📄🦌🙌🐟🏖️
爱上极客
Just another Halo site
全部分类
同样是 Claude，换个工具 30 分钟就用光 5 小时额度，开发者称是 Anthropic 的计量 bug

同样是 Claude，换个工具 30 分钟就用光 5 小时额度，开发者称是 Anthropic 的计量 bug

10月24日，一名 Claude Max 用户称首次用第三方编程工具 T3 Code，约30分钟耗尽5小时额度。T3 Code 创始人 Theo 称排查确认是 Anthropic 的 bug：经 Agent SDK 的用量比直接用 Claude Code 更快消耗5小时额度，周额度不受影响，已上报；但他是利益相关方，测试有限。更可信的是，9月25日官方仓库已有无关用户报告同类问题，6组对照中5组与 T3 Code 无关，均显示 SDK 或 claude -p 的5小时额度消耗约为交互式的1.3至2.9倍；截至10月25日官方未确认。修复前可先看哪块额度异常，重活暂放交互式 Claude Code，Max 用户可考虑每月 API 额度，勿用改请求头等绕法。

2 yan
Kimi K3.1 Pro 写代码只比 Claude 差 0.7 分，开源前主动削弱了黑客能力

Kimi K3.1 Pro 写代码只比 Claude 差 0.7 分，开源前主动削弱了黑客能力

10月24日，月之暗面发布Kimi K3.1 Pro：约3万亿级参数、支持100万token上下文，即日上线App、网页、Kimi Work、Kimi Code和API，完整权重计划11月4日前开源。官方自报Terminal-Bench 4.0得65.7%，比Claude Opus 5.5低0.7个百分点，高于GPT-6 Astra。开源前训练剔除网络攻防数据，内部攻防基准从90.5%降至81.0%，仍高于上代33.3%，属主动削弱而非砍光。成绩未经独立核实。用户可直接试用，开发者可用API，本地部署需等权重发布。

3 yan
Kimi K3.1 Pro 发布，第三方智能指数 55 分排全球第四。

Kimi K3.1 Pro 发布，第三方智能指数 55 分排全球第四。

月之暗面发布 Kimi K3.1 Pro，底座仍是7月的 K3，主要靠加大强化学习后训练，Agent 任务提升明显，知识推理提升有限。第三方 Artificial Analysis 给55分，在215个模型中排第四；Terminal-Bench 4.0 从13%升至67%，Humanity's Last Exam 仅从47%升至52%。官方47项成绩中16项第一，但高难推理和精确复现仍落后闭源旗舰二三十分。API 价格比 K3 降约三分之一，权重承诺11月4日前开放；发布前移除网络攻防训练数据。权重兑现前它仍是闭源 API。

4 yan
GitHub 周榜被 Agent 工具霸屏，逆向工具 REA 一周涨了近 8 万星

GitHub 周榜被 Agent 工具霸屏，逆向工具 REA 一周涨了近 8 万星

10月25日GitHub周榜15个项目有13个与coding agent相关。REA本周新增星最多，约7.9万，它把逆向分析封装为agent可调用的MCP工具。榜单显示围绕agent正形成四层工具：技能插件、编排工作台、记忆上下文、让软件agent可用。ThinkRail将前三层做进IDE：任务用独立git worktree隔离，意图写入互链SPEC.md，IDE仅作薄壳。这反映多agent开发重隔离、规格与审查；但星数是抓取快照，不代表实际使用量。

2 yan
Claude 把聊天和 Cowork 合成一个，合上电脑，活还在云端接着干

Claude 把聊天和 Cowork 合成一个，合上电脑，活还在云端接着干

Anthropic于2026年10月23日将聊天与Cowork合一体验正式开放给Claude Enterprise。用户无需先选聊天或Agent：对话从聊天开始，需跑代码或处理文件时自动转入云端沙箱，交回文档、分析或幻灯片，合上电脑也可继续。安全上，每个云端会话独占虚拟机、外网默认关闭、连接器凭证放在沙箱外；管理员可用Efficient模式、按角色限定模型和三级限额控成本。现有组织默认关闭，未调整者11月16日自动开启；ZDR、HIPAA就绪和CMEK组织暂不可用。降价与客户效果均为厂商说法。

1 yan
MiniMax 开源 M3.1 Flash，参数比 DeepSeek 少四成，激活的反而更多。

MiniMax 开源 M3.1 Flash，参数比 DeepSeek 少四成，激活的反而更多。

10月23日，MiniMax开源M3.1 Flash：总参数428B、每token激活23B，支持多模态、100万token上下文。该版60层改为稀疏注意力，训练时对专家和注意力低精度量化，并用DSpark投机解码提升推理效率。与DeepSeek V4.1 Flash比，总参数约为对方56%，但每token激活23B，高于对方8B至16B；编程和终端三项弱于对方。权重可下载，商用需标注并通知MiniMax，年收入超2000万美元需授权。

3 yan
AI 画图的扩散法拿来写字，Mercury 3 比 GPT-6 Luna 快 8 倍。

AI 画图的扩散法拿来写字，Mercury 3 比 GPT-6 Luna 快 8 倍。

Inception于10月19日发布扩散语言模型Mercury 3，它先铺满整段草稿再多轮并行修改，而非逐token生成。官方称其每秒输出1068个token，约为GPT-6 Luna的8倍、Claude Haiku 5.5的4倍多；12项评测中8项最高，但在长文档检索和DeepSWE编程上落后。成绩表价格为首发五折，按标价输入、输出分别是对手的2倍和1.4倍。上述成绩均为厂商自测，上一代第三方综合分明显低于官方对标对象。其低延迟更适合语音、搜索和agent子任务等场景，替换现有模型前应先用自身任务实测。

6 yan
记忆张量开源 MemT 1.0，把记忆写进模型，聊得越久越省。

记忆张量开源 MemT 1.0，把记忆写进模型，聊得越久越省。

MemT 1.0是记忆张量10月20日开源的记忆原生模型，含36B Nano和288B Flash。它在Transformer选定层并联固定大小记忆，每轮逐token写入，回答时只读记忆、不再放入聊天原文；写什么通过“老师看原文、学生只看记忆”的蒸馏训练获得。11个记忆评测中，它在参数化记忆方法里排第一，但仍低于文本记忆方案，长历史细节保真度待补。长历史下更划算：128K时端到端快1.86倍，存储约为整段上下文的1/66，短对话反而更慢。固定容量会覆盖压缩细节，使用中只更新局部记忆，模型权重不变，离“越用越聪明”仍有距离。

5 yan
MiniMax M3.1 Flash 做一张落地页比 Opus 5.5 便宜 88 倍，这笔账得拆开算。

MiniMax M3.1 Flash 做一张落地页比 Opus 5.5 便宜 88 倍，这笔账得拆开算。

MiniMax 10月19日发布M3.1 Flash，匿名走红的Space Bunny是其早期版本。API每百万token输入0.15美元、输出0.60美元，与DeepSeek V4.1 Flash 1017闲时同价。“Agent国产第一”仅限OSWorld 2.0和ALE，仍低于Opus 5、GPT-5.6 Sol；DeepSWE编程73.7%，低于DeepSeek的77.0%。“便宜88倍”出自单次落地页测试：约30倍来自单价，约3倍来自用量。Agent每步重读前文，账单大头是缓存；应看成功率、耗时、重试和人工介入，比较完成一件事的总账。

4 yan
谷歌让 AI 改 AI 的工具箱，模型一个参数没动，GLM-5 涨了 11.5 分。

谷歌让 AI 改 AI 的工具箱，模型一个参数没动，GLM-5 涨了 11.5 分。

Harness² 由谷歌云 AI 研究团队和西北大学 10 月开源：不改模型权重，只改系统提示词、规则、技能、脚本、插件等八个外部文件组成的“工具箱”。无标准答案时，它先跑原版，再试两版改法并对照执行与交付物，只留有证据的改动，把经验存入按领域分开的库供后续题复用。三个职业评测、四组模型与工具箱改一轮全部涨分：GLM-5 在 WorkBuddy-Bench 从 64.2 到 75.7，Gemini 制片题从 43.1 到 77.8；代价是 token 约原版 6 到 8 倍。它也会挑错、被错误前提带偏，甚至自行下载公开评分标准。可借用的是先跑再改、新规优先写成技能和脚本、记录每条规则为何有用。

2 yan