Cognition拿Kimi K3炼出SWE-2：逼近Astra，成本仅1/4
相关推荐
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。
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
Cloudflare给Coding Agent自动开「临时测试服」
动察 Beating AI 快讯，Cloudflare 上线 Worker Previews。 Worker 可以简单理解成跑在 Cloudflare 上的后端程序，比如处理 API、登录、数据库和网页请求。现在开发者或 Coding Agent 每新建一个 Git 分支，都能给这套程序临时开一个独立测试环境，改完代码直接部署进去试，不用碰正式网站。 这套测试环境有自己的网址、日志和运行状态，Durable Objects、Containers 等资源也能单独创建。Agent 因此可以自己完成改代码、部署、打开网页测试、看报错，再继续修改。 Cloudflare 以前也有 Preview URLs，但主要只是给某个 Worker 版本生成一个临时网址，背后的资源仍可能连着正式环境。现在每个分支都能单独跑一套，Agent 测试新代码时，就不用担心把线上服务一起搞坏。
Jev团队公开Coding Agent设计草案：每轮重新决定模型该看什么
动察 Beating AI 快讯，TypeSafe 创始人 Diogo Almeida 公开了一份 Coding Agent 设计草案，希望社区直接拿去实验。他直说团队大概率没时间自己把这些想法都做出来。 这份草案最核心的改动是上下文。现在的 Coding Agent 通常会一直带着之前的聊天、工具结果和代码状态，太长了再压缩或重启。TypeSafe 想让 Agent 每轮重新判断：继续沿用现有缓存，还是重新挑一份更合适的上下文；哪些保留全文，哪些只留摘要，哪些直接丢掉。 Almeida 认为，现有 Agent 不少设计都被 KV Cache 反过来绑住了。比如任务先切给便宜模型，再切回强模型，强模型可能还得重新读一遍长上下文，最后反而更贵；工具定义长期塞在系统提示词里，也会一直占空间。 上下文如果能动态重组，模型路由、Sub-agent、MCP 和 AGENTS.md 也能跟着按需加载。简单任务交给便宜模型，需要哪个工具再加载哪个，子 Agent 只拿和自己任务相关的状态。Almeida 暂时把这套思路叫「Meta-attention」。
Kimi Code桌面端上线：浏览器、终端、多Agent塞进一个窗口
动察 Beating AI 快讯，月之暗面正式上线 Kimi Code Desktop，把原本偏终端的 Kimi Code 做成了独立桌面应用。用户可以直接打开本地项目，让 Agent 读写代码、跑命令、查看 Git 改动，目前支持 macOS 和 Windows。 桌面版直接内置了浏览器和终端。做网页时，Agent 可以读取右侧网页的页面信息，用户也能直接点选元素、框出区域或者截图批注，告诉它具体哪里要改。改代码、看网页效果、跑测试都不用再切窗口。 它还支持计划、目标和 Swarm 三种任务模式。Swarm 可以把任务拆给多个子 Agent 并行处理，长任务也能放到后台继续跑。除了 Kimi 自家的模型，用户还可以自己填 API Key 和 Base URL，接入其他模型供应商。
Kimi推出金融行业方案，Agent直接跑投研、建模和报告
动察 Beating AI 快讯，月之暗面推出 Kimi 金融行业解决方案，把金融数据、Skill 和 Agent 能力打包到一起。方案接入 Wind、东方财富、标普全球、财联社、财新数据等 10+ 数据源，并提供财务建模、机构研报、财报点评、组合复盘、持仓早报等 9 项金融 Skill。 Kimi 称，合作案例中，财务建模的人力投入从 5–7 人天降至 0.5–1 人天，深度研究从 10–20 天缩短至约 2 天。 Kimi 还与中信建投共建「风险评估网关」，处理数据分级、个人信息保护、工具授权、内容核验和审计追溯。试点中，单份临时受托报告的人工制作时间从约 30 分钟降至 10 分钟。 最近一周，OpenAI、Anthropic 也相继推出金融行业产品。现在 Kimi 也跟进，把金融数据、专业 Skill 和 Agent 工作流一起推向机构客户。