AI 资源库 · 已整理 2 项

编程

查看与编程相关的 AI 资讯、工具、Skill、工作流和开源项目。

模型进展

Gemini 4 Argon：为解决最棘手问题而打造

谷歌发布了 Gemini 4 Argon 模型，面向开发者、企业和订阅用户开放。它擅长处理编程、金融、法律、网络安全等复杂多步骤任务，在 Vals Index 上排第一。内部团队用它做了不少实际工作：比如帮助 Chrome 整理 4000 万行代码中的遗留部分，完成原本要几个月的重构；还让开源库 xTB 预测分子结构快了 2.3 倍、Gemma 模型推理速度提升 2.85 倍。对普通用户来说，这款模型目前可以通过 API 和谷歌部分订阅服务使用，具体哪些功能免费、哪些要付费，文章没有说得太细。

文中可用工具

  • Gemini 4 Argon谷歌发布的新模型，能处理编程、金融、法律、网络安全等复杂任务
  • AI Studio开发者可以通过 API 访问 Gemini 4 Argon 的平台
  • Gemini platform同样通过 API 提供给企业使用 Gemini 4 Argon
  • Google AntigravityGoogle AI Ultra 订阅者可以在此使用 Argon 进行编程
  • Gemini appGoogle AI Ultra 和 Pro 订阅者可以在此使用 Argon
  • AI Mode in SearchGoogle AI Ultra 和 Pro 订阅者在搜索的 AI 模式中使用 Argon
  • Vals Index衡量模型在金融、编程、法律、税务等经济领域表现的基准
# 编程# 模型发布# 网络安全# Gemini 4 Argon# 基准评测
☆ 收藏查看来源 ↗
评论 · 分享第一个看法
模型进展

Grok 4.7 主打长时间运行编码智能体，但多数任务仍会失败

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
# 模型评测# 编程# agent-framework# 模型发布# Grok 4.7
☆ 收藏查看来源 ↗
评论 · 分享第一个看法