如何花 $17 训练你自己的 Jev 分类模型
Together AI 博客演示如何微调一个 Jev 风格的分类模型：以 Qwen3.5 4B 为基座，从 MultiNLI、BoolQ、Banking77 等 6 个数据源采样 37,840 条训练样本，成本约 $17.0，训练约 25 分钟完成。
#编码
Together AI 研究与产品博客AI 评分4848 Cognition 模型 / Devin 博客AI 评分4747 Cognition 宣布进军拉丁美洲，以圣保罗为起点拓展 Devin 业务
Cognition 在圣保罗 MASP 举办发布会，宣布进军拉丁美洲，这是其拓展该地区软件工程业务的首个公开动作。
Fireworks AI精选AI 评分6363 Fireworks Research 发布 Ember-1：以 40% 更少 token 达成 Kimi K3 同等质量
Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，在保持质量的同时减少约 40% 的 token 消耗。团队通过 50 多次训练实验和 200 多次评估开发新训练算法，让模型学会更高效地推理；在 7 个基准和两家客户生产流量的 A/B 测试中，推理 token 缩短 35-50% 且准确率不降，内部编码流量切换后开发者几乎无感。
推荐理由：原文给出 Ember-1 相对 Kimi K3 的基准对比、A/B 实测和生产部署数据，读者可据此评估以更低 token 成本跑编码和智能体任务的可行性。
Anthropic：Claude.dev 开发者博客精选AI 评分7575 Anthropic 发布 Opus 5.5 在 Claude 与 Claude Code 中的使用指南
Anthropic 官方博客发布 Opus 5.5 使用指南，讲解如何提示、驱动长任务和核查结果。要点包括一次给出完整任务和完成标准、删除 think carefully 类提示、用 CLAUDE.md 设定何时继续何时停下、拆分 subagent、把任务清单存文件；还说明被安全拦截时会切换到旧模型，可用 /model 或模型选择器切回，fast mode 作为研究预览可用 /fast 开启。
推荐理由：Anthropic 官方总结了 Opus 5.5 与以往不同的提示词写法和长任务管理方法，读者可直接照清单迁移到自己的工作流。
METR：BlogAI 评分5151 METR 发布 Claude Opus 5.5 部署前评估摘要
METR 发布对 Claude Opus 5.5 的部署前评估摘要，评估其在困难长程任务上的能力及对 AI 研发的影响。结论是该模型相对 Fable 5.1 是渐进式提升，不太可能完全自动化 AI 研发，但可带来略高于 Fable 5.1 的生产力提升；模型开发期间 AI 带来的加速初步估计约为 1.5 倍（2 倍的概率约 30%）。
Amp ChronicleAI 评分5050 Amp Chronicle：Amp runner 支持 Git worktree 与 Secrets & Env Vars 注入
Amp 的 runner 新增 Git worktree 创建功能：在目录选择器中按 Tab 命名分支，即可在仓库同级目录生成新 worktree 并在其中启动线程，主 checkout 不受影响。
Conductor 官方更新AI 评分5353 Conductor 0.87.3 上线 GPT-6 Sol 和 GPT-6 Luna
Conductor 0.87.3 版本宣布 GPT-6 Sol 和 GPT-6 Luna 已可用，称其为 OpenAI 最新前沿智能模型。成本方面比 GPT-5.6 低 50%。
Conductor 官方更新AI 评分4343 Conductor 0.87.2 上线支持 Claude Opus 5.5
Conductor 0.87.2 现已支持 Claude Opus 5.5。该模型在多数任务上表现达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。
Fireworks AIAI 评分5858 Fireworks AI 分析：任务级模型路由可达 97.6%，超过任何单一模型
Fireworks AI 分析 DeepSWE v1.1 基准上 18 个模型的任务级路由潜力：事后最优路由可达 97.6% 通过率、每任务 $1.88，比最佳单模型 GPT-6 Astra 的 74.1%（$6.52）高出 23 个百分点且成本不到三分之一；仅用开源权重模型也达 90.3%、$1.45。
Conductor 官方更新AI 评分4040 Conductor 0.87.0 更新：跨文件搜索，内置 OpenCode 2.0
Conductor 发布 0.87.0 版本，新增 ⌘⇧F 跨文件搜索，支持大小写、全词匹配和正则切换，本地与云端工作区均可用。Routine 可按 label、author、base branch 过滤 GitHub 触发器，并新增 Weekdays 计划；CSV 以表格打开，JSON、JSONL、NDJSON 支持可折叠语法高亮预览。
Conductor 官方更新AI 评分4141 Conductor 0.86.0 发布：支持分享 loadout 配置
Conductor 0.86.0 上线 loadout 分享功能，用户可在 Settings → Default Models 中分享配置，其他用户一键导入。云仓库现支持共享 run scripts 并可从本地设置一键导入，侧边栏分区可用 emoji 标记、支持用 Move to section 移动工作区。
Factory 研究 / 产品AI 评分5959 Factory 融资 2 亿美元，估值达 50 亿美元
Factory 宣布以 50 亿美元估值完成 2 亿美元融资，投资方包括 Blackstone、Khosla Ventures、红杉资本、Insight Partners 等，累计融资超过 4 亿美元。
Browser UseAI 评分4949 Playwright vs Selenium vs Puppeteer：三大浏览器自动化工具如何选型
Browser Use 发文对比 Playwright、Selenium、Puppeteer 三款浏览器自动化工具在浏览器支持、语言、等待机制和测试工具上的差异，并探讨何时适合改用 AI 浏览器智能体。
Fireworks AI精选AI 评分7171 Fireworks 评测 DeepSeek-V4.1-Flash：DeepSWE 达 GPT-6 Astra 水准、单任务成本仅 1/15
Fireworks 发布 DeepSeek-V4.1-Flash 基准评测，在 DeepSWE 上以 74.34% pass@1 达到 GPT-6 Astra 级编码准确率，单任务成本 $0.43，约为 Astra 的 1/15。
推荐理由：Fireworks 用自家 DeepSWE 实测数据拆解成本结构，指出缓存命中而非输出才是 agent 开销主因，方法可迁移。
Amp Chronicle精选AI 评分6262 Amp 推出免费 Hobby 套餐，自带算力与模型订阅即可使用
Amp 宣布自带算力和模型订阅即可免费使用，不再需要按月付费，BYOK 用户免除 Amp token 费用和限制（Enterprise 除外）。新增免费 Hobby 套餐和免费 Teams 套餐，支持共享线程、multiplayer、SAML/OIDC SSO 等功能；付费 Megawatt 与 Gigawatt 会员分别享有约 60% 和 65% 的使用折扣。
推荐理由：官方宣布自带算力即可免费用 Amp 并取消 BYOK token 费用，读者可据此评估团队接入成本与订阅方案变化。
Redwood Research：BlogAI 评分5757 Redwood Research 实验发现 CoT 可控性评测存在严重欠激发
Redwood Research 博客报告，CoTControl 评测要求推理模型在思维链中遵守小写、禁用词等格式约束，近期多数模型仅得 0-30%。
Cognition 模型 / Devin 博客精选AI 评分6868 Cognition 将 Fusion 引入 Devin Desktop 和 CLI，最多节省 39% 编码成本
Cognition 宣布将 Fusion 引入 Devin Desktop 和 CLI。Fusion 是针对 Opus、Fable 和 Astra 的前沿 harness，在主要编码基准上最多比其他模型 harness 高效 39%。
推荐理由：原文详述双智能体协同架构和各基准成本数据，读者可以据此理解按任务计价为何比按 token 计价更合理。
Amp ChronicleAI 评分4141 Amp 新增 Restack 按钮整理提交记录
Amp 新增 Restack 按钮，可将当前线程的所有变更重新整理成更整洁的一组 commit。用户可用它把大 diff 拆分成便于审查的逻辑片段、合并 agent 的中间提交后再合并，或合并小的相关提交，最终文件内容保持不变，具体用法见文档。
Cognition 模型 / Devin 博客精选AI 评分7373 Cognition 发布编码模型 SWE-2，推动能力与推理成本的 Pareto 前沿
Cognition 发布迄今最先进的编码模型 SWE-2，基于 2.8T 参数的 Kimi K3 后训练，FrontierCode 1.1 Main 得分 50.0%，比 Fable 5.1 仅差 1 分且便宜 64%，比 GPT-6 Astra 低几分但成本仅四分之一。
推荐理由：官方既给出与 GPT-6 Astra、Fable 5.1 的对比数据，也详述了 RL 成本惩罚等训练方法，读者可借此理解低成本高能力的实现路径。
Amp ChronicleAI 评分4141 Amp 功能讲解：自定义 Mode Dial，为内置模式选择模型并加入自己的 agent
Amp 的 Settings → Mode Dial 现支持两个功能：Tune Modes 可为内置模式的 Main Agent 等角色选择模型与推理力度，通过 Model Routing 接入自己的 API key 或 ChatGPT 订阅并按此计费。
Together AI 研究与产品博客精选AI 评分6969 Together AI 详解从闭源迁移到开源模型的 MIGHT 编码栈
Together AI 发布长文，讲解开发者如何从闭源模型迁移到开源模型构建 AI 编码栈，提出 MIGHT 分层框架：模型、推理、网关/路由、Harness 和工具（Skills 与 MCP）。
推荐理由：原文把开源编码栈拆成 MIGHT 五层并给出模型选型、路由和上下文管理的具体做法，开发者可按层迁移自己的工作流。
Conductor 官方更新AI 评分4343 Conductor 0.85.0 发布：Sections 分区、Routines 定时任务与全新模型选择器
Conductor 0.85.0 发布，带来侧边栏 Sections 分区、新模型选择器和 Routines 定时任务。Routines 可让智能体按计划或通过 GitHub action 在云端运行，仅限 pro/team 用户，还新增了不与团队共享的私有 workspaces。
Cognition 模型 / Devin 博客精选AI 评分7474 Cognition 完成 2B+ 美元 E 轮融资，估值达 48B 美元
Cognition 宣布完成超过 20 亿美元融资，估值达 480 亿美元，由 Andreessen Horowitz 和 Accel 领投，Founders Fund、General Catalyst 等多家现有及其他机构参投。
推荐理由：原文由公司官方披露融资金额、估值与营收数据，还列出 Devin 新增的自动分诊和安全排查等能力，读者可据此了解其业务进展。
Amp ChronicleAI 评分4242 Amp 改进消息传递：Agent 工作中可实时引导而非排队
Amp 更新了消息传递机制：用户在 Agent 工作时发送的消息会在下一个可能时机被处理，而不是排队等到本轮结束，从而让 Agent 更快响应反馈、减少不必要的验证步骤。Ship、Review 等内置动作仍保持排队，用户也可在 Amp 或 Amp CLI 中手动排队；若引导过急，建议用 "When done, then ..." 的表述替代 "Now, ..."。
Lovable BlogAI 评分4545 Lovable 推出 drafts：更轻松地协作和探索新想法
Lovable 推出 drafts 功能，用户可创建项目副本并在不改动线上应用的情况下探索布局、设计、文案等不同版本。每个 draft 拥有独立的 chat 和 preview，可创建多个 draft 并行尝试不同方向，团队协作时线上应用和数据保持不变，只有接受 draft 并点击 publish 才会生效。
Armin Ronacher AI 博客AI 评分6666 Armin Ronacher 用 35 小时软件工厂实测 GPT 6 Astra，质疑其代码产出不适合软件工程
Armin Ronacher 让 GPT 6 Astra 全权管理一个软件工厂，35 小时烧掉约 4B tokens、产生 75k 行净增代码和 79 个 commits（约 1200 美元 API 成本，合每 commit 约 15.5 美元），但没有产出有价值的东西。
Conductor 官方更新AI 评分4848 Conductor 0.84.2 上线 GPT-6 Astra
Conductor 0.84.2 版本现已支持 GPT-6 Astra。这是 OpenAI 最新的最智能模型，尤其适合长时间运行的任务，用户可在 Conductor 中直接使用。
Conductor 官方更新AI 评分4242 Conductor 0.84.0 更新：可直接在 diff 中编辑文件
Conductor 0.84.0 将变更文件的默认查看方式改为在 diff 中直接打开和编辑，旧版预览可通过 Settings → Experimental 开关恢复。
Lovable BlogAI 评分5050 Lovable 接入 Fable 5.1，迭代修复现有代码库提升最高 17.2%
Lovable 宣布开始用 Fable 5.1 构建应用，内部基准显示其在迭代修复现有代码库任务上比 Fable 5 高出 11.9% 至 17.2%，每任务成本降低 31.4% 至 39.2%。
Conductor 官方更新精选AI 评分6464 Conductor 0.83.2 上线 Claude Fable 5.1
Conductor 0.83.2 更新宣布 Claude Fable 5.1 现已在 Conductor 中可用。该模型是 Anthropic 能力最强的模型，面向长时间运行的编码和知识工作，在编码、知识工作和长程问题解决上较 Fable 5 有提升，同时成本降低约 25%。
推荐理由：官方更新说明 Conductor 已支持 Claude Fable 5.1，并提到相对上一代价格降低约 25%，可帮助使用该工具的用户了解模型选择变化。
Fireworks AIAI 评分4444 Fireworks AI：DeepSeek V4 Pro 正在重塑安全智能体的成本经济学
Fireworks AI 用 UC Berkeley 的 CyberGym 基准测试了 DeepSeek V4 Pro 0813、Kimi K3、GPT-5.5 和 Claude Opus 4.8 在真实漏洞攻防上的表现。
Armin Ronacher AI 博客AI 评分5454 Armin Ronacher 谈 LLM 如何让开发者敢于选择更难更快的语言与技术
Armin Ronacher 认为 LLM 让熟悉一门语言的成本不再重要，语言选择变得不那么关键，开发者更多按宣传选择语言。
Together AI 研究与产品博客精选AI 评分6868 Together AI 用 DeepSWE 对比 GLM-5.3 与 Claude Fable 5：成本、编码与路由
Together AI 在 DeepSWE 113 个任务、各 4 次试验共 904 次 rollout 上对比 GLM-5.3 与 Claude Fable 5。
推荐理由：基于 904 次 rollout 的逐任务原始数据对比两款编码模型，读者可以据此决定默认用哪个模型、以及何时值得为 Rust 和序列化任务多花钱。
Together AI 研究与产品博客精选AI 评分7575 Together AI 实测 GLM-5.3 对比 GPT-5.6 Sol：DeepSWE 上的成本、编码与路由分析
Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次试验、共 904 次 rollout，对比 GLM-5.3 (max) 与 GPT-5.6 Sol (max)。
推荐理由：原文用 904 次 rollout 对比两个模型在成本、失败模式和路由策略上的差异，给出了可复用的级联调用方案。
Conductor 官方更新AI 评分4242 Conductor 0.82.0 发布：新增 Conductor MCP
Conductor 发布 0.82.0 版本，推出 Conductor MCP，智能体可用它创建和管理云端工作区、读取会话，并新增对云端 MCP 服务器的支持。
Lovable Blog精选AI 评分6767 Lovable 如何将 lovable.dev 从 Next.js 迁移到 TanStack Start 并用自家平台托管
Lovable 工程师 Alexander Lebedev 复盘了将月活 4200 万+ 访客、约 91 万行代码的 lovable.dev 从 Next.js 迁移到 TanStack Start 并托管在自家平台的全过程，迁移由一名开发者加多个 Agent 在约六个月内完成。
推荐理由：作者是这次迁移的一线工程师，给出了双框架并行、共享代码层和 AI 辅助迁移的可复用方法，还复盘了一次内存事故。
Together AI 研究与产品博客精选AI 评分6565 DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的成本、编码与路由对比
Together AI 在 DeepSWE 全部 113 个任务上实测 DeepSeek V4 Pro 0813 与 Claude Fable 5，共 904 次 rollout。
推荐理由：原文以 904 次 rollout 实测两个模型在 DeepSWE 的成本与质量差异，并给出可迁移的级联路由方案及其实测准确率和成本。
Nathan Lambert：InterconnectsAI 评分7070 Nathan Lambert 解析 GLM-5.3 发布与中国实验室如何紧咬前沿
Z.ai 发布 GLM-5.3，暂仅限编码方案，两周内开放权重，约 750B 参数、与 GLM-5.2 同底座仅大幅延长后训练，在多个智能体编码基准上超过 Kimi K3，部分超过 Claude Fable 5 或 GPT-5.6-Sol。
Figma AI / Agent / MakeAI 评分5353 Figma 工程师 Jake Albaugh 谈如何让 AI 加速产出不偏离正确方向
Figma 的 Jake Albaugh 发文讨论 AI 让编码提速后如何避免只快不对：AI 加速执行但不提供判断力，易陷入他所说的认知投降，需要先想清楚什么值得做。他引用 Google 关于 agentic engineering 的白皮书，建议用测试等确定性层、高信号上下文和清晰接口约束智能体，并借助设计系统减少技术债。文章还指出模型输出趋向分布内的平均水平，观点必须由人自己持有。
Nathan Lambert：InterconnectsAI 评分5454 Nathan Lambert 写完 AI 教材后谈 LLM 为何迟迟做不好长篇非虚构写作
Nathan Lambert 完成后训练教材《Reinforcement Learning from Human Feedback》，结合写作过程分析：GPT 4.5、Kimi K2 等写作口碑好的模型多是旧模型，模型在长篇技术写作上组织混乱、错误复合。