AI 编程代理：如何衡量使用成本和效率
文章探讨了 AI 编程代理的使用成本和效率问题，提出了基于合并拉取请求的成本衡量方法，并分析了混合 AI 平台的优势。
推荐理由：文章探讨了 AI 编程代理的使用成本和效率问题，提出了基于合并拉取请求的成本衡量方法，并分析了混合 AI 平台的优势。
#部署/工程
#部署/工程
今日 0 条MIT Technology Review · AI精选AI 评分7070
NVIDIA Blog精选AI 评分7070 NVIDIA 智能体 AI 技术助力 SETI 项目搜索外星信号
NVIDIA 的智能体 AI 技术被应用于 SETI 项目中，用于搜索外星信号，通过处理大量数据，提高了搜索效率和准确性。
推荐理由：原文介绍了 NVIDIA 在 SETI 项目中使用的智能体 AI 技术，读者可以了解其在搜索外星信号中的应用和效果。
The Verge · AI精选AI 评分7070 OpenAI 和 Anthropic 利用 AI 解决 COBOL 代码危机
OpenAI 和 Anthropic 分别推出了 AI 模型，旨在将老旧的 COBOL 代码迁移到现代编程语言，以帮助组织维护和现代化旧系统。
推荐理由：原文介绍了 OpenAI 和 Anthropic 如何利用 AI 技术解决 COBOL 代码危机，读者可以了解 AI 在代码迁移和系统现代化中的应用潜力。
Show HN精选AI 评分7070 Enclawed：分布式、确定性安全的智能体群运行时
Enclawed是一个用于AI智能体的确定性安全运行时，支持分布式HPC和智能体群。它通过硬件信任根和策略控制，确保运行时的安全性，并支持无管理员权限的集成。
推荐理由：原文介绍了Enclawed的分布式运行时和硬件信任根，读者可以了解其在安全性和效率方面的优势。
IT之家精选AI 评分6565 OpenAI 发布研究报告：增强 AI 模型攻克冷门编程语言，COBOL 迁移准确率飙至 97.9%
OpenAI 发布研究报告，展示了增强 GPT-6 Astra 等模型在迁移 COBOL、Fortran、Visual Basic 等低资源编程语言方面的能力，COBOL 迁移准确率高达 97.9%。
推荐理由：OpenAI 发布的研究报告展示了 GPT-6 Astra 等模型在迁移 COBOL 等低资源编程语言方面的能力，对软件现代化和系统维护具有重要意义。
AWS Machine Learning Blog精选AI 评分6262 AWS 上线 Claude Haiku 5.5
AWS 宣布 Claude Haiku 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线。
推荐理由：文章给出 Haiku 5.5 在 Bedrock 上的能力定位与调用方式，可据此判断它在多智能体分层中的成本位置。
The Decoder精选AI 评分8282 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，这是其目前最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%，超过 10 万 token 的提示词价格则是前者的五倍。
推荐理由：Haiku 5.5 的定价与基准对比给出了小模型在成本敏感任务上的取舍依据。
Show HNAI 评分3838 Show HN：用 800M AI harness 挑战 7B 模型 [视频]
一位开发者在 Show HN 上展示了一个 800M 参数的 AI harness，目标是挑战 7B 模型的表现。该内容以视频形式呈现，目前获得 2 分和 1 条评论。
Simon WillisonAI 评分4242 EmbeddingGemma 2 采用 Apache 2.0 许可证
EmbeddingGemma 2 采用 Apache 2.0 许可证，Simon Willison 认为嵌入模型不应使用闭源、专有的托管模式。嵌入模型应用通常需计算并存储数千乃至数百万条嵌入向量，一旦厂商停用模型，用户就得为重新计算这些向量付费。他更愿意付费使用托管版本，同时保留厂商停服后可自行运行开放权重或另寻供应商的余地。
Simon Willison精选AI 评分6262 Mistral 发布 Mistral Large 4 预览版：1 万亿参数、49B 激活
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、49B 激活参数的模型，基于自有 3,800 块 NVIDIA Grace Blackwell GPU 集群训练，目前通过其 API 提供。
推荐理由：Mistral 时隔近一年重回前沿附近，参数规模、算力集群与评测分数给出了可比较的坐标。
Show HN精选AI 评分6262 TOD 发布通用决策模型：约 400M 参数，前置拦截高置信度决策
TOD 发布一个基于 Task Oriented Design 的通用决策模型，读取文本与图像、抽取事实并从可用动作中选出下一步，只处理有把握的回合，其余原样交给现有 LLM。
推荐理由：TOD 用约 400M 参数的小模型前置拦截高置信度决策，给出了成本、延迟与校准误差的实测数据，可据此判断这类分层方案是否适合自己的工作流。
The Decoder精选AI 评分7171 Mistral 发布万亿参数 Mistral Large 4，主打网络安全任务
Mistral 发布迄今最大模型 Mistral Large 4（ML4），总参数 1 万亿、激活 49 亿，为原生多模态模型，已在 Mistral Studio 开放 API 预览，权重预计 10 月底发布。
推荐理由：Mistral 迄今最大模型以万亿参数和网络安全定位切入，独立指数显示其与头部闭源模型仍有明显差距。
Show HN精选AI 评分7878 Vev 开源决策模型发布：对截图提问并返回每个答案的概率
Vev 发布 v0.1 研究预览版，这是一个类似 Jev 的决策模型，可对文本、JSON 记录或截图提出是/否、多选或分级问题，并在约 40 ms 内返回每个允许答案的概率，不生成文本。
推荐理由：开源决策模型给出逐选项概率而非生成文本，读者可据此判断它在截图判定类任务上的可用边界。
Show HNAI 评分3838 Show HN：jiwo 小型决策模型登顶 Decision Index 榜单
jiwo 是一个独立项目，其模型读取状态与问题后一次前向传播即返回每个选项的概率，不生成文本，在单张 H100 上中位请求耗时约 50 ms。jiwo-0.8b 以 28.00 分在 Decision Index 1B 以下参数组排名第一，jiwo-4b 以 44.97 分在 3–6B 组实时榜居首，两者均基于 Qwen3.5 并以 Apache-2.0 许可发布。
Show HN精选AI 评分7878 作者微调 1.5B Qwen 做 Bash 生成，接近 GPT-4o 水平
作者用 401,975 条英文请求与 Bash 命令配对数据，对 Qwen3-0.6B 和 Qwen2.5-Coder-1.5B-Instruct 做 LoRA 监督微调，发布 EasyCommand 模型、GGUF 和 CLI。
推荐理由：作者公开了微调数据、权重与评测细节，并记录了小模型只记住答案却难以迁移的实验教训。
Show HN精选AI 评分5858 DoubtBench 发布：用人类分歧评测模型不确定性
DoubtBench 是一个基于 NVIDIA HelpSteer2 的基准，把多位标注者的评分分歧转成约 7,500 道 Score、Choice 和 Noul 题目，同时考察模型答对率和概率是否与人类分歧一致。
推荐理由：DoubtBench 用人类标注分歧而非单一答案来评测模型不确定性，并给出可复现的提交与运行方式。
Show HN精选AI 评分7272 gutsy-0.8b v0.4 发布：CPU 本地运行的校准决策模型
gutsy-0.8b v0.4 发布，这是基于 Qwen3.5-0.8B 微调的本地决策模型，接收文本或 JSON 状态与是非、选择、打分三类问题，返回每个选项的概率，不做文本生成、不联网、无按次调用成本。
推荐理由：0.8B 决策模型在 CPU 上给出校准概率，并公开了训练数据构成与各基准的弱项，便于判断这类小模型能承担哪些判断任务。
TechCrunch · AIAI 评分5858 AWS 开源决策模型 Strands Decider 2B，对标 TypeSafe 的 Jev
AWS 发布开源决策模型 Strands Decider 2B，用于在预设选项中做选择并给出置信度，速度更快、成本更低，且小到可本地运行。
The DecoderAI 评分7171 Cloudflare 发布决策模型 Clef 与 Clef-flash，称智能体决策不再需要人类介入
Cloudflare 发布两款面向 AI 智能体的决策模型 Clef 和 Clef-flash，返回带概率的简短分类而非长文本，并称智能体决策不再必须有人类介入。
Simon WillisonAI 评分6666 TypeSafe AI 发布 Jev，推出 System One 决策模型
TypeSafe AI 发布 Jev，这是其称为 System One 模型的新类别模型，输入文本后不返回文本，而是返回对应类别、是/否问题、评分的浮点数及置信度。Jev 只对输入收费，首个模型输入价格为每百万 token 0.042 美元，输出免费，且支持并行评估多个问题。作者认为它适合分类、打标签、排序和搜索重排等任务，但指出它更接近黑盒，偏差问题需要重点关注。
Latent SpaceAI 评分7474 TypeSafe AI 发布 Jev：面向软件而非聊天的 System 1 模型
TypeSafe AI 发布首个大型可编程模型 Jev，定位为面向代码消费的 System 1 模型，优化目标是每美元智能而非聊天体验。其核心创新是未发表的 RLCD（Reinforcement Learning for Calibrated Decisions），用带认知诚实概率的答案替代 RLHF 的人类评分反馈，以缓解幻觉、谄媚和对人类的长期依赖。
OpenAI News精选AI 评分5858 OpenAI 下调 GPT-5.6 在 Luna 与 Terra 上的价格
OpenAI 宣布下调 GPT-5.6 在 Luna 和 Terra 上的价格，并称更高效的模型有助于企业规模化部署 AI 工作流。
推荐理由：原文给出 GPT-5.6 在 Luna 与 Terra 上的降价信息，读者可据此判断企业级 AI 工作流的成本变化。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 DiffusionGemma：文本生成最高提速 4 倍
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上最高实现 4 倍推理提速，单张 NVIDIA H100 上超过 1000 tokens/秒，RTX 5090 上超过 700 tokens/秒。
推荐理由：官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛，可据此判断本地低并发场景的取舍。
OpenAI News精选AI 评分8282 OpenAI 发布 gpt-oss-120b 与 gpt-oss-20b 开源权重模型
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开源权重语言模型，采用 Apache 2.0 许可。官方称这两款模型在推理任务上优于同规模开源模型，具备较强的工具调用能力，并针对消费级硬件的高效部署做了优化。
推荐理由：OpenAI 开源两款权重模型并给出尺寸与许可，读者可据此判断本地部署与推理任务的可用性。