coding

阿里巴巴发布了其最大的模型 Qwen3.8-Max，参数规模达 2.4T，在 Terminal-Bench 上的成绩比 Fable 5 高出 2%，开放权重将于下周发布。

Qwen3.8-Max 为 AI 模型的编程与协作能力树立了新标杆。

Qwen 3.8-Max，一个拥有2.4万亿参数的模型，现已正式可用，开放权重将于下周发布，在编程、工作、研究和长期任务等方面带来全面改进。

DeepSeek 的新 V4 Flash 模型据报道是仅次于 Kimi K3 的第二大开源权重模型，以超过 50 倍更低的成本（每 100 万 tokens 0.09/0.18 美元）提供强劲性能，并具备扎实的代码和推理能力。

DeepSeek 宣布推出 V4 Flash GA，声称其在 DeepSWE 基准测试上与 Sonnet 5 和 Grok 4.5 相当，但该说法尚未得到验证。

亚马逊在一个Claude AI项目上花费了180万美元，该项目超预算860%，凸显了部署AI代理进行编码任务的成本风险。

一位具有编码背景的VP/PM分享了使用Claude Opus和Fable等LLM的实践经验，重点指出了模型在记忆、幻觉和原创性方面的局限，同时强调了人类直觉和领域专业知识不可替代的价值。

Grok 4.5，一个强大的编码模型，现已纳入Cursor新推出的印度专属计划，每月₹649，让开发者仅凭一句话就能利用云端代理构建完整应用。

Annie Sexton 和 Kent Dodds 谈到，Claude Code 虽然实用，但让工程问题解决变得枯燥，Sexton 仍在寻找那份乐趣去了哪里。

月之暗面（Moonshot AI）开放了Kimi K3的模型权重，这是一个3T参数的前沿模型，专注于长周期编程、仓库级上下文和工具使用，支持自托管和微调。

MindLab Research发布了Macaron-V1-Tall，这是一个基于Qwen3.6-35B-A3B构建的Mixture of LoRA模型，配备了四个分别用于对话、代理、编码和GenUI任务的专家模块，上下文长度为262K。

llama.cpp现已全面支持适用于所有协议的模型上下文协议（MCP），可在其WebUI中直接实现智能对话和工具集成，无需外部依赖。

作者认为，由于LLM能够处理易于验证的任务，目前可为编程提供约2倍的生产力提升，但根本性限制使其无法实现10倍改进；进一步的提升将来自围绕现有能力重构工具，而非模型改进。

Laguna S 2.1 是一款 120B 类模型，它通过使用长思考令牌解决了 Julia 中的一个复杂编码问题，给我留下了深刻印象。在一个内存受限的重排任务中，它的表现超过了 Qwen 模型。

Anthropic 发布了 Opus 5，专注于 Token 效率和成本降低，而非重大的能力飞跃，提供接近 Fable 的性能，成本减半。

Anthropic 的 Claude Opus 5 被强调为编程、数据分析与知识工作领域的先进模型，具有前所未有的对提示注入攻击的抵抗力。系统卡显示，结合防御措施可将提示注入成功率降至接近零。

技术文章，讨论当智能体操作超时时重试逻辑的重要性，并指出基于智能体的系统中一个常见误区。

在M5 Pro上使用llama.cpp本地测试了更新后的Gemma 4，使用OpenCode进行编码任务时达到60 tokens/s；后端表现良好，但UI/UX不佳。

作者反思了AI智能体在代码导航、调试和报告撰写方面如何超越自己，并询问他人在多智能体工作流（如MCP、Anvita Flow和Agent Protocol）方面的经验。

一位开发者分享了一个激进观点：在 Antigravity 平台上使用 Google 的 Gemini Flash 模型，在执行小型编码任务时，其速度和简洁性优于 GPT 5.6，尽管 GPT 的智能上限更高。