传豆包2.2延期:字节补课Coding,招聘直接点名Claude Code、Codex
相关推荐
MiniMax把OpenAI新Agents API做成开源版,Codex、Claude Code都能接
动察 Beating AI 快讯,MiniMax 开源 OpenAgentCore,做了一套兼容 OpenAI Agents API 的自托管实现。开发者可以继续使用 OpenAI 官方 SDK,只需要换掉 API 地址,后台运行的 Agent 可以选择 Codex、Claude Code 或 MiniMax Code。 Agents API 可以理解成一套「调用 Agent 的统一接口」。普通模型 API 主要负责一问一答。Agent 要连续干几个小时甚至几天,还要管理上下文、调用工具、协调子 Agent、保存任务进度。OpenAI 的 Agents API 把这些能力放到一个长期运行的 Session 里统一管理。 OpenAI 官方版本使用 OpenAI 托管的 Codex 执行框架。开发者可以自己选择代码在哪运行,但 Agent 的任务编排、上下文管理和运行状态仍由 OpenAI 负责。OpenAgentCore 则把这套后端也交给开发者自己部署。
Codex Cloud接入Tailscale:云端Agent也能访问本地服务了
动察 Beating AI 快讯,OpenAI 为 Codex Cloud 加入 Tailscale 支持,让云端编程 Agent 可以访问用户本地电脑和公司内网中的开发服务。 此前,Codex 虽然能在云端读取 GitHub 代码、修改项目,但遇到只在私人网络中开放的 API、测试服务器等资源,就无法直接调用。 现在,用户可以通过 Tailscale 将 Codex Cloud 接入自己的私人网络。比如,你在 Mac 上运行了一个测试服务,Codex 修改代码后,就能直接调用它来检查结果、排查问题。企业也可以让 Codex 访问内部 API、测试环境和私有软件包仓库,无须把这些服务暴露到公网。
Codex写了130万行没搞定,Claude两周移植TypeScript编译器
动察 Beating AI 快讯,知名开发者 Theo 开源了 tsc-rs。他让 AI 将微软用 Go 编写的 TypeScript 7 编译器移植到 Rust,覆盖编译器、类型检查器和语言服务器,目标是直接替代官方的 tsc。Theo 称,自己从头到尾没有读过一行生成的代码。 这个项目持续了约五个月。Theo 最初使用 Codex 等工具,调用多款 OpenAI 模型,生成超过 130 万行 Rust 代码,但兼容性始终没能突破约 84%。按 API 标价折算,消耗的 Token 价值超过 40 万美元。 后来他换用 Claude Opus 5.5。模型直接放弃之前的代码,从头重新移植。10 小时做出可运行的初版,两周内完成主要工作,Token 消耗按 API 价格折算约 2.4 万美元。 测试显示,tsc-rs 已通过 181,711 项从 Go 移植的测试。在 120 个开源项目中,检查结果与微软 Go 版基本一致,仅存在少量已知行为差异。另据 60 个开源项目的性能测试,Rust 版的类型检查平均耗时约为 Go 版的一半。
AI订阅大摸底:Claude补贴比国产Coding Plan还狠
动察 Beating AI 快讯,SemiAnalysis 把 OpenAI、Anthropic、Meta、SpaceXAI、MiniMax、月之暗面、智谱、Cursor 和 Cognition 的 AI 订阅套餐逐个测了一遍。它分别测试输入、缓存写入、缓存读取和输出会消耗多少订阅额度,再按自己 9 月的 Agent 使用结构计算,其中约 96.6% 是缓存读取。最后再套用各家的 API 标价,看同样一批 token 如果直接走 API,需要花多少钱。SemiAnalysis 将这个数字称为「API 等价价值」。 Claude 的 Sonnet 和 Opus 补贴最狠。同样每月 200 美元的 Max 20x,使用 Sonnet 5.5 最多可跑出约 12,529 美元的 API 用量,相当于月费的 62.6 倍;Opus 5.5 约为 11,726 美元,相当于 58.6 倍。换成更贵的旗舰模型 Fable 5.1,却只剩 2,485 美元,也就是 12.4 倍。同一个套餐能差近 5 倍,因为不同模型和不同类型的 token,扣掉后台额度的速度并不一样。Anthropic 给 Sonnet 和 Opus 留了大量额度,对 Fable 则明显收紧。 国产 Coding Plan 同样大量补贴重度用户,但力度仍追不上 Claude。SemiAnalysis 测得,132 美元的 MiniMax Token Ultra 可折算约 3,088 美元 MiniMax-M3 API 用量,相当于月费的 23.4 倍;168 美元的智谱 GLM Coding Max 约为 11.6 倍;199 美元的 Kimi Code Ultra 约为 6.7 倍。即使是其中最高的 MiniMax,每美元折算价值也只有 Claude Sonnet、Opus 的四成左右。 OpenAI 最近反而开始主动收紧补贴。新购 Pro 200 的各档模型 token 额度被直接减半,此前购买的套餐可暂时保留旧额度到 10 月 29 日。现在 200 美元 ChatGPT Pro 使用 GPT-6.1 Sol,折算价值约 2,084 美元,相当于月费的 10.4 倍;同价 Claude Opus 是它的 5.6 倍。即使撇开两款模型 API 单价的差异,只算实际 token,两者也是约 286 亿对 102 亿,Claude 仍多 2.8 倍。 但到
OpenScience自测75.7%超过Codex:科研Agent开始自己循环跑实验
动察 Beating AI 快讯,Y Combinator 2026 冬季批次(YC W26)公司 Synthetic Sciences 正式发布开源科研 Agent OpenScience。它能查论文、处理数据、写代码和调用科研数据库,新加入的 Autoresearch 还能让 AI 自己连续跑实验。 比如训练一个模型,研究者只需要告诉它「把验证集 loss 降下来」。OpenScience 会先跑基线,再自己提出修改方案,一轮轮执行实验。结果变好就保留,变差就回退,再根据前面的结果决定下一步试什么。用户也可以提前限制运行次数、总时长和停止条件,或者规定「接下来只改优化器」。 OpenScience 把原本需要研究者反复盯着做的实验迭代自动化了:提出方案、执行实验、比较指标、淘汰失败方案,再继续下一轮。实验可以在本机运行,也可以交给远程 GPU、SSH 服务器和 Slurm/PBS 集群。每轮实验的代码、结果和判断都会留下记录,方便后续检查。 它还支持直接登录 ChatGPT/Codex 订阅,也可以接入自己的 API Key、本地模型,或使用官方按量付费的 Ace。 官方自测中,OpenScience 在 70 道 Terminal-Bench Science 任务中完成 53 道,得分 75.7%。作为对比,Codex + GPT-6 Astra 的公开成绩为 68.1%。
Jevgrep让Coding Agent少自己找代码:SWE-bench主模型成本降29%
动察 Beating AI 快讯,开发者 David 基于 Jev 开源了一个专门给 Coding Agent 找代码的研究工具 Jevgrep。 用户只要问一句「登录校验写在哪里」,它就会用 TypeSafe 的决策模型 Jev 逐层搜索代码库,找出相关文件和源码片段,再交给 Claude Code、Codex 等 Agent 继续修改和测试。 它主要解决 Coding Agent 很费 token 的「找代码」环节。Jevgrep 不会先把整个仓库塞给模型,也不是只做一次语义搜索。它会先判断哪些目录值得继续找,再检查相关文件和代码声明,最后返回源码片段、行号和后续阅读线索。仓库还提供了 Skill,让 Agent 知道什么时候调用 `jg` 收集上下文。 最新 SWE-bench 实验用了 10 个 Python 任务。使用 Jevgrep 和不用 Jevgrep 都完成了 8 个,但 GPT-5.6 Sol 的总成本从 7.62 美元降到 5.44 美元,减少 28.63%。作者最初在 X 上写的是 40%,仓库随后更新实验结果,目前已经改成「约 30%」。 不过,这个数字只统计 Sol 的费用,没有把 Jev 算进去。实验日志中能够确认的 Jev 调用费用已经至少有 1.57 美元,部分调用缺少完整计费记录,实际总额未知。此外,这组实验只有 10 个任务,而且每题只跑了一次。