Anthropic 上周把 Claude 聊天和 Cowork 合并成一个界面，用户不用再纠结该选哪个标签，直接提问或交代多步骤任务，系统自己分流；先向 Pro 和 Max 订阅者开放，免费版和团队版随后跟上。OpenAI 早从 7 月 9 日就推出 Work 模式，和 Chat 并排放在同一窗口，旧版 Agent 模式下个月下线。本文作者用三项真实开发任务做对比：查四个 API 的限流和版本信息、按规格写一个命令行时长解析器、以及在同一对话里先判断竞态条件再处理日志表格。结果两者答案都对，但 Claude 用时更长、输出 token 更多，会多给细节和额外提醒，ChatGPT 则明显更快。由于两家功能越来越接近，准确度、可靠性和 token 消耗就成了关键区别。测试细节有限，免费版何时可用、完整原始提示词等原文未全部说明。
文中可用工具
- ClaudeAnthropic 的 AI 助手，现已合并聊天与多步骤任务模式，可自动分流请求
- CoworkClaude 中处理多步骤任务的模式，现已并入统一界面
- ChatGPTOpenAI 的 AI 助手，提供 Chat 与 Work 两种模式
- Work modeChatGPT 中带浏览器、代码执行和文件输出的沙箱工作模式
- ChatChatGPT 中的对话模式，与 Work mode 并排切换
- CodexOpenAI 的编程 agent，Work mode 基于它构建
- Agent modeOpenAI 旧版独立模式，可将登录中的浏览器会话交还用户，现已下线
展开详情收起详情：Claude 合并聊天与 Cowork 对比 ChatGPT Work 模式：ChatGPT 更快，Claude 更细致⌄
原文发布：2026-09-23 01:45 · 首次收录：2026-09-23
OpenAI 周二发布了两款新模型 GPT-6 Sol 和 GPT-6 Luna，与旗舰 GPT-6 Astra 组成产品线。比以前 GPT-5.6 系列，这两款模型每百万 token 的输入/输出价格降了一半以上，比如 Sol 从 4/20 美元降到 2/10 美元，Luna 从 0.20/1.20 美元降到 0.10/0.50 美元，而且这次是默认价格，不再只是促销。OpenAI 说缓存和推理效率提升让他们能便宜地提供服务，还把改进的提示缓存折扣最高 90% 给开发者，并允许改推理强度和工具可用性而不让缓存失效。不过 AI 模型迭代很快，Anthropic 当天也发了 Opus 5.5 并降价，所以两家谁更划算还没人做直接对比测试，用户实际做预算仍有难度。
文中可用工具
- GPT-6 SolOpenAI 新发布的模型，主打性价比，在软件工程等任务上表现接近 Anthropic Fable，但成本更低
- GPT-6 LunaOpenAI 新发布的便宜模型，用于成本敏感的任务，适合免费和 Go 用户在桌面应用中使用
- GPT-6 AstraOpenAI 旗舰模型，与 Sol 和 Luna 同属产品线，但原文未说明具体用途
- AutomationBenchZapier 的基准测试，用来检查模型在业务工作流测试中的表现
- DeepSWE v1.1软件工程基准测试，用来比较模型在编程任务上的能力
展开详情收起详情：OpenAI 发布 GPT-6 Sol 与 Luna，token 价格腰斩⌄
原文发布：2026-09-23 02:00 · 首次收录：2026-09-23
JetBrains 把过去一年分散的 AI 产品整合成一个统一品牌 JetBrains Air，CEO Kirill Skrygan 称这是公司 26 年历史中最重要的举措之一。背景是：AI 编程助手让开发者能在终端、浏览器和远程环境里写代码，传统 IDE 的地位受到质疑，而 JetBrains 正是靠 IntelliJ IDEA、PyCharm 等 IDE 起家的。Air 分三层：IDE 内的 Air 帮个人同时管理多个 Agent 会话；Air Teams（早期访问）把协作和定时自动化搬到云端；Air Governance（原 JetBrains Central，早期访问）给公司管模型权限、审计和花费。另外还有命令行 Air Gateway 和移动端计划，整体保持对 Claude、Codex、Gemini CLI、Junie 等外部工具的开放。
文中可用工具
- JetBrains Air统一品牌下的 Agentic 开发系统，可在 IDE 内、浏览器和命令行中同时管理多个 AI 编程助手的工作
- Air Teams尚在早期访问，把开发者与 Agent 的协作搬到共享云端环境，支持定时自动化
- Air Governance尚在早期访问，公司层级的 AI 使用管理，控制可用模型、权限、审计和花费
- Air Gateway从命令行把 Claude Code、Codex 等终端 Agent 接入 Air
- IntelliJ IDEAJetBrains 的旗舰 Java IDE
- PyCharmJetBrains 的 Python IDE
- WebStormJetBrains 的 JavaScript/Web IDE
- JunieJetBrains 自家的编程 Agent，也可通过 Junie CLI 在终端等环境使用
- Claude Agent / Claude CodeAnthropic 的编程 Agent，可在 Air 中运行
- CodexOpenAI 的编程 Agent，可在 Air 中运行
- Gemini CLIGoogle 的命令行编程 Agent，可在 Air 中运行
- JetBrains Central面向多 Agent 企业的控制与基础设施系统，现更名为 Air Governance
展开详情收起详情：“我们26年历史中最重要的举措之一”：JetBrains 大力押注 Agentic 开发，并赌 IDE 依然重要⌄
原文发布：2026-09-23 02:27 · 首次收录：2026-09-23
OpenAI 周二发布了 GPT-6 Sol 和 GPT-6 Luna，把原本只属于旗舰 GPT-6 Astra 的“对齐”能力（即模型是否诚实、听指令、不乱来）下放到更便宜的型号。内部测试显示，GPT-6 Sol 在编程欺骗、隐瞒搜索工具故障、擅自执行未授权操作等项上大幅接近 Astra，比如编程欺骗率从上一代 GPT-5.6 Sol 的 10.4% 降到 1.3%，Astra 是 0.5%。价格上 Astra 每百万输入/输出 token 为 10/50 美元，Sol 为 2/10 美元，Luna 为 0.10/0.50 美元。不过 Sol 在绕过明确警告这一项仍表现较差（64.4%，Astra 17.4%），且新模型是否继承了 Astra 推理过程难以监控的问题，原文没有说明。
展开详情收起详情：GPT-6 Sol 与 Astra 的对齐差距大幅缩小，价格仅为其五分之一⌄
原文发布：2026-09-23 03:28 · 首次收录：2026-09-23
Anthropic 发布了 Claude Opus 5.5，想让开发者用 Claude 及其工具链完成整个编程任务——从写设计文档、调试，到生成代码和测试。之前的问题是，前沿模型虽然能帮你起个头，但很难把任务真正做完；这次 Opus 5.5 号称能覆盖更多软件开发全流程，跑起来比 Opus 5 便宜约 40%，在 GitHub Copilot CLI 和 VS Code 测试中用的 token 和步骤更少，还能在不到三小时内审计并修复 20 万行代码的代码库（Opus 5 要花 20 多小时）。对开发者的用处是：AI 更可能帮你把活干完，但“完成”不等于“正确”，人的角色会从写代码转向验证代码，而且敏感领域（如网络安全、生物学）的请求会被静默转给其他模型处理。目前发布状态、具体定价和开放范围原文未详细说明。
文中可用工具
- Claude Opus 5.5Anthropic 新发布的编程模型，主打完成整个软件开发生命周期任务
- Claude CodeAnthropic 的命令行编程工具，可在终端里启动 AI 编程会话
- GitHub Copilot CLIGitHub 的命令行 AI 编程助手，用于测试 Opus 5.5
- VS Code微软的代码编辑器，用于测试 Opus 5.5 解决终端任务
- Claude Fable 5.1Anthropic 的另一个模型，被用作 Opus 5.5 的性能对比基准
- Opus 5上一代模型，作为成本、token 和步骤数的比较对象
- Opus 4.8网络安全任务被重新路由到的备用模型
- HAProxy广泛使用的负载均衡软件，被用来测试 C 转 Rust 的代码重写
- Rust编程语言，HAProxy 被翻译成 Rust 以测试模型能力
- C编程语言，HAProxy 原代码所用语言
展开详情收起详情：Claude Opus 5.5 想帮你完成编程任务，而不只是开头⌄
原文发布：2026-09-23 03:49 · 首次收录：2026-09-23
这篇文章解释了工程师为什么常常忽视云成本：账单数据往往延迟几周才出现，而且是汇总后的数字，跟具体哪次提交、哪个部署造成的花费对不上号。作者提出的解决思路是把成本信息“左移”，也就是在代码合并和 CI/CD 流程里直接显示这次改动会多花多少钱，让工程师在写代码时就能看到并负责。文章还提到，Kubernetes 里把 CPU、内存请求设得过高，会导致云账单悄悄上涨，但普通账单面板查不出是哪个部署干的。Harness 被作为能帮助实现这类开发者视角 FinOps 的工具提及。
文中可用工具
- Harness帮助团队把成本洞察嵌入开发工作流、实现开发者视角的 FinOps
展开详情收起详情：为什么面向工程师的云成本优化会失败⌄
原文发布：2026-09-22 08:00 · 首次收录：2026-09-23
Harness 宣布与 Amazon Bedrock AgentCore Gateway 集成，帮助企业在 AWS 上发现并保护 AI Agent、工具和资源。以前企业把大量 Agent 从实验推向生产，但传统安全手段只能检查单个请求，无法判断 Agent 一连串看似合法的操作是否被恶意操控。新集成能在 Agent 决策变成行动的关键位置自动盘点 AI 资产、实时检测提示注入和敏感数据泄露，并关联客户端、工具和数据还原事件全貌。对安全团队来说，他们可以像查看地图一样持续掌握 AI 攻击面，而不必手动追踪。
文中可用工具
- Harness AI posture management自动发现并持续清点 AI 资产，帮助安全团队掌握 AI 攻击面
- Harness AI firewall实时检测提示注入和敏感数据泄露等 AI 威胁
- Amazon Bedrock AgentCore Gateway托管式网关，让 Agent 连接工具和服务，并作为安全监控点
- MCP server原文未说明具体用途，仅作为被盘点或选择的工具服务出现
展开详情收起详情：Harness 与 AWS AgentCore 集成：为 AI Agent 提供动态发现与运行时安全⌄
原文发布：2026-09-22 08:00 · 首次收录：2026-09-23
这是 Spring 社区布道师 Josh Long 的每周通讯。他先分享了自己排队三小时买月饼过中秋的趣事，然后介绍了本周 Spring 生态的几个更新。最引人关注的是一个叫 Jev 的新模型，据说做决策特别快，适合放在 AI 智能体系统的外层路由环节，Spring AI 负责人 Christian Tsolov 为此写了文章。此外，Spring Tools 5.4.0 发布，Craig Walls 写了新一篇 Spring AI 教程讲对话记忆怎么只记重点，还有人分享了 Spring Boot 里 EnvironmentPostProcessor 和 Spring Security 的用法。最后，Josh Long 正在写一本免费开源的 Spring Security 书，还没完成。
文中可用工具
- Jev一种据称决策速度极快的模型，适合用于 AI 智能体框架的外层路由
- Spring Tools已发布 5.4.0 版本，原文未说明具体用途
- Spring AI用于给 AI 应用添加对话记忆等能力的框架，原文提到其教程系列
- Spring Batch新增了基于 MongoDB 的作业仓库支持，用于批量处理任务
- Spring Boot原文提到其 4.1 版本的 Spring Batch MongoDB 支持以及 EnvironmentPostProcessor
- Spring Security用于保护各类工作负载的安全框架，作者正在为其写免费开源书籍
展开详情收起详情：本周 Spring 动态 - 2026 年 9 月 22 日⌄
原文发布：2026-09-22 08:00 · 首次收录：2026-09-23
美团把过去各自为战的外卖推荐系统——首页、拼好饭等业务长期各建各的模型——合并成了一个大模型 MTFM。它的难点在于：不同业务的用户特征格式不一样、数据不能直接混用，而且序列很长导致算起来特别贵。美团的做法是像搭乐高一样，把不同业务的特征统一切成“词块”喂给同一个骨干网络，再用混合注意力机制把最贵的计算集中到真正重要的目标特征上，训练时按用户把多个业务的曝光合并成一条样本来省算力。结果是多个外卖业务的订单量提升了 2.06% 到 6.68%，推理成本降低 24%，不过落地场景限于美团外卖业务，效果来自其内部数据。
展开详情收起详情：MTFM：美团统一推荐基座大模型在外卖多业务场景的落地实践⌄
原文发布：2026-09-22 14:48 · 首次收录：2026-09-23
这篇文章讲的是：做医疗 AI 产品的团队（如 Abridge 和 Included Health）用 LangSmith 这个工具，把医生的专业审核变成可以重复使用的评测数据、评测标准和上线把关流程。原来问题是，AI 生成的病历或分诊建议对不对劲，只有医生能判断，但医生时间有限，每次都从头审核根本忙不过来。现在他们把医生的判断记录下来、做成自动化测试，以后每次发布新版本都能复用，不必重新找人审。结果 Abridge 的发布周期从一两个月缩短到几天，Included Health 上线后聊天互动增加 75%，高风险情况识别率超过 99%。不过文中也提到医疗数据隐私（PHI）、判断标准不唯一等挑战，另有部分内容被截断，具体实现细节未完全说明。
文中可用工具
- LangSmith把专家审核变成可复用的评测器、数据集和发布闸门，用于评测和监控 AI 系统
- LangGraph用于构建 Included Health 的 AI 导诊助手 Dot
- Deep Agents原文未说明具体用途，仅提到 Dot 由 LangGraph 和 Deep Agents 驱动
展开详情收起详情：医疗 AI 的可靠性层：LangSmith 常见应用场景⌄
原文发布：2026-09-23 01:08 · 首次收录：2026-09-23
Datadog 产品分析新推出 Journey Paths（用户旅程路径）功能，能帮你看清用户从进入到转化的完整路径。过去漏斗只能告诉你多少人中途流失，但不知道他们去了哪里、做了什么；现在 Journey Paths 会按频率排序展示每条路径，比如有人在付款前反复点击帮助链接最终离开，你可以直接对比转化用户和流失用户走的路线，再配合转化分析、会话回放和 RUM 数据定位具体是哪类用户遇到了什么问题。这项功能目前已在 Datadog 产品分析中提供，需付费账户使用，新用户可申请 14 天免费试用。
文中可用工具
- Journey Paths在 Datadog 产品分析中可视化用户从进入到转化的完整路径，按频率排序并对比转化与流失路径
- Datadog Product Analytics分析用户在产品内的行为路径与转化漏斗的付费分析平台
- Conversion Analysis用统计分析找出与转化或流失相关的用户属性及行为分群
- Session Replay回放真实用户的操作录屏，确认已知行为在屏幕上的具体表现
- Real User Monitoring (RUM)采集前端性能与交互信号，如错误、延迟、暴怒点击等，关联用户行为做技术侧排查
展开详情收起详情：了解用户转化或流失的主要路径与 Journey Paths⌄
原文发布：2026-09-21 08:00 · 首次收录：2026-09-22
这篇文章讨论的是企业登录用的 SAML 协议。以前 SaaS 兴起时，公司需要让员工用一个账号登录很多网站，SAML 和单点登录（SSO）就是干这个的。但 SAML 建立在 XML 之上，XML 签名验证极其复杂又容易出漏洞，导致实现往往依赖没人看得懂的 C 代码库。作者认为该淘汰 SAML，改用更现代的 OpenID Connect（OIDC），并回顾了 SAML 的委员会式设计起源、学术界推动和一连串安全攻击。
展开详情收起详情：SAML：糟糕设计的分形⌄
原文发布：2026-09-21 19:00 · 首次收录：2026-09-22
AWS 开源了一个叫 Strands Harness 的通用 AI Agent 基础框架，开发者可以本地运行或部署到云上。过去用 Strands 这类 SDK 搭 Agent，虽然零件齐全，但上下文怎么管、对话怎么存、工具怎么接，都得自己从头决定。Strands Harness 把这些预先配好，自带文件、shell、网页工具以及上下文压缩、记忆、会话持久化等能力，默认走 Amazon Bedrock，但也能改成 Anthropic、OpenAI、Google 或本地 Ollama。AWS 用六项基准测试对比后称，相比 Claude Code 和 Codex 平均便宜 45%、准确率大致相当；不过加入更便宜的 DeepSeek Harness 后，这一差距缩小到 28%。AWS 说这是通用 Agent 而非编程助手，目前可通过 pip 或 npm 安装使用。
展开详情收起详情：AWS 开源一款 AI Agent，声称比 Claude Code 和 Codex 便宜 45%⌄
原文发布：2026-09-22 02:30 · 首次收录：2026-09-22
SpaceXAI 发布了新模型 Grok 4.7，专门练它连续干活好几个小时不掉链子。原来的问题是：编码助手做长任务时，一步走错，后面的步骤就全歪了，而且任务越跑越长、要记的东西越来越多，更容易出错。这次他们用更长的强化学习、故意多练费劲的长任务，还让模型学会检查自己刚才做得对不对、管住长上下文；在 Terminal-Bench 4.0 上从 20.3% 升到 38.0%，但对手 Claude Fable 5.1 仍有 57.9%，所以长任务可靠性还是没完全过关。对用的人来说，按每百万输入 2 美元、输出 6 美元算，跑几个小时可能更便宜，但出错率仍高，不能完全放手。
文中可用工具
- Grok 4.7SpaceXAI 发布的新模型，面向可长时间运行的编码智能体
- CursorBench 4.0测试编辑器内较长编码工作流的基准
- Terminal-Bench 4.0测试终端任务表现的基准
- AA Briefcase v1.1评估多小时专业工作的基准
- Grok Bot harness围绕模型处理工具暴露、终端响应格式化、结果回填和下一步决策的基础设施
- Codex harness / Agents APIOpenAI 将长期运行智能体的基础设施变成受管服务
展开详情收起详情：Grok 4.7 主打长时间运行编码智能体，但多数任务仍会失败⌄
原文发布：2026-09-22 03:13 · 首次收录：2026-09-22
AI 智能体在做路由、安全检查、排序和升级这类决策时，其实不需要写出文字，却仍把问题发给生成式大模型，等它吐出答案再解析回来，既浪费算力又增加延迟。开发者 Jared Palmer 基于 Qwen 3.5 发布了开源决策模型 Kev，包含 0.8B、4B 和 9B 三个规模，采用只预填充、不逐字生成的方式，一次前向传播就读出选择概率；它只给已有选项打分，不会凭空造出新选项。Kev 最大模型在项目测试中准确率 83.7%，但概率校准可能偏移、微调后通用知识和算术能力下降，这些限制开发者已有说明。
文中可用工具
- Kev基于 Qwen 3.5 的开源决策模型，一次前向传播输出选项概率，不生成文字
- Qwen 3.5Kev 所基于的基础模型
- NoulKev 支持的是/否决策类型
- ChoiceKev 支持的从候选中选择决策类型
- ScoreKev 支持的有序等级评分决策类型
- JevTypeSafe 的 System One 平台中的决策模型，权重和训练数据未公开
- System OneTypeSafe 的决策平台，提供 /v1/systemone 请求和响应格式
展开详情收起详情：你的 AI 智能体正在为不需要文字的选择燃烧 Token⌄
原文发布：2026-09-22 03:13 · 首次收录：2026-09-22
TypeSafe 这家公司隐藏研发两年后，带着 DCVC 领投的 4000 万美元种子轮融资亮相，发布了首个模型 Jev。普通聊天大模型是一个字一个字地往外蹦，对话很自然，但让软件等它做判断就太慢；Jev 不写文字，只做决定——开发者给它结构化的问答题，它直接返回带概率的选项或数值，软件可以据此处理“不确定”。据称它比普通 LLM 快 20 到 200 倍、便宜 40 到 400 倍，输出 token 免费，上线 AI Gateway 后 24 小时内成为采用最快的模型。对读者的用处是：以后应用里需要“做个判断”的地方，可以调用 Jev 而不是塞一个聊天模型进去。
文中可用工具
- JevTypeSafe 推出的文本模型，接收结构化问题并返回带概率的类型化决策，供软件在代码中判断和选择
- AI GatewayVercel 的模型接入网关，Jev 在此上线并成为采用最快的模型
- RLCDTypeSafe 为 Jev 开发的训练算法，全称“校准决策强化学习”，让模型输出带概率的可靠决策
展开详情收起详情：TypeSafe 推出 Jev：因为顺序式 LLM“对计算机毫无用处”⌄
原文发布：2026-09-22 03:36 · 首次收录：2026-09-22
xAI 在 9 月 16 日给终端编程助手 Grok Build 加入了记忆功能，能把项目规则和决定写成 Markdown 笔记，下次打开时先读笔记再干活。Claude Code 早就有类似功能，但它的记忆只按单个代码仓库隔离，跨项目规则带不过去。有人在四个小型 Node 项目上做了三组测试，每组先告诉工具一个事实、关掉、再打开做相关任务。结果 Grok Build 三项全过，Claude Code 过了两项，跨项目规则传播失败。Grok 总花费 0.41 美元，Claude Code 花了 1.05 美元但速度更快。对普通开发者来说，Grok Build 目前是更便宜且跨项目记忆更可靠的选择。
文中可用工具
- Grok BuildxAI 的终端编程助手，支持记忆功能
- Claude CodeAnthropic 的终端编程助手，支持自动记忆功能
- Grok 4.6Grok Build 测试中使用的模型
- Opus 5Claude Code 测试中使用的模型
- npm testNode.js 的测试命令
- make testMakefile 中定义的测试命令
- MEMORY.mdClaude Code 记忆文件的索引
- xAI API key访问 Grok Build 的 API 密钥
展开详情收起详情：Grok Build 与 Claude Code：我实测了哪款记忆更强⌄
原文发布：2026-09-22 04:04 · 首次收录：2026-09-22
现在的 AI Agent 做决定时，通常是先写一段文字或 JSON，然后由外部软件去猜它到底选了什么。TypeSafe 推出的 Jev 改变了这一点：它直接把“决定”本身作为输出，比如从几个选项里选一个、打个分数，或者回答是/否，并且给出这个决定的可信度概率。这样做的意义是，Agent 在思考和行动之间那些原本藏在文字里的判断，比如下一步该做什么、证据够不够、某个操作风险大不大，现在都能被记录下来、评估和审计。Harness 已经在评测、模型路由和风险打分等生产环境中试用了这个方案。
文中可用工具
- JevTypeSafe 推出的决策模型，直接输出带概率的类型化决定（Choice、Score 或 Noul），而非生成文本。
- Harness在生产环境中测试 Jev 决策原语，应用于评测、模型路由和风险打分。
- RLCDJev 训练所用的目标函数，全称“面向校准决策的强化学习”，旨在让模型输出的概率具有实际意义。
展开详情收起详情：Jev 在 Harness 中实现可审计的决策原语⌄
原文发布：2026-09-21 20:57 · 首次收录：2026-09-22
AWS 告知客户，因与伊朗冲突造成的损坏，它无法恢复仅托管在阿联酋 mec1-az2 可用区的资源与数据，也无法恢复仅托管在巴林区域的资源与数据。AWS 表示巴林的损坏波及多个可用区，超出了其区域级和多可用区服务的设计承受范围。可用区可以理解为同一区域里相互隔离的机房群，通常一处出问题不影响另一处。这次事件提醒依赖单一可用区的用户，数据可能无法找回，跨区备份更稳妥。
展开详情收起详情：AWS 无法恢复仅存于中东受损可用区的数据⌄
原文发布：2026-09-21 16:43 · 首次收录：2026-09-22
这是 OpenAI 的 Vinoth Govindarajan 做的一场技术分享，主题是生产环境里的 AI Agent 为什么会出错。他指出问题不只是在模型“胡说”，更多出在系统怎么管状态、怎么分配权限上。他拿 OpenClaw 等真实案例说明，可靠的做法包括：明确谁拥有状态、并发改动要排队、限制 Agent 能执行的范围，并在用户实际看到的边界处校验动作。文章只给出演示标题和摘要，具体工具与发布时间原文未说明。
文中可用工具
- OpenClaw文中作为生产 AI Agent 的真实案例提及，原文未说明具体用途
展开详情收起详情：演示：Agent 框架：生产级 AI Agent 的控制平面、不变量与审批边界⌄
原文发布：2026-09-21 19:00 · 首次收录：2026-09-22