AI 编码

xAI 通过 API 开放编码模型 grok-build-0.1 公测

xAI 通过 API 以公测形式开放编码模型 grok-build-0.1，该模型专门针对包括网页开发、调试和 MCP 支持在内的智能体编码任务训练，也是驱动 Grok Build 的同一模型。

xAI 发布 Grok 及底层模型 Grok-1

xAI 发布 AI 助手 Grok，其底层是自研前沿 LLM Grok-1，Grok 通过 𝕏 平台具备对世界的实时知识。Grok-1 在 HumanEval 上取得 63.2%、MMLU 73%、GSM8k 62.9%、MATH 23.9%，xAI 称其在该算力级别中超过 ChatGPT-3.5 和 Inflection-1，仅落后于训练数据和算力大得多的 GPT-4。

xAI 发布 Grok 4.6，聚焦长任务智能体与视觉交互

xAI 发布 Grok 4.6，在 Grok 4.5 基础上强化长时间运行的智能体以及更复杂的交互与视觉任务，官方称其在多项智能体编码和知识工作基准上达到前沿水平。

xAI 发布 Grok-2 与 Grok-2 mini 测试版

xAI 发布 Grok-2 与 Grok-2 mini 的早期预览版，称它们在聊天、编码和推理上较 Grok-1.5 有显著提升。早期版本以 sus-column-r 名义在 LMSYS 榜单测试，xAI 称其整体 Elo 超过 Claude 3.5 Sonnet 和 GPT-4-Turbo。

xAI 发布 Grok-1.5，上下文窗口扩至 128K tokens

xAI 发布 Grok-1.5 模型，具备长上下文理解与高级推理能力，将在未来几天面向早期测试者和 𝕏 平台现有 Grok 用户开放。Grok-1.5 在 MATH 得 50.6%、GSM8K 得 90%、HumanEval 得 74.1%，相比 Grok-1 的 23.9%、62.9% 和 63.2% 均有提升。

Mistral 发布开源 MoE 模型 Mixtral 8x22B，141B 参数仅激活 39B

Mistral 发布开源模型 Mixtral 8x22B，采用稀疏 Mixture-of-Experts 架构，141B 总参数中仅激活 39B，并以 Apache 2.0 许可开放。

Mistral 发布 Mistral Small v24.09，并推出免费层与全线降价

Mistral 发布 22B 参数的 Mistral Small v24.09，同时上线 la Plateforme 免费层并对全系模型降价。Mistral Small 与 Codestral 的输入输出价格均降 80%，Mistral Nemo 降 50%，Mistral Large 降 33%，更新后 Mistral Large 2 被称最具成本效益的前沿模型。

Mistral AI 发布 Mistral Large 2，128k 上下文与 123B 参数

Mistral AI 发布 Mistral Large 2，具备 128k 上下文窗口和 1230 亿参数，针对长上下文应用设计，可在单节点上实现大吞吐推理。官方称其预训练版本在 MMLU 上达到 84.0% 准确率，代码与推理表现与 GPT-4o、Claude 3 Opus、Llama 3 405B 处于同一水平。

Mistral AI 发布旗舰模型 Mistral Large 与 Mistral Small

Mistral AI 发布新一代旗舰文本生成模型 Mistral Large，可通过 la Plateforme 和 Azure 使用，具备 32K token 上下文窗口与原生函数调用能力。

Mistral 发布 Codestral Mamba，7B 参数代码模型采用 Mamba 架构

Mistral 发布 Codestral Mamba，这是一个基于 Mamba 架构的 7B 指令代码模型，权重已在 HuggingFace 开放，采用 Apache 2.0 许可。

Mistral AI 发布首个代码模型 Codestral，22B 开放权重、32k 上下文

Mistral AI 发布首个代码模型 Codestral，这是一个 22B 开放权重模型，支持 80 多种编程语言、32k 上下文窗口，并通过 fill-in-the-middle 机制补全代码、编写测试。

Claude Code 自动模式成为默认设置，Anthropic 公布生产环境实践

Claude Code 的自动模式现已改为默认设置，由分类器评估每个待执行动作并拦截可能有害的命令，取代逐条人工批准权限提示。Anthropic 称内部评估中分类器发现的危险操作多于开发者手动点击批准时，且在第三方红队测试下表现稳定；由于会话打断更少，Claude 在两次中断之间的连续工作时间是此前默认设置的 9 倍。

DeepSeek V4 Pro 0813 对比 Claude Fable 5 在 DeepSWE 上的成本、编码与路由实测

Together AI 在 DeepSWE 全部 113 个任务、共 904 次 rollout 上对比 DeepSeek V4 Pro 0813 与 Claude Fable 5。

Anthropic 发布 Claude Sonnet 5，智能体性能接近 Opus 4.8

Anthropic 发布 Claude Sonnet 5，称其为最具智能体能力的 Sonnet 模型，即日起成为 Free 和 Pro 套餐默认模型，Max、Team、Enterprise 用户也可使用，定价为每百万输入 token 2 美元、每百万输出 token 10 美元。

Anthropic 发布 Claude Opus 5，编码与知识工作基准领先且定价与 Opus 4.8 持平

Anthropic 发布 Claude Opus 5，在 Frontier-Bench、GDPval-AA 等编码与知识工作评测上达到领先水平，定价与 Opus 4.8 相同，为每百万输入 token 5 美元、输出 25 美元。

Cursor 公开多智能体编码研究，数千 agent 一周完成浏览器项目多数提交

Cursor 公开其自研多智能体 harness 研究，该系统以数千个 agent 连续运行一周，为研究项目（一个 Web 浏览器）完成绝大多数代码提交，一周内共 1000 万次工具调用，峰值吞吐约每小时 1000 次 commit。

AI 辅助证明 70 年森多夫猜想，陶哲轩简化后得出更强结果

初创科技公司 CEO Lech Mazur 借助 GPT-5.6 Pro 完成森多夫猜想的证明，论文配有约 9 万行 Lean 4 形式化代码。陶哲轩用数天时间在大量 AI 辅助下消化、简化并重新形式化该证明，Lean 代码缩减到约 1.5 万行，并发现整理后的论证实际上证明了更强的 Phelps-Rodriguez 猜想，该猜想已于 1972 年提出。

SpaceX 以 600 亿美元完成对 Cursor 母公司 Anysphere 的收购

SpaceX 于 8 月 14 日完成对 Cursor 母公司 Anysphere 的收购，交易金额 600 亿美元，Cursor 股东最终获得的是 SpaceX 股票。

Nathan Lambert 解析 GLM-5.3 为何能紧跟前沿

Z.ai 发布 GLM-5.3，目前仅在 coding plan 提供，两周内将开放权重到 Hugging Face。作者认为其与 GLM-5.2 同底座、靠大幅扩展后训练提升成绩，在部分智能体编码基准上超越 Kimi K3 甚至个别超越 Claude Fable 5 或 GPT-5.6-Sol，参数约 750B。

Michael Truell@mntruell精选AI 评分8585

Cursor CEO Michael Truell 宣布对 SpaceX 的收购已正式交割完成，Cursor 成为 SpaceX 一部分。Cursor 团队将加入 SpaceXAI 团队，参与改进 Grok Build、Grok Bot、Grok API 和 Cursor 等产品。