编码模型相关 AI 资讯 · AI 热点

8月13日

17:42

17:42

lmarena.ai@lmarena_ai

精选

DeepSeek-V4-Pro (Max) 在 Code Arena: WebDev 的 AutoEval 中获得 1607 分，总分第 8，开放权重模型中排第 2。该成绩仅次于 GPT-5.6 Sol 的 1622 分和 Kimi K3 (Max) 的 1674 分。其定价为每百万 tokens 输入 $0.435、输出 $0.87，低于 Opus-4.8 的 $5/$25 和 GLM-5.2 的 $1.4/$4.4。目前该分数为早期 AutoEval 结果，后续会随真人投票收敛。

AI模型 DeepSeek V4-Pro Code Arena

推荐理由：DeepSeek 又发新模型了，V4-Pro (Max) 在编码榜上排开源第二，比贵得多的 Opus-4.8 还强，价格只要零头。

8月12日

02:43

02:43

GitHub@github

微软的 MAI-Code-1.1-Flash 模型已开始在 GitHub Copilot 中推出，支持原生视觉能力，可理解图像。该模型在编码质量、指令遵循、工具使用和性能方面均有改进。其列表价比 MAI-Code-1-Flash 低 73%，更具成本效益。开发者可在 GitHub Copilot 应用、CLI 和 VS Code 中试用。

AI模型 MAI-Code-1.1-Flash GitHub Copilot 微软

推荐理由：微软新模型上架 Copilot，带视觉还能看图，价格砍了七成多，写代码更省钱了。

7月22日

08:09

08:09

官方一手marktechpost@Asif Razzaq

精选

Poolside发布Laguna S 2.1，这是一个118B参数的MoE编码模型，每token仅激活8B参数，支持1M上下文。该模型在SWE-Bench Multilingual基准上匹配甚至超越参数规模数倍于它的模型。Laguna S 2.1采用OpenMDW-1.1开放权重许可，可在单台NVIDIA DGX Spark上运行。

AI模型 Poolside Laguna S 2.1 SWE-Bench Multilingual

推荐理由：Poolside出了个小参数但很强的编码模型Laguna S 2.1，8B活跃参数就在SWE-Bench多语言上吊打大模型，还开放权重，单机就能跑。

7月9日

05:27

05:27

官方账号OpenAI@OpenAI

OpenAI 在推特上指出，随着编码模型不断进步，现有的评估基准已不足以衡量真实进展。他们强调需要设计更难的测试、更公平的对比和更可靠的结果。这条观点引发社区对当前基准如 SWE-bench 等是否仍有效的讨论。

行业 OpenAI 编码模型基准测试

推荐理由：OpenAI 自己说现在的编码测试太简单了，得加点难度和公平性。搞 AI 写代码的可以看看基准怎么改。

6月29日

13:49

13:49

官方账号Microsoft AI@MicrosoftAI

微软AI在推文中介绍了构建编码模型的全流程，包括训练阶段的优化策略、评估方法、性能调优、安全性考量以及收集真实开发者反馈。文章深入展示了从模型设计到部署的每个环节，帮助理解如何让编码模型适配开发者的实际工作场景。

AI模型微软AI 编码模型模型训练

推荐理由：微软AI分享了他们训练编码模型的实战细节，从评估到安全都有，做编程助手的人值得看看。

6月19日

12:51

12:51

官方账号Cohere@cohere

精选

Cohere宣布其首个开源智能体编码模型的4-bit量化版本已可用。该量化版模型体积显著缩小，可在Mac上本地运行。用户可通过链接获取模型权重。此次发布使得开发者能够更便捷地在个人设备上运行智能体编码模型。

AI模型 Cohere 4-bit量化智能体

推荐理由：Cohere把自己最新的编程智能体模型压缩到4-bit，Mac上就能跑，本地开发效率直接拉满！

01:32

01:32

官方账号SiliconFlowAI@siliconflowai

精选

MoonshotAI 基于 K2.6 推出了 Kimi K2.7 Code，参数量为 32B 激活/1T 总参数，支持交错思考与多步工具调用。相比 K2.6，推理 token 使用量降低 30%，在编码与指令遵循上表现提升，接近 GPT-5.5 和 Opus 4.8。定价为缓存输入/输入/输出每百万 token 0.19/0.94/4.00 美元。该模型可在 SiliconFlow 上使用。

AI模型 Kimi K2.7 Code MoonshotAI 编码模型

推荐理由：想少想多做？K2.7 Code 编码专用，推理开销比 K2.6 低三成，还能对标 GPT-5.5，适合写代码时不用纠结。

6月16日

09:32

09:32

lmarena.ai@lmarena_ai

精选

Kimi-K2.7-Code是Kimi新发布的编码模型，在Code Arena: Frontend中排名第3（开源模型），整体第19。相比K2.6，该模型在Kimi Code Bench v2上提升21.8%，Program Bench提升11.0%，MLS Bench Lite提升31.5%。推理效率提升，推理token使用量降低30%。模型已通过Kimi API和Kimi Code开源提供。

AI模型 Kimi-K2.7-Code Kimi Code Arena

推荐理由：Kimi新出的编码模型K2.7-Code，在Code Arena前端排名第三，比上代提升明显，推理更省token，开源可玩。

6月12日

20:13

20:13

shao__meng@shao__meng

73°

Kimi 开源了最新编码模型 K2.7-Code，基于 K2.6 针对编程 Agent 专项优化，重点提升长链路编码任务成功率并减少推理 token。在编码基准上全面进步，其中 Kimi Code Bench v2 提升 21.8%，MLS Bench Lite 提升 31.5%。Agent 方面，MCP Mark Verified 得分 81.1，超过 Opus 4.8 的 76.4，在多工具编排上具备竞争力。效率方面，推理 token 整体减少约 30%，Program Bench 的 token 消耗降低 42% 同时分数提升。模型支持强制 Thinking 模式、Preserve Thinking 和多模态输入，已在 Hugging Face 开源。

AI模型 Kimi K2.7-Code 编码模型

推荐理由：K2.7-Code 在 MCP 场景下超过 Opus 4.8，且推理 token 减少 30%，做编程 Agent 的团队可以直接用开源模型跑长任务，成本更低、成功率更高。

12:09

12:09

官方账号vLLM@vllm_project

精选

vLLM 宣布对 Cohere 的 North Mini Code 模型提供 Day-0 支持，该模型是一个开源的编码模型，专为智能体工作流设计。模型采用 Mixture-of-Experts 架构，总参数量 30B，活跃参数 3B，支持 256K 上下文和 64K 最大生成长度。它具备推理、工具使用和结构化输出能力，可直接通过最新稳定版 vLLM 部署。这一支持让开发者能快速在 vLLM 上运行该模型，用于构建复杂的智能体应用。

AI产品 vLLM Cohere North Mini Code

推荐理由：做智能体工作流和编码应用的开发者，现在可以直接用 vLLM 部署 Cohere 的 North Mini Code 模型，省去适配麻烦，建议试试。

6月4日

11:44

11:44

lmarena.ai@lmarena_ai

精选76°

MiniMax M3 模型在 LMSYS Arena 上线，在 Code Arena: Frontend 排名第 7，得分 1531，与 GLM-5.1 不相上下。该模型以每百万 token 输入 0.60 美元、输出 2.40 美元的价格，在其价位上推动了帕累托前沿。MiniMax M3 是首个结合编码与智能体前沿能力的开源权重模型，在 SWE-Bench Pro 上达 59.0%，支持 1M 上下文，并原生支持多模态。权重和技术报告将在约 10 天内发布。

AI模型 MiniMax M3 编码模型开源权重

推荐理由：MiniMax M3 以极低价格实现了顶级编码性能，做前端开发或智能体应用的团队值得关注，性价比突出。

5月27日

11:02

11:02

官方账号Greg Brockman@gdb

开发者 Theo 在 X 上分享了他对 GPT-5.5 的深度使用体验，称经过两个月的适应后，GPT-5.5 已成为他无法替代的编码模型。他指出，要发挥 GPT-5.5 的全部能力，需要完全不同的提示方式，并花时间配置 agents.md 文件。一旦跨过学习曲线，其他模型在代码任务上都无法与之相比。这反映了 GPT-5.5 在编程领域的独特优势，也提示开发者需要调整使用习惯。

AI模型 GPT-5.5 编码模型开发者体验

推荐理由：做 AI 编程的开发者如果还在用旧模型，值得花时间适应 GPT-5.5 的独特提示方式——跨过门槛后，其他模型可能就回不去了。

5月19日

11:21

11:21

小互@imxiaohu

83°

Cursor 发布了自研编码模型 Composer 2.5，在性能上与 OpenAI 的 Opus 4.7 相当，评分差距不到 1 分，但价格大幅降低：输入 token 便宜 10 倍，输出 token 便宜 30 倍。相比前代 Composer 2，新模型在长时间任务、复杂指令遵循和协作顺滑度上有明显提升，能稳定处理数十万 token 的长任务。这一突破让开发者以更低成本获得顶级编码能力，尤其适合需要持续迭代的复杂项目。

AI产品 Cursor Composer 2.5 编码模型

推荐理由：Cursor 用自研模型把编码成本打到了 Opus 的 1/30，做复杂项目或长任务开发的团队可以直接省下大笔 API 费用，性能还几乎没缩水，值得立刻试。