Gemini3.8 Flash正式上线：价格不变，多项评测胜过Opus5
相关推荐
微软要把Windows变成Agent工作台：AI能直接操作电脑，还能少花Token
动察 Beating AI 快讯，微软公布 Windows「混合智能」计划，准备让 AI Agent 直接在电脑上执行任务。获得授权后，Copilot 可以读取本地文件和近期活动，还能整理文件、排查故障、编写程序。微软演示中，它自动找齐报税材料，修改文件名、打包附件，并起草了发给会计师的邮件。 这套方案的关键，是让本地 AI 和云端 AI 配合工作。Copilot 负责接收任务，Windows 提供访问文件和执行操作的能力。部分任务可以交给电脑上的模型处理，减少云端 Token 消耗，也让敏感数据留在本地。需要更强推理能力时，再调用云端模型。 为了支撑本地运行，微软将 1370 亿参数的编程模型 MAI Code 1.1 Flash 压缩至 53GB，让它能在搭载 RTX Spark 的高性能电脑上运行。GitHub Copilot 也将通过 HydraFusion 自动选择本地或云端模型，让部分编程任务不再依赖付费的云端推理。 微软还推出 MXC 安全沙箱，限制 Agent 能访问的文件和网络，防止越权操作。目前 MXC 已正式开放。Copilot 读取本地文件、执行电脑操作等新能力，则将在未来几个月陆续登陆 Copilot+ PC。
谷歌云发布Gemini Agent：单一通用工作代理，整合Workspace、多模型路由与企业级治理
动察 Beating AI 快讯，谷歌云 CEO Thomas Kurian 在 Gemini at Work 2026 大会上发布 Gemini Agent，定位为单一通用工作代理——用户只需给出目标而非指令，即可完成知识工作、内容创作、图像媒体生成及代码编写与运行。该代理具备统一入口、无处不在的访问（网页、iOS、安卓、Windows、Mac 及 Workspace、Microsoft 365、Slack 等渠道）、持久化执行（云端运行，关闭笔记本后任务继续，记忆与个性化图谱跨设备统一）、多代理编排（可动态创建带独立身份的临时子代理，也可作为长期同事代理拥有专属邮箱与存储）、深度上下文理解及模型选择灵活性——底层模型可跨谷歌 Gemini 系列与 Anthropic 的 Claude 等自由切换，以最佳模型匹配任务、降低成本。目前近 80% 谷歌云客户使用其 AI 产品，近 90% 的财富 100 强使用 Gemini Enterprise。 该代理直接嵌入 Gmail、Drive、Docs、Slides、Sheets、Chat 及日历，并携带相同的记忆、技能与控制；新增数据分析技能让技术与业务用户均可用自然语言在数分钟内获得可执行洞察；同时为金融服务和法律团队提供行业专属工具与知识。安全与治理层面，谷歌提供身份与策略管理、授权与权限控制、安全沙盒、网络网关等机制；成本控制方面则通过多模型编排、智能路由和实时支出上限实现。早期测试客户包括运动品牌 On，其利用动态模型选择加速上市；Shopify 将前沿模型混合用于数百万商户，PayPal 每周路由 1000 万次多模型请求。
Antigravity终于上Claude 5.5：仅限付费Pro订阅及Ultra，旧模型11月退场
动察 Beating AI 快讯，Google 的 AI 编程工具 Antigravity 已接入 Claude Opus 5.5 和 Sonnet 5.5。两款模型向 Google AI Ultra 和 Pro 开放，但 Pro 仅限正式订阅，仍处于免费试用期的用户无法使用。Free 和 Google AI Plus 暂时拿不到 5.5。Antigravity 支持为模型选择 Low、Medium、High 三档思考强度。 Google 同时开始清理旧模型。Claude Opus 4.6、Sonnet 4.6 和 GPT-OSS-120b 都将在 11 月 2 日移除。按当前模型表，如果没有新模型补位，Free 和 Google AI Plus 届时将没有 Claude 或 GPT-OSS 可选，只剩 Gemini 系列。 Google 没有公布 Claude 5.5 的具体额度，只说明 Pro 额度每 5 小时刷新，同时受周额度限制。Gemini 与 Claude、GPT 使用两套独立额度。已经有多名 Pro 用户反馈，Opus 5.5 跑一次任务就可能快速消耗五小时和周额度，有用户称运行约 9 分钟就用掉了一半周额度。
DeepSeek V4.1 Flash新版登顶Agent Arena开源模型榜，位列总榜第11
PANews 10月20日消息，AI模型评测平台Arena宣布，DeepSeek-V4.1-Flash-20261017（Max）已位列Agent Arena开源模型第一、总榜第11。基于约7500次真实使用会话，该模型相对平均模型的综合净改善约为5.1%，单任务成本中位数约0.20美元。该版本在任务成功确认、用户正负反馈、Bash命令执行可靠性及可引导性四项指标中均位列开源模型第一，其中任务成功确认指标位列总榜第8。
DeepSeek把AI编程卷进「许愿时代」：从零造3D游戏，DeepSWE跑分超Opus 5
动察 Beating AI 快讯，DeepSeek 将 V4.1 Flash 升级至 1017 版本，网页端、App 和 API 已同步切换，新模型权重也已按 MIT 协议开源。 官方测试中，DeepSWE v1.1 软件工程任务通过率从 74.2% 提升至 77.0%，超过 Claude Opus 5 的 74.0%。Terminal-Bench 4.0 从 31.2% 提升至 42.3%，但仍低于 Opus 5 的 51.8%。按照官方公布的成本曲线，达到 77% 通过率的配置，每题平均仅花费约 1.3 元。不过，对比对象是 Opus 5，而非更新的 Opus 5.5。 新版本重点强化了「许愿式编程」，也就是只给出简单需求，让 AI 自行规划并完成整个项目。DeepSeek 利用自反馈强化学习改进这类能力，并展示了故宫 3D 场景、网页版赛车游戏，以及基于 Godot 引擎的《传送门 2》复刻。官方称，新模型完成任务的时间和输出长度均有所减少，还针对 DeepSeek Harness、腾讯 CodeBuddy 和 WorkBuddy 做了优化。 此外，DeepSeek 首次向开发者开放自研搜索引擎的 Search 和 Fetch API。开发者可以让 Agent 直接搜索网页、抓取正文。两个接口均按成功请求计费，每千次 5 元。通过 Claude Code、Codex 内置网页搜索功能触发的 Search 请求，前两周暂免接口调用费。
Hermes模型榜上线，Opus 5.5第一，Astra第二却最贵
动察 Beating AI 快讯，Nous Research 给 Hermes Agent 上线模型排行榜 Hermes Index，主要用来比较不同模型在 Hermes 里的表现。所有模型都使用同一套 Hermes Agent 运行框架，支持调节推理强度的统一设为 high。榜单取 Hermes Bench、Terminal-Bench 4、Terminal-Bench Science 和 SkillsBench 四项测试的平均分，同时统计平均每任务成本。 其中 Hermes Bench 是 Nous Research 自己新做的测试，共有 150 个任务、25 类场景，覆盖 Skills、研究、图表与创作、记忆、工具调用和安全。Agent 会直接处理工作区和真实文件，最后根据生成的文件、任务状态和工具使用记录评分。 首版共测试 14 个模型。Claude Opus 5.5 以 63.31 分排第一，GPT 6 Astra 以 56.25 分第二，Claude Sonnet 5.5 以 53.14 分第三。Astra 平均每个任务花费 11.61 美元，是全榜最高。Opus 5.5 为 4.99 美元，Sonnet 5.5 为 2.82 美元，两者部分数据仍被官方标为暂定。 低价模型中，DeepSeek V4.1 Flash 得到 36.91 分，平均每任务花费 0.259 美元；GPT 6 Luna 为 33.89 分，每任务 0.141 美元。两者都进入成本与性能的 Pareto 前沿，也就是不存在价格更低、同时分数更高的模型。