搜索
微软研究院等团队提出全开源的WildAWM，合成个人电脑环境、跨GUI/MCP/CLI任务及验证器，并训练Qwen3.6-35b-a3b和Qwen3.5-4b，两款模型在8个分布外基准上均获提升，相关环境、任务、模型与数据均已开源。
从视觉观察到策略生成，再到物理执行与完成判断，CodeActionBench 在统一条件下评测通用多模态 Agent 的机器人操作能力。在双臂仿真评测中，GPT-6 Astra (Codex CLI) 的尝试成功率达到 73.3%，Claude Opus 5 在 Reference harness 和 Claude Code 下分别取得 49.3% 和 45.3%。
好嘛，咱姐夫（Jeff Dean）投资的AI初创公司hillclimb，搞的RSI新基准终于出成绩了！
AI 兴盛以来，有许多路线争论，比如是垂类 AI vs 大而全，比如套壳vs模型，也比如 CLI（命令行） vs GUI（图形界面）、
截至2026年9月，实测整理出16个仍可免费获取Token的渠道，按限时活动、长期免费层、国内平台额度三档分类，涵盖阶跃星辰Step 5、Qoder、Cline、Gemini API、GitHub Copilot、Kilo Code、OpenCode、Groq、Cerebras、火山引擎、阿里云百炼、腾讯云混元、百度千帆、智谱及硅基流动等平台。
作者用 Qoder 搭配 Qwen3.8-Flash 模型调用开源工具 capcut-cli，在剪映 5.9 中自动完成口播视频的字幕识别、贴字和音效添加，生成可继续手动修改的分轨草稿。
OpenAI Codex负责人Tibo Sottiaux在访谈中详述了Codex从内部Python智能体演进为顶级编程助手的历程，并解释了选择Rust构建核心智能体、从一开始就开源CLI和SDK、不绑定自家模型等关键工程决策背后的考量，指出Codex的终极目标是打造易用的个人AGI。
在2026云栖大会具身智能论坛上，阿里云展示了覆盖采、存、洗、标、质检增广、训练评测到数据管理的全栈数据产线能力，通过Qwen标注、HappyHorse增广、PAI训练与平头哥真武芯片协同，将具身智能企业的反馈迭代周期从周级压缩至日级，穹彻智能、苏度科技、莫刻机器人等企业已率先跑通这条数据飞轮。
众所周知，现在的大模型基本每隔 35 天左右就会换一轮。
同一套模型，换一个coding agent运行时，测试得分和实际消耗往往大相径庭。