提升为可复用设计语言，定义了四种循环类型及关键工程实践。

Claude Code 官方提出「Loops」设计范式，将 Agent 工程从经验直觉提升为可复用设计语言。该范式定义了四种循环类型：Turn-based、Goal-based、Time-based 和 Proactive，每种类型由触发、停止、工件和适用场景四个变量确定。文章还强调了关键工程实践，如自验证、事件驱动优先、模型分级路由等。对开发者而言，这提供了一套系统化的 Agent 设计方法论，有助于提升复杂任务的自动化程度和可靠性。 核心观点： 1. 四种循环类型（Turn-based、Goal-based、Time-based、Proactive）由触发、停止、工件、适用场景四个变量确定，可组合使用。 2. Goal-based 循环的有效性取决于退出标准的可确定性，确定性指标（如测试通过数、分数阈值）效果最好。 3. Proactive 循环中，模型分级路由是关键成本控制手段：routine 用小模型，判断性决策用最强模型。

推荐理由常规资讯，保留列表

Anthropic 今天发布了 Claude Science，一个面向科学研究者的 AI 工作台。它的定位很明确：做科学研究领域的 Claude Code。 去年 Claude Code 改变了程序员的工...

Anthropic 发布了面向科学研究者的 AI 工作台 Claude Science，集成 60 多个科学数据库和 Agent 系统，旨在成为科研领域的 Claude Code。

Anthropic 发布面向科研者的 AI 工作台 Claude Science，定位为科研领域的 Claude Code。它不训练新模型，而是将现有 Claude 模型（含 Opus 4.8）与 60 多个科学数据库（涵盖基因组学、蛋白质组学等）及多 Agent 系统集成到统一界面，支持自然语言驱动的文献查询、代码生成、图表复现和本地/集群运算。早期用户案例显示其在基因组浏览器搭建、RNA-seq 污染发现、多 Agent 文献综述等方面有显著效率提升。对开发者而言，Claude Science 展示了将通用 LLM 通过 Workflow 和 Agent 架构深度嵌入特定行业操作层的产品化路径。 核心观点： 1. Claude Science 不训练新模型，而是通过集成 60+ 科学数据库和多 Agent 系统将现有模型包装为科研平台。 2. 每张图表附带生成代码、运行环境、自然语言描述和完整对话记录，支持自然语言指令修改图表。 3. 支持本地运算（macOS/Linux）和 SSH 连接 HPC 集群，敏感数据可留本地，仅发送上下文信息给 Claude。

推荐理由常规版本更新，跟进即可

Anthropic 今天发布 Claude Sonnet 5，替代 Sonnet 4.6 成为免费版和 Pro 版的默认模型。Anthropic 的定位很明确：Agent 能力接近自家最贵的 Opus 4.8，API 价格...

Anthropic 发布 Claude Sonnet 5，Agent 能力接近 Opus 4.8，API 价格仅为后者 40%，并更换新分词器。

Anthropic 发布 Claude Sonnet 5，定位为 Agent 能力接近旗舰 Opus 4.8 但价格仅为其 40% 的模型。在 Agent 编程基准上 Sonnet 5 得分 63.2%，高于前代 Sonnet 4.6 的 58.1%，低于 Opus 4.8 的 69.2%；知识工作基准甚至略超 Opus 4.8。模型更换了新分词器，同样文本可能消耗 1.0-1.35 倍 Token，但推广期定价已对冲此涨幅。对开发者而言，Sonnet 5 提供了更优的性价比，但需注意推广期结束后实际花费涨幅可能高于标价涨幅。 核心观点： 1. Sonnet 5 在 Agent 编程基准得分 63.2%，Sonnet 4.6 为 58.1%，Opus 4.8 为 69.2%。 2. 新分词器导致同样文本消耗 1.0-1.35 倍 Token，推广期定价已对冲此涨幅。 3. API 推广价（至 8 月 31 日）为输入 $2/百万 Token、输出 $10/百万 Token，之后涨至 $3 和 $15。

推荐理由常规版本更新，跟进即可

Q：我们公司有十几个微服务，现在想让开发用 AI Agent 来做系统设计和编码。问题是一个 user story 经常需要多个微服务协作，Agent 必须了解每个服务的职责边界...

针对多微服务场景下AI Agent进行系统设计与编码，提出monorepo/虚拟monorepo、分层文档、协议测试和mock server验证闭环的实践方案。

针对多微服务场景下AI Agent进行系统设计与编码的实践方案。核心挑战在于Agent需理解多个微服务的职责边界与业务概念。推荐采用monorepo或虚拟monorepo提供全局视图，配合分层文档（根目录AGENTS.md索引+各服务目录职责文档）实现按需加载上下文。强调利用OpenAPI spec、Pact契约文件等机器可读规格及协议测试代码作为精准上下文来源。验证方面，通过mock server和contract test形成“写代码→跑测试→自我修正”的闭环，避免依赖完整集成环境。 核心观点： 1. monorepo或虚拟monorepo（多仓库clone到同一本地目录）是社区推荐的Agent上下文组织方式。 2. 分层文档策略：根目录AGENTS.md做索引，各微服务目录内放职责与业务概念文档（DDD bounded context）。 3. 协议测试代码（如Pact契约文件）是比手写文档更准确的活文档，因测试失败即表明协议不一致。

推荐理由常规资讯，保留列表

OpenAI 今天（6月26日）发布了新一代模型 GPT-5.6，包含三个版本：旗舰级 Sol、日常级 Terra 和经济级 Luna。但这条新闻最值得关注的地方不在模型本身，而在发布...补录

OpenAI 发布 GPT-5.6 系列模型，包含 Sol、Terra、Luna 三个版本，因美国政府要求仅向约 20 家合作伙伴开放预览。

OpenAI 于6月26日发布 GPT-5.6 系列模型，包含旗舰级 Sol、日常级 Terra 和经济级 Luna。因美国政府要求，目前仅向约20家经审批的合作伙伴开放预览。Sol 新增 max 深度推理与 ultra 多子 Agent 并行模式，在 Terminal-Bench 2.1 上 Sol Ultra 得分 91.9%。Terra 性能接近上一代 GPT-5.5 但价格减半，Luna 主打低成本高吞吐。7月将上线 Cerebras 硬件加速版本，推理速度达每秒750 token。对开发者而言，Terra 的高性价比和 Sol 的 ultra 模式值得关注。 核心观点： 1. Sol Ultra 在 Terminal-Bench 2.1 上得分 91.9%，高于 Claude Mythos 5 的 88% 和 Gemini 3.1 Pro Preview 的 70.7%。 2. Sol 在 ExploitBench 上用约三分之一的 token 达到 Mythos Preview 的网络安全水平。 3. Sol 的 ultra 模式可调用多个子 Agent 并行处理复杂任务，无需开发者自行搭建 Agent 编排框架。

推荐理由常规版本更新，跟进即可

MiniMax 发布开源权重模型 M3，支持 1M 上下文与原生多模态，具备前沿编码与 Agent 能力

MiniMax 发布开源权重模型 M3，支持 1M 上下文与原生多模态，具备前沿编码与 Agent 能力。

MiniMax 发布开放权重模型 MiniMax M3。该模型总参数量约 428B、激活参数量约 23B，支持 1M-token 上下文窗口与原生多模态理解，并具备前沿编码与 Agent 能力。模型权重已上架 Hugging Face，同时发布了 MiniMax Sparse Attention 论文。开发者可直接下载部署，在超长上下文、多模态及 Agent 场景中进行应用开发与评测。 核心观点： 1. MiniMax M3 总参数量约 428B，激活参数量约 23B，以开放权重形式发布。 2. 模型支持 1M-token 上下文窗口，具备原生多模态理解及前沿编码与 Agent 能力。 3. 权重已上架 Hugging Face，并配套发布 MiniMax Sparse Attention 技术论文。