Anthropic 发布 Claude Sonnet 5.5，输出速度提升超 30%，单任务成本最高降低 30%，在多项基准上接近 Opus 5.5。编码能力较前代大幅跃升，Terminal-Bench 4.0 得分从 10.3% 升至 70.6%，CursorBench 4.0 得分 55.5%，仅比 Opus 5.5 低约两分。
推荐理由：原文给出了 Sonnet 5.5 与 Opus 5.5 及前代的基准对比和定价，读者可据此判断中端模型的实际性价比。
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber，这是六周内第三个 Flash 版本，定价与 3.7 Flash 相同，为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。
推荐理由：原文给出新模型在编码、推理和网络安全上的具体基准成绩与定价，读者可据此判断其相对前代和竞品的定位。
Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 仅三周，是面向编码和智能体场景的最强工作模型。
推荐理由：官方给出了编码、网页开发与知识工作场景的基准提升和半价定价，读者可据此评估升级价值。
Meta 今日发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数的多模态模型，专为本地智能体场景设计，采用 Apache 2.0 许可。模型由 2B 视觉编码器和 28B 文本解码器组成，支持图像、视频输入及多模态工具调用，并附带 DFlash 投机解码加速。
推荐理由：原文给出架构细节、基准对比和本地部署路径，读者可据此评估它在端侧智能体场景的适用性。
Google DeepMind 发布三款新 Gemini 模型。Gemini 3.6 Flash 相比 3.5 Flash 减少 17% 输出 token 用量。
推荐理由：官方给出三款新模型的定价、token 效率与关键基准提升，读者可据此评估其在智能体工作流中的成本与性能取舍。
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调而成的轻量网络安全模型，用于快速发现、验证和修复软件漏洞。
推荐理由：原文给出了轻量安全模型的定位、基准成绩和内部落地效果，读者可据此判断它在漏洞挖掘场景中的实际价值。
Google DeepMind 发布 Gemini 3.5 模型家族，率先推出 3.5 Flash，主打智能体与编码能力，在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）和 MCP Atlas（83.6%）等基准上超越 Gemini 3.1 Pro，输出速度比其他前沿模型快 4 倍。
推荐理由：官方给出了 3.5 Flash 的基准成绩、速度与成本优势，读者可据此判断它在智能体任务上的实际定位。
Mistral AI 发布下一代编码模型 Devstral 2（123B）和 Devstral Small 2（24B），均采用宽松开源许可，Devstral 2 在 SWE-bench Verified 上取得 72.2% 的成绩，并推出原生 CLI 工具 Mistral Vibe 实现端到端代码自动化。
推荐理由：原文给出了新模型在 SWE-bench Verified 上的得分、与闭源模型的差距以及 API 定价，读者可据此判断开源编码模型的实际水平与成本。
Mistral AI 与 All Hands AI 合作推出 Devstral Medium，并升级 Devstral Small 1.1。
推荐理由：原文给出了两款模型的基准分数、定价和开源范围，读者可据此评估其在编码智能体场景的性价比。
Mistral AI 发布 Codestral Embed，这是其首个专为代码设计的嵌入模型，在真实代码数据的检索场景中表现突出，显著优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由：原文给出了首个代码专用嵌入模型的性能对比、定价和分块建议，读者可据此评估其在代码检索场景的适用性。
Mistral AI 与 All Hands AI 合作推出面向软件工程任务的智能体大模型 Devstral，在 SWE-Bench Verified 上取得 46.8% 的成绩，超过此前开源最优模型 6 个百分点以上，并以 Apache 2.0 协议免费开源。
推荐理由：原文给出了基准成绩、开源许可和本地部署门槛，读者可据此评估它作为开源编码智能体的实际可用性。