中国AI公司DeepSeek发布了其下一代AI模型V4，声称该模型在编码能力上有显著提升，并与美国领先系统竞争，兼容华为技术，标志着中国芯片产业的重要进步。

OpenAI推出了新的$100/月的ChatGPT Pro计划，专为Codex用户设计，提供比$20/月的Plus计划多5倍的Codex使用量。该计划还包括对Pro模型和深度研究能力的访问，以及早期实验功能的使用权。与Anthropic的类似计划相比，OpenAI的Codex在付费层级中提供更高的编码能力。

阿里巴巴的Qwen 3.6 Plus已在Vercel AI Gateway上线，增强了编码能力和多模态感知，支持更复杂的任务。使用时需在AI SDK中设置为qwen/qwen3.6-plus。

我们的Coding Agent在Terminal Bench 2.0中从第30名跃升至第5名，主要通过优化harness实现。该项目聚焦系统性解决方案，利用Trace分析失败模式，提升模型性能。通过调整系统提示词、工具和中间件，优化了agent的编码能力，最终得分达到66.5%。

研究表明，尽管先进的AI模型在编码能力上有所提升，但在完全自主管理软件工程项目方面仍存在差距。我们开发了Stripe集成基准，以评估AI代理在构建完整Stripe集成中的表现。结果显示，模型在处理后端和全栈任务时表现出色，但在模糊任务中仍有困难。通过这些基准，我们希望提高AI在Stripe集成中的准确性和可靠性。

GPT-5.3 Codex已在AI Gateway上线，结合了GPT-5.2的编码能力和推理深度，速度提升25%。该模型适用于软件生命周期的各个阶段，支持多步骤执行和上下文控制，特别适合网页开发。使用时需设置为openai/gpt-5.3-codex。

Kimi K2.5是Moonshot AI最新的智能模型，支持无账户访问，具备强大的编码和视觉理解能力，能够创建动态用户界面。使用时需在AI SDK中设置为moonshotai/kimi-k2.5，AI Gateway提供统一API，支持跟踪和性能优化。

GLM-4.7是智谱的最新旗舰模型，增强了编码能力和任务规划，支持多种思考模式和工具调用，适用于Agentic Coding和多模态交互，提升编程和视觉效果，生成高质量内容。

智谱官微宣布GLM-4.7模型上线并开源，增强了编码、推理和工具协同能力，表现优于前版本。该模型在多项基准测试中领先，支持复杂任务的统一规划与协作，提升了生成质量和用户体验。

本文介绍了Claude Code的使用方法，包括安装、登录、创建文档网站及调试过程。作者成功生成网站代码并解决技术问题，最终构建了文档网站。与其他工具相比，Claude Code在编码能力和工程实践方面表现优异，同时提到CLAUDE.md文件作为记忆管理工具的作用。

Claude Agent SDK 允许开发者创建可编程代理应用，简化任务自动化，支持多工具CLI管理工作流，具备调试和代码生成等功能。基于Claude Sonnet 4.5，适合希望提高工作效率的专业人士。

Anthropic发布的Claude Opus 4.5具备更强的编码和计算能力，API价格显著降低。该模型在多项任务中表现优异，能够有效处理复杂问题，提升安全性和智能性。新功能包括上下文管理和计划模式，支持更高效的多Agent系统。

斯坦福、普林斯顿和康奈尔的研究人员开发了CodeClash基准，以评估大型语言模型（LLMs）的编码能力。该基准通过多轮比赛测试LLMs实现高层目标的能力，模拟开发周期的迭代过程。研究团队进行了1680场比赛，发现没有单一模型在所有领域中表现最佳，GPT 5在分析其他LLMs生成的代码时表现优异。未来研究将关注更大代码库和多重竞争目标。

Anthropic 发布的 Claude Haiku 4.5 性能接近 Sonnet 4，但价格仅为其三分之一，速度提升两倍。Haiku 4.5 在编码能力测试中表现优异，适合实时任务，性价比高，值得开发者尝试。尽管数学能力稍显不足。

GLM-4.6是最新的GLM系列模型，编码能力提升27%，支持最长200K上下文，增强推理和搜索能力，适配国产芯片，提供高效编程服务。