Qwen3.6-Plus 发布，主打真实世界智能体能力
Qwen 团队继 2 月发布 Qwen3.5 系列后，宣布 Qwen3.6-Plus 正式发布，现已可通过 API 使用。官方称该版本相比前代有大幅能力提升，尤其显著增强了智能体编码能力，覆盖从前端网页开发到复杂仓库级问题求解的场景。
推荐理由：官方宣布新一代模型上线 API，重点提升智能体编码能力，关注代码开发的读者可以对比前代评估升级幅度。
AI 编码
全部主题AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。
当前仅显示精选新闻最新精选
第 461–478 条 · 共 471 条Qwen Blog精选AI 评分6565
Factory 研究 / 产品精选AI 评分6161 Factory 发布 Legacy-Bench 基准，检验 AI 智能体维护遗留软件的能力
Factory 发布 Legacy-Bench 基准，用涵盖 COBOL（46%）、Java 7（32%）等六类遗留语言的数百个任务测试 AI 智能体，12 个模型-智能体组合的通过率为 16.9% 至 42.5%，而这些模型在 SWE-bench Verified 等现代基准上得分超过 70%。
推荐理由：原文用真实遗留代码任务填补现有基准的盲区，给出各模型在 COBOL 等语言上的具体分数和失败模式，可帮助读者评估 AI 智能体处理关键遗留系统的实际能力。
MiniMax Blog精选AI 评分7676 MiniMax 发布 M2.7：让模型深度参与自身迭代，SWE-Pro 得分 56.22%
MiniMax 发布 M2.7 模型，称其为首个深度参与自身演化的 M2 系列模型，让模型构建 skills、更新记忆并改进强化学习实验流程。SWE-Pro 得分 56.22%，VIBE-Pro 55.6%，Terminal Bench 2 57.0%，GDPval-AA ELO 1495 为开源模型最高；MLE Bench Lite 三次运行平均奖牌率 66.6%。
推荐理由：原文给出了自进化工作流细节和多维度基准数据，读者可以对照评估 M2.7 在智能体与工程任务上的实际位置。
Mistral AI精选AI 评分6969 Mistral 发布 Mistral Small 4：统一推理、多模态与智能体编码的开源模型
Mistral 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态与 Devstral 的智能体编码能力统一到单一开源模型，采用 Apache 2.0 许可证。
推荐理由：官方公布了架构参数、reasoning_effort 用法和与 GPT-OSS 120B 的效率对比，可据此评估其开源部署价值。
Mistral AI精选AI 评分6363 Mistral 基于 Vibe 构建自动编写 Rails RSpec 测试的智能体
Mistral 构建了一个自主智能体，读取 Rails 源码并生成或改进 RSpec 测试，在 CI/CD 流水线中无人干预运行，基于开源编码助手 Vibe 搭建，通过 AGENTS.md、分类 skills 文件和 RuboCop、SimpleCov 自定义工具实现。
推荐理由：原文完整给出了用 Vibe 搭建 Rails 测试智能体的方法，AGENTS.md、skills 和自纠工具的做法可迁移复用。
Manus Blog精选AI 评分6868 Manus 评测 7 款 AI 应用构建工具：同一提示下谁最能交付完整应用
Manus 用同一个 Solace Studio 健康工作室应用提示，实测 Manus、Lovable、Base44、Replit、Bubble、Figma App Builder 和 Glide 七个平台。结论是 Manus 综合最佳，几乎从单一提示交付支付、取消政策和预订逻辑等完整堆栈；Lovable 原型最精美，Replit 最适合开发者，多数平台仍主要生成前端，后端逻辑需手动补齐。
推荐理由：同一提示实测七款工具，指出多数平台只生成前端而支付与预订逻辑才是分水岭，结论可用于选型参考。
MiniMax Blog精选AI 评分7575 MiniMax 发布 M2.5 模型，主打编码与 Agent 场景的低成本高速度
MiniMax 发布新模型 MiniMax-M2.5 及提速版 M2.5-Lightning，SWE-Bench Verified 得分 80.2%，Multi-SWE-Bench 51.3%，BrowseComp 76.3%。
推荐理由：原文给出 M2.5 的基准分数、速度和成本对比，还透露 Forge RL 框架细节，读者可据此评估其在编码与 Agent 场景的性价比。
Qwen Blog精选AI 评分6363 Qwen 发布 Qwen3-Coder-Next：面向编码智能体的开源权重混合架构模型
Qwen 团队发布开源权重模型 Qwen3-Coder-Next，专为编码智能体和本地开发设计。模型基于 Qwen3-Next-80B-A3B-Base 构建，采用混合注意力加 MoE 的新架构，通过大规模可执行任务合成、环境交互和强化学习进行 agentic 训练。
推荐理由：原文说明该模型面向编码智能体与本地开发，并给出混合注意力加 MoE 的架构与训练方式，读者可据此评估其定位。
Mistral AI精选AI 评分7070 Mistral 发布 Mistral Vibe 2.0 终端编码智能体并调整 Devstral 2 定价
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选澄清、斜杠命令技能和统一智能体模式。
推荐理由：官方公告给出 2.0 的功能清单、订阅方案和 Devstral 2 API 定价，读者可以据此评估是否把它纳入自己的终端开发工作流。
MiniMax Blog精选AI 评分6161 MiniMax 发布 M2.1 模型，强化多语言编程与移动开发能力并开源权重
MiniMax 发布 MiniMax-M2.1 模型并开源权重，重点提升 Rust、Java、Golang、C++、Kotlin 等多语言编程能力和原生 Android/iOS 开发能力。
推荐理由：官方说明 M2.1 相比 M2 的能力变化重点和使用入口，读者可据此判断它在多语言编程和办公场景中的适配价值。
Mistral AI精选AI 评分7676 Mistral 发布 Devstral 2（123B）与 Devstral Small 2（24B）开源编码模型及 Vibe CLI
Mistral 发布开源编码模型 Devstral 2（123B，修改版 MIT）和 Devstral Small 2（24B，Apache 2.0），SWE-bench Verified 分别达 72.2% 和 68.0%，均支持 256K 上下文。
推荐理由：官方给出了两个尺寸的开源编码模型参数量、SWE-bench Verified 成绩、API 定价和部署门槛，可与闭源竞品直接对比。
MiniMax Blog精选AI 评分7474 MiniMax 开源并发布面向 Agent 与编码的 MiniMax M2
MiniMax 开源并发布面向 Agent 和编码场景的模型 MiniMax M2，API 定价为每百万输入 tokens $0.30/¥2.1、输出 $1.20/¥8.4，为 Claude 4.5 Sonnet 的 8%，推理速度接近其两倍，TPS 约 100。
推荐理由：官方给出了 M2 的定价、推理速度、基准成绩与部署方式，读者可据此评估其在 Agent 工作流中的成本与性能权衡。
Mistral AI精选AI 评分6363 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并推出 Devstral Small 1.1 升级版。
推荐理由：官方给出 SWE-Bench Verified 分数和 API 定价，可比较两款新模型在成本与代码智能体性能上的定位。
Mistral AI精选AI 评分7070 Mistral AI 联合 All Hands AI 发布 Devstral 编码模型
Mistral AI 与 All Hands AI 联合发布面向软件工程任务的智能体模型 Devstral，以 Apache 2.0 许可开源。
推荐理由：官方发布给出 SWE-Bench Verified 成绩、开源许可和部署门槛，读者可据此判断它在本地或企业编码场景中的位置。
Mistral AI精选AI 评分6767 Mistral AI 发布 Mistral Medium 3，以约八倍更低的成本逼近 Claude Sonnet 3.7 表现
Mistral AI 发布 Mistral Medium 3，定位为兼顾 SOTA 性能、成本低约 8 倍和更易部署的新级别模型。
推荐理由：官方给出与 Claude Sonnet 3.7 对比的基准数字和 $0.4/$2 定价，读者可以据此评估它在企业部署中的性价比。
DeepSeek API updates精选AI 评分7373 deepseek-chat 升级为 DeepSeek-V3-0324，多项基准测试显著提升
DeepSeek 官方宣布 deepseek-chat 模型升级为 DeepSeek-V3-0324。基准测试提升明显，MMLU-Pro 75.9 → 81.2，GPQA 59.1 → 68.4，AIME 39.6 → 59.4，LiveCodeBench 39.2 → 49.2。
推荐理由：原文给出各基准测试的具体提升数字和功能变化，读者可据此评估升级对现有应用的影响。
DeepSeek API updates精选AI 评分6666 deepseek-coder 与 deepseek-chat 升级合并为 DeepSeek V2.5 模型
DeepSeek 将 DeepSeek V2 Chat 与 DeepSeek Coder V2 合并升级为 DeepSeek V2.5，API 用户通过 deepseek-coder 或 deepseek-chat 均可访问新模型。
推荐理由：原文来自官方更新日志，给出了合并后的模型名称、API 兼容方式和多项评测分数变化，便于读者对照评估升级效果。
DeepSeek API updates精选AI 评分6868 DeepSeek 升级 deepseek-chat 至 DeepSeek-V2-0628，推理与角色扮演能力提升
DeepSeek 官方宣布 deepseek-chat 模型升级为 DeepSeek-V2-0628，推理能力提升。
推荐理由：官方给出代码、数学、推理和对战胜率的前后对比数据，读者可以据此评估这次升级的实际幅度。