DeepSWE v1.1
PulseAugur coverage of DeepSWE v1.1 — every cluster mentioning DeepSWE v1.1 across labs, papers, and developer communities, ranked by signal.
- developed V4.1-Flash-1017 95%
- instance of V4.1-Flash-1017 95%
- instance of GPT -6 Astra 90%
- instance of Gemini 4 Argon 90%
- instance of AutomationBench 90%
- instance of Vals Index 90%
- instance of CWE-bench v1 90%
- instance of Gemini 3.6 Flash 90%
- competes with GPT -6 Astra 80%
- competes with Claude (Opus 5.5 80%
- competes with Gemini 4 Argon 70%
- competes with GPT 5.6 "Sol" 70%
11 天有情绪数据
-
百度发布文心5.5闪测版，聚焦速度、成本和开源
百度发布了文心5.5闪测版，这是其一周内的第三次重大发布，此前还开源了文心5.5闪测基础版并披露了ERNIE Evolve的进展。该新模型强调效率、成本效益和开源可用性，模型权重将根据Apache 2.0许可证发布。文心5.5闪测版在各种基准测试中表现出竞争力，尤其在编程、3D建模、知识工作和内容创作任务方面表现出色，包括生成完整的游戏演示和2D动画短片。
-
美团-longcat 发布 LongCat-2.5 多模态代理模型
美团-longcat 发布了 LongCat-2.5，这是一款专为长时序代理任务设计的、多模态的混合专家（Mixture-of-Experts）模型。该模型拥有 1.6 万亿的总参数，每个 token 激活约 480 亿参数，集成了视觉理解和代理编码能力。它经过了广泛的训练，包括大规模强化学习和多教师学习，并针对国内 AI 加速器上的高效长上下文处理进行了优化。
-
Beam AI 模型泄露 API 密钥，暴露安全漏洞
一名用户报告称，Reflection AI 开发的 Beam-1.0-501B-A23B 模型在执行涉及电子邮件自动化的任务时两次泄露了其 API 密钥。用户发现该模型在实际应用中表现不佳，尤其是在工具调用和指令遵循方面，尽管其基准分数与 GLM-5.2 等模型相比具有竞争力。此次事件凸显了在 AI 开发和部署中持续需要人工监督，因为该模型的自动化研究引擎 Eureka Machine 未能阻止关键安全漏洞。
-
Mistral Large 4 发布，采用新许可证，硬件要求严苛
Mistral AI 发布了其万亿参数模型 Mistral Large 4 的开放权重，该模型昵称为“Le Chonk”。该模型可在 Hugging Face 上下载，拥有百万级 token 上下文窗口、多模态能力和多语言支持。一个显著的变化是新的 Mistral Ecosystem Open-Weight License，它取代了之前的 Apache 2.0 许可证，并包含对托管服务使用的限制。虽然 Mistral 报告称其性能强劲…
-
OpenAI 的 GPT-6.1 Sol 在 Amazon Bedrock 上以更低成本提供接近 Astra 的性能
OpenAI 发布了 GPT-6.1 Sol，这是 Amazon Bedrock 上的一款新模型，旨在以显著更低的成本提供与 GPT-6 Astra 相媲美的性能。该模型特别有利于需要多步和广泛处理的 AI 代理，因为其降低的代币定价可以大幅降低运营成本。GPT-6.1 Sol 在 DeepSWE v1.1、AutomationBench 和 OSWorld 2.0 等基准测试中表现强劲，通常能媲美或接近更高级别的模型，同时成本效益更…
-
MiniMax 发布 428B 编码模型，但自托管成本依然高昂
MiniMax 发布了其 428B 参数的编码和代理模型 M3.1 Flash 的开放权重。该模型拥有百万级 token 的上下文窗口和多模态输入能力，目标是编码和 AI 代理任务。然而，自托管所需的高昂硬件要求，估计基本设置成本约为 16,000 美元，这意味着尽管该模型是开放权重的，但大多数用户可能会选择 API 服务。
-
MiniMax M3.1 Flash 开源模型发布，拥有 4280 亿参数
MiniMax M3.1 Flash，一个新发布的开源模型，拥有 4280 亿参数，每个 token 激活 230 亿。该模型在智能体任务、编码和网络安全方面展示了显著的进步，在 BankerToolBench 和 DeepSWE v1.1 等基准测试中取得了高分。其权重现已通过 Together 公开提供。
-
MiniMax M3.1 Flash 开放权重发布，vLLM 提供零日硬件支持
MiniMax 发布了其 M3.1 Flash 模型的开放权重，这是一款拥有 4280 亿总参数和 100 万 token 上下文窗口的多模态混合专家架构。该模型利用 MiniMax Sparse Attention 通过仅关注过去键的相关块来有效处理长上下文。除了权重，vLLM 还为 NVIDIA Blackwell、Rubin 和 AMD MI350 硬件提供了零日支持和优化的内核，显著提高了服务效率和并发性。
-
DeepSeek V4.1-Flash-1017 以更短的输出提供基准提升，API 价格不变
DeepSeek 发布了 V4.1-Flash-1017，这是其 V4.1-Flash 模型的更新版本，该模型在 MIT 许可下可用。新版本在 11 项基准测试中表现出性能提升，提升幅度从 2.0 到 11.1 分不等，据报道，它能以更短的输出来更快地完成任务。尽管有这些增强功能，API 定价保持不变，但文章指出，高峰时段和缓存使用等因素会显著影响代理任务的总成本，可能超过因输出长度缩短而节省的费用。
-
Google 的 Gemini 4 Argon 现已公开；定价和基准测试详情公布
Google 已将其 Gemini 4 Argon 模型普遍可用，此前为期两周的访问仅限于部分网络防御者。该模型可通过各种 Google 平台和 Gemini API 获得，初步定价将于 2026 年 12 月 1 日翻倍。虽然基准测试显示 Gemini 4 Argon 在长文档处理和自动化等领域表现出色，但独立评估表明，在通用智能和特定代理任务方面，它略逊于 Claude Opus 5.5 等竞争对手。
-
MiniMax M3.1 Flash 在 Agent 任务中表现出色，挑战 DeepSeek
MiniMax 发布了其 M3.1 Flash 模型，该模型在复杂的 Agent 任务中表现出强大性能，在此方面超越了 DeepSeek 的 V4.1 Flash-1017。虽然 DeepSeek 在软件工程任务中仍占优势，但 MiniMax 的新模型在需要多步工具调用和跨系统交互的场景中表现出色，在 Automation-Bench 数据集上名列前茅。M3.1 Flash 还提供具有竞争力的价格，使其成为寻求能力和成本效益的开发者的…
-
MiniMax M3.1 Flash 发布，价格更低，仅限 API 访问
MiniMax 推出了其 M3.1 Flash 模型，与前代 M3 相比，价格大幅降低，输入 token 单价为每百万 0.15 美元，输出 token 单价为每百万 0.60 美元。虽然 MiniMax 声称在代理任务上成本降低了 70%，但直接的每 token 定价显示下降了 50%。该模型在 DeepSWE v1.1 等基准测试中的表现具有竞争力，得分为 73.7%，但略微落后于 DeepSeek V4.1 Flash。目前，M…
-
DeepSeek V4.1 Flash 1017 首次亮相，在编码和代理任务方面取得重大进展
DeepSeek 于 2026 年 10 月 17 日发布了其开源大型语言模型 DeepSeek V4.1 Flash 1017 的更新版本。此次迭代在各种基准测试中都有显著改进，尤其是在编码和基于代理的任务方面。该模型现在拥有 1M token 的上下文窗口，并根据 MIT 许可证提供，允许商业使用。关键的进步包括在 DeepSWE v1.1 和 Terminal-Bench 4.0 等编码基准测试中性能增强，超越了 Anthrop…
-
DeepSeek V4.1 Flash 1017 在编码任务中表现出色，提供灵活的推理设置
DeepSeek V4.1 Flash 1017 于10月17日发布，在编码任务上表现强劲，在关闭“思考”功能的情况下，完成了所有30个小型编辑和测试编码任务。当启用“思考”功能时，该模型在单次推理任务上的表现更佳，解决了39个问题中的全部问题，而关闭思考功能时仅解决了11个。该模型的权重是开源的，可在Hugging Face上获取，定价与其前代产品保持一致。
-
MiniMax M3.1 闪电模型以高性能和低成本挑战顶级AI · 跟踪1个来源
MiniMax发布了其M3.1 Flash模型，在多项基准测试中表现强劲，尤其是在Agent能力和编码任务方面。该新模型在Agent's Last Exam (ALE)和BankerToolBench等领域取得了顶级分数，可与GPT-6.1 Sol和Claude Opus-5等成熟模型相媲美甚至超越。值得注意的是，M3.1 Flash的成本显著降低，输入代币价格为每百万1元，输出为每百万4元，使其成为复杂工作流和企业应用的极具成本效益…
-
MiniMax 发布 428B M3.1 Flash MoE 模型，支持 1M 上下文
MiniMax 发布了其 M3.1 Flash 模型，这是一个拥有 428B 参数的混合专家（MoE）模型，上下文窗口为 100 万 token。该模型可通过 MiniMax API 访问，专为智能体任务、编码和视觉推理而设计。MiniMax 报告称，在智能体基准测试中表现强劲，在 Automation-Bench v1.0.6 等任务上超越了 GPT 5.6 "Sol" 和 Opus 5 等模型。然而，其编码性能表现不一，部分基准测…
-
DeepSeek 发布免费编码模型，削弱搜索竞争对手
DeepSeek 发布了其开源编码模型 V4.1-Flash-1017 的更新版本，据报道，该模型在特定编码基准测试中优于 Claude Opus-5 和 GPT-5.6 Sol。该公司还推出了供 AI 代理免费访问的网页搜索和抓取工具，显著低于竞争对手的定价。虽然 DeepSeek 的模型在编码任务中显示出潜力，但在更广泛的推理基准测试中仍落后于顶级模型，其定价策略对闭源模型提供商构成了挑战。
-
DeepSeek 发布 V4.1 Flash 和廉价搜索 API，重新定价 AI 栈 · 跟踪 1 个来源
DeepSeek 发布了两项可能颠覆 AI 行业的重大更新。V4.1 Flash 1017 模型更新虽然被标记为“次要”，但在多个基准测试中显示出显著的改进，尤其是在 DeepSWE v1.1 中，以极低的成本达到了与 GPT-5.6 Sol 相当的水平。同时，DeepSeek 推出了搜索与获取 API，定价为每 1000 次请求 0.75 美元，大幅削弱了现有的搜索增强型 AI 服务。这些举措表明 DeepSeek 在模型推理和网络…
-
DeepSeek 发布 V4.1-Flash-1017，提升代理性能并降低成本 · 追踪 9 个来源
DeepSeek 发布了 V4.1-Flash-1017，这是一个更新的开放权重模型，为代理任务提供了改进的性能和成本效益。与前代模型相比，这个新的检查点在 11 项报告的基准测试中得分更高，任务完成速度更快，输出更短。DeepSeek 还推出了新的 Search 和 Fetch API，以具有竞争力的价格为开发人员提供集成的网络搜索功能。
-
Google 发布 Gemini 4 Argon，支持 100 万上下文，但最高分使用“高”设置
Google 发布了其 Gemini 4 Argon 模型，并称其为迄今为止最强大的模型。该模型提供 100 万 token 的上下文窗口和先进的推理能力，初始 API 定价为每百万输入 token 2 美元。虽然基准测试显示 Gemini 4 Argon 在某些任务上优于 Claude Opus 5.5 和 GPT-6 Astra 等竞争对手，但这些分数是在使用并非所有用户默认可用的“高”推理设置下实现的。