coding

有人把 Claude Code 变成了一个排位电子游戏，用户排队匹配陌生开发者，双方限时竞速交付项目，由各自的 Claude 当裁判打分并结算 Elo。

Google DeepMind 宣布 Gemini 4 Argon 现已全球可用，该前沿模型在编码、企业工作流和网络防御方面提供顶级能力，旨在从头到尾解决复杂问题。

Google 发布新一代旗舰模型 Gemini 4 Argon，面向开发者与企业开放，在编码、金融、法律、网络安全及科学等复杂多步任务上取得领先性能，推理定价为每百万输入 token 2 美元、输出 10 美元。

Dan Shipper 指出，Muse Wonder 在高级工程师基准测试（测试从零重写通过氛围编程生成的代码仓库的能力）中仅取得了令人失望的 52% 成绩，远落后于 GPT-Sol 6.1 的 71%。

Meta 发布了 Muse Wonder 和 Muse Wonder Full，这是其迄今为止能力最强的 AI 模型，专为个人和专业智能体设计，可通过 Meta Model API 和 Muse Code 订阅使用。文章详细介绍了定价（每百万 token 4 美元/20 美元）、与 Claude Opus 5.5 对比的基准测试，以及 Contributor 模式和 Full 版本仅限部分用户使用等限制。

Meta 今日发布 Muse Wonder 系列前沿模型（Muse Wonder 与 Muse Wonder Full），主打个人与专业智能体任务，具备主动记忆与主动聚焦能力，已在编程、法律、金融等领域基准测试中达到领先水平，将通过 Meta 模型 API 和 Muse Code 提供服务。

Gergely Orosz 分享了一个类比（最初来自 Simon Willison），认为 AI 编程智能体不会消灭软件开发，就像智能手机让摄影和电影制作更加繁荣而不是将其杀死一样。

对三个本地模型——GLM 5.3 Flash、DeepSeek V4.1 和 Qwen 3.8 Flash Next——进行正面对比：每个模型都在 DGX Sparks 上生成一个具有电影质感的 3D Three.js 螺旋星系 HTML 文件，并统计 token 数、生成时间、吞吐量和所需修复。

讨论Google更新软件工程师面试流程，新增使用Gemini的代码理解环节，但并未取消数据结构与算法（DSA）/LeetCode面试。Gergely Orosz指出，Google实际上是增加了一轮面试，而非移除DSA环节。

Addy Osmani 强调，验证是让 AI 编程智能体取得良好成果的关键：在审查之前明确定义“完成”的标准，为智能体提供必须通过的可执行检查（bash 命令、测试、浏览器测试），并且只有在没有任何阻碍合并的问题时才发布。

Dolphin 推出其推理 API，由 DeepSeek V4.1 Flash 驱动，宣称以比前沿模型低 97% 的成本提供 Opus 5 级别的编码与智能体性能，并为前 1000 名注册用户赠送 $30 免费额度。

Nous Research 发布了名为 MISSINGNO. 的编码与智能体推理模型，主打高 token 效率，并在 Nous Portal 上限时免费提供，可直接在 Hermes Agent 中使用。

一位社区成员在 14 道近期的 AtCoder 题目上，以四种思考强度测试了三个 Qwen 3 量化模型（Flash、Swift、27B），发现更高的思考强度很少能改善结果，主要只会增加因触及 token 上限而导致的失败，而 Flash IQ3_S 在速度与准确率之间取得了最佳平衡。

Google 发布了代号为 "carbon" 的新模型，早期报告显示其编码能力可媲美 Claude Opus。

阶跃星辰发布旗舰基座模型 Step 5 Preview，登陆 OpenRouter 热榜第一，主打 AI 编程与软件工程，支持 1M token 上下文。用户实测将其接入 Claude Code，用 Three.js 生成可交互 3D 小岛，效果媲美 Opus 5.5 且成本更低。

分享者介绍了如何用 Step 5 Preview 模型实现全屏滚动网站效果的工作流，并称赞其多模态与编码能力，该模型现已上线 OpenRouter。

论文提出 CoDR（Confidence-Drift Remasking），一种免训练、与采样器无关的后处理精炼方法，通过检测已提交 token 的置信度漂移并对其进行重遮蔽与重新生成，从而在掩码扩散语言模型的推理与编码任务上以较少的前向传播次数提升准确率。

作者基于一个月的重度使用体验，认为 DeepSeek 4.1 Flash 在编程任务上已与 Claude Opus 等前沿模型难以区分，但成本低几个数量级，业界却未因此震动。文章指出 KV 缓存缩减约 437 倍使全天会话成本不到一美元，预示便宜且“足够好”的中国模型正在改变开发者的工作方式。

# 12小时实测横评：Strata 推理主机 vs llama.cpp 运行 Qwen3.8-Flash-Next 的持续编码工作流实录 一篇详尽的 12 小时上手实测文章，将 **Strata 推理主机** 与 **llama.cpp** 进行对比，测试场景为在持续编码工作流（continuous coding harness）中运行 **Qwen3.8-Flash-Next** 模型。文章记录了以下关键问题： - 出现幻觉性的工具调用输出（hallucinated tool outputs） - 上下文压缩后产生的记忆混乱（memory confusion after compaction） - 反复出现的文件写入格式错误（repeated malformed file writes） 最终，作者因上述问题放弃了 Strata，回归到适合企业级开发的方案。

Mistral 发布了拥有 1 万亿参数的新模型 Mistral Large 4（绰号 Le Chonk），声称可与美中顶尖 AI 模型竞争，是目前中国以外最强的开源权重模型，特别针对编码、网络防御及制造业、金融等垂直领域优化，现处于预览阶段。