自动盯住上百个信源，用模型摘要、打分、精选，把同一件事的多篇报道归到一起，每天早上出一份日报。聚焦机器人、AI 与财经投资。
月之暗面正式推出Kimi K3.1 Pro系列首个模型，这是公司迄今能力最强的3万亿级参数模型，支持100万上下文。在Terminal-Bench 4.0编程智能体测评中，K3.1 Pro得分65.7%，超过GPT-6 Astra的58.2%；在3D建模方面，BenchCAD基准测试得分92.7%，接近Claude Opus 5.5的96.2%。
推荐理由：编程智能体测评超越GPT-6，3D建模能力接近Claude Opus，事实错误率大幅降低，显示中国模型在专业领域快速追赶。
Anthropic 使用 Claude 数学证明现有代码的正确性，该模型在几周内生成了约1.8亿行数学证明代码，分析了来自123个开源库的测试程序，发现了数百个传统测试可能遗漏的bug。尽管证明仅在特定条件下有效，且计算成本高昂，但 Anthropic 认为这将改变软件开发流程，并计划将此技术应用于关键基础设施。
推荐理由：Claude 自动生成数学证明验证代码安全，将传统需20人年的工作压缩至数周，但严格限制条件仍存挑战。
Mirendil发布编码专用基座模型Mirendil-Base，参数量1000亿～5000亿，由1名研究员和Agent团队在三个半月内完成训练，成本不到1000万美元。模型在部分编码指标上已接近Kimi K3、GLM-5.3等主流模型，99%代码由Agent生成。
推荐理由：一人训练千亿参数模型展示了AI辅助研发的突破，但成本与人才门槛仍将限制其普及。
Google最新旗舰模型Gemini 4 Argon上线72小时处理近25万亿Token，消耗量是上一代Gemini 3.0同期的3倍。Google CEO桑达尔·皮查伊在访谈中首次公开解释了Gemini 3.5 Pro为何神秘消失，以及DeepMind核心管理层变动的幕后原因。
推荐理由：Gemini 4 Argon上线72小时处理25万亿Token，谷歌CEO首次披露砍掉3.5 Pro内幕，模型迭代与算力博弈成焦点。
Anthropic 平台工程团队负责人 Katelyn Lesse 表示，团队所有代码均由 Claude 生成，工程师转向系统设计与验证工作。团队已让 AI 智能体自主修复测试，并探索允许智能体直接修改代码库的方式。数据显示，Claude 编写的代码占公司生产代码库的 80% 以上，公司技术部门初级员工占比从 21% 降至 14%。
推荐理由：Anthropic 平台工程团队全面采用 Claude 编码，标志着 AI 智能体从辅助工具向自主开发者的角色转变。
科大讯飞发布讯飞星火 X2.6 端云一体大模型，首次基于全国产算力实现代码和智能体能力突破。星火 X2.6-4B 开源端侧大模型下载量已进入全球端侧模型前四，采用 293B-A30B 参数的 MoE 架构，上下文长度拓展至 1M，推理定价为输入 0.9 元/百万 tokens，输出 3.6 元/百万 tokens。
推荐理由：国产算力训练的星火X2.6实现代码和智能体能力突破，端侧模型进入全球前四，国产芯片长程任务效率瓶颈被攻克。
Recursive 公司发布了名为 Flint 的免费编码模型，可在笔记本电脑上运行，并声称主要由其 AI 研究系统 Eureka Machine 协助构建。Flint 是一个 400 亿参数的混合专家模型，仅需使用 25 亿参数即可完成任务，在 SWE-Bench Verified 基准测试中表现优于其他 500 亿参数以下的模型。
推荐理由：AI辅助构建小模型实现本地化部署，展示了递归自我改进的早期实践，但人类监督仍是关键。
MiniMax发布M3.1 Flash模型，在Agents' Last Exam评测中以29.6%得分成为国产模型第一，代码工程、网络安全等能力进入全球第一梯队。该模型输出速度达200+ TPS，输入每百万Token仅1元，输出4元，综合成本降至上一代的30%，性价比超越硅谷旗舰模型。
推荐理由：MiniMax M3.1 Flash以低价高性能重新定义Agent性价比，国产模型在综合能力上开始挑战硅谷旗舰。
中国 AI 公司 Deepseek 发布了更新的 Flash 模型 V4.1 Flash 1017，在智能体和编码任务中表现优于更大竞争对手，同时大幅降低每任务成本。该模型通过强化学习与自我反馈方法改进端到端项目开发，并将内部搜索引擎首次开放给外部开发者。
推荐理由：Deepseek V4.1 Flash 1017 在智能体和编码任务中超越更大模型，同时大幅降低每任务成本。
开发者莫里斯・霍伊曼团队历时3个月，消耗超5000亿词元，调用AI智能体反编译并重建2009年《使命召唤：现代战争2》游戏源代码，最终99%的游戏函数已纳入重建源码，83%的函数达到逐字节匹配。
推荐理由：该项目展示了AI智能体在复杂代码重建中的实际应用，提供了大规模AI协作开发的新方法。
Claude Haiku 5.5发布，跑分超越DeepSeek V4.1Flash和GLM-5.3-Flash，价格比上代降低90%，但换了tokenizer导致token消耗增加。
推荐理由：原文详细对比了新旧模型性能与价格变化，读者可据此评估迁移成本与适用场景。
Mistral 发布了 Mistral Large 4，这是一款拥有 1 万亿参数、490 亿活跃参数的原生多模态大模型，将在本月末开源权重。该模型在编码、智能体工作流和多模态理解方面表现出色，在网络安全、金融和法律等关键企业工作负载上达到开源模型最先进水平，部分领域甚至超越封闭模型。
推荐理由：原文给出了参数规模、性能表现和开放时间，读者可以据此评估其对开源模型格局的影响。
Reflection AI 发布 Beam 开源大模型，该模型拥有 5010 亿参数，在推理基准上与中国模型 GLM-5.2 表现相当，但计算成本降低 3-4 倍。Beam 将通过超大规模云服务商和开源库分发，目标是为企业和政府提供定制化 AI 解决方案。
推荐理由：原文提供了模型参数、训练数据和性能对比等关键信息，读者可据此评估其市场竞争力。
GitHub 发布 ReviewBench，一个基于 103.9M 真实 PR 构建的代码评测基准，包含 219 个跨 19 语言的 PR，提供六项评测指标，支持按严重程度和类别分类，并已用于 Copilot 代码评测迭代。
推荐理由：ReviewBench 基于真实 GitHub PR 构建了首个开放代码评测基准，解决了评测方法学空白。
Google DeepMind发布Gemini 4 Argon模型，在19项基准测试中13项达到SOTA，支持1M输出token，目前仅限网络安全预览版。该模型针对编码、企业知识工作和网络安全防御，定价为$4/$20每1M输入/输出token， introductory折扣为$2/$10。
推荐理由：原文提供了Gemini 4 Argon的基准测试结果、定价和功能特点，读者可据此评估其市场竞争力。
Google DeepMind发布Gemini 4 Argon模型，在软件工程、企业知识工作和网络安全领域展现出前沿性能，输出token限制提升至100万，定价为输入token每百万2美元，输出token每百万10美元。
推荐理由：原文提供了Gemini 4 Argon在软件工程、企业工作和网络安全方面的具体能力变化和评测数据。
Hugging Face发布Holo4系列代理模型，包括27B密集型和35B-A3B混合专家型，可通过GUI、代码、MCP和API等多种界面与软件交互。Holo4在OSWorld 2.0基准测试中表现优异，27B版本得分为61.7%，35B-A3B版本得分为30.9%，同时参数量和成本显著低于同类模型。模型已开源，提供多种格式权重，并可通过H Models API使用。
推荐理由：Holo4系列模型通过多接口交互能力，为通用计算机使用场景提供了开源且成本效益高的解决方案。