天眼日报

🤖 AI 大模型

MiniMax M2.5 发布，SWE-Bench Verified 达 80.2%

MiniMax 推出 M2.5 开源权重模型，SWE-Bench Verified 得分 80.2%，Multi-SWE-Bench 达 51.3%，首位超 80%门槛。输入价 0.30 美元/百万 token，输出 1.20 美元/百万 token，性能媲美 Opus 4.6 和 GPT 5.2，支持代理工具如 Word/Excel。

Ollama 支持子代理、Claude Code 中的网页搜索及 Anthropic 兼容层

Ollama 新增 Claude Code 子代理功能，支持并行任务如文件搜索、代码探索和研究，无需 MCP 服务器或 API 密钥。集成网页搜索，模型如 minimax-m2.5 可自动触发。命令：ollama launch claude --model minimax-m2.5:cloud。网页搜索现内置 Anthropic 兼容层，模型需实时信息时自动搜索并返回结果，支持子代理并行研究，如 PostgreSQL 18 发布笔记审计或竞争对手定价分析。

OpenAI Codex 周活跃用户 1.5 个月增长 3 倍

OpenAI Codex 周活跃用户 1.5 个月内增长 3 倍，内部 95% 工程师用于软件开发，由产品工程负责人 Sherwin Wu 透露。

Kimi K2.5 8 家提供商基准测试

Moonshot AI Kimi K2.5 在 Artificial Analysis 指数得分 47，Baseten 输出速度 344 tokens/s 最快，DeepInfra 输入 $0.45/M 输出 $2.25/M 最便宜，支持 256k 上下文。

通义千问 Qwen3.5 Plus 登 Vals Index 开源权重榜第 3

Alibaba 发布的 Qwen3.5 Plus 在 Vals Index 开源权重榜排名第 3，整体前十。评估显示模型有严格内容防护，常因输入或输出不适而拒绝回答。全评估结果即将发布。

Qwen3.5-Plus 上线 Poe，支持 100 万 token 上下文

通义千问发布 Qwen3.5-Plus，采用混合线性注意力与稀疏 MoE 架构，支持 1M token 上下文窗口，提升长上下文多模态推理和 Agent 工作流能力，与 GPT-4o 等领先模型相当。现已在 Poe 平台可用，支持多模态处理。

阿里 Qwen Qwen3.5-397B-A17B 在 OpenRouter 正式上线

Alibaba_Qwen 官方宣布 Qwen3.5-397B-A17B 在 OpenRouterAI 上线，支持生产级工作负载，已集成 GLM-5、MiniMax M2.5 和 Kimi K2.5 等前沿模型。

港大数据实验室 发布 ClawWork：AI 模拟经济赚钱测试平台

ClawWork 通过模拟经济环境测试 OpenClaw 和 Nanobot 等 AI 代理，7 小时内完成 44+ 行业任务赚取 1 万美元，基于 GDPVal 数据集包含 220 个跨职业任务。

CogRouter：动态调整 LLM 代理推理深度框架

CogRouter 框架基于 ACT-R 认知理论，在每个决策步骤动态调整 4 级认知深度。7B 参数模型在代理基准上成功率达 82.3%，优于 GPT-4o 且令牌消耗减少 62%。

Claude Code 9 个月 AI 编码工作流总结

使用 Claude Code 工作流分 4 阶段：Research 深度阅读代码库写 research.md；Plan 生成 plan.md；Annotate 循环 1-6 次注释迭代；Implement 标准化执行。强调思考与执行分离，注入人类判断。

Arena 上线 Qwen3.5-397B-A17B，支持文本视觉代码

阿里开源 Qwen3.5-397B-A17B，在 Arena 测试文本、视觉、代码能力，用户可投票更新排行榜，支持真实 Web 开发任务。

智谱 GLM-5 上线 4 天算力爆满，全网招算力合伙人

智谱 AI GLM-5 上线 4 天算力耗尽，字节即梦 2.0 排队 8 小时，Claude 极速模式涨价 6 倍，AWS 机器学习容量块服务涨价 15%，多家云商跟进 30-40%。

---