DeepSeek V4.1 Flash 更新后编程能力跃居开源模型第一，多项榜单超越闭源模型。实测仅用提示词、约4元成本和35分钟即生成“特斯拉能飞”3D动态网页，效果接近原视频；还能复刻游戏、逆向Typora修复即时渲染问题、制作广告视频。文章认为开源模型以极低成本逼近闭源效果，将持续给闭源模型带来价格与性能压力。
Meta发布开源权重模型Muse Spark Open，参数816B、激活42B，号称美国最强开源模型，可通过多家API及平台下载。许可证限制年收入超2000万美元的公司商用，并要求标注“Built with Muse Spark Open”。该模型擅长编程与智能体任务，在多项基准上领先美国竞品，但编程能力仍落后于Kimi K3、GLM 5.3等中国开源模型。
文章对比了 DeepSeek v4.1 Flash 与 GPT 6 Luna 的编程能力：GPT 6 Luna 基准得分较前代下降 2 分，而 DeepSeek v4.1 Flash 仅用少量激活参数便在代码任务上大幅反超，提醒用户编程大模型可能悄然变弱。
文章对比了DeepSeek v4.1 Flash与GPT 6 Luna的编程能力：GPT 6 Luna基准得分较前代下降2分，而DeepSeek v4.1 Flash仅用少量激活参数便在代码任务上大幅反超，提醒用户编程大模型可能悄然变弱。
文章对比了DeepSeek v4.1 Flash与GPT 6 Luna的编程能力：GPT 6 Luna基准得分较前代下降2分，而DeepSeek v4.1 Flash仅用少量激活参数便在代码任务上大幅反超，提醒用户编程大模型可能在不经意间变弱。
文章对比DeepSeek v4.1 Flash与GPT 6 Luna的编程能力：GPT 6 Luna基准得分较前代下降2分，而DeepSeek v4.1 Flash仅用少量激活参数便在代码任务上大幅反超，提醒用户编程大模型可能在升级中悄悄变弱。
文章对比了 DeepSeek v4.1 Flash 与 GPT 6 Luna 的编程能力：GPT 6 Luna 基准得分较前代下降 2 分，而 DeepSeek v4.1 Flash 仅用少量激活参数便在代码任务上大幅反超，提醒用户编程大模型可能在升级中悄悄变弱。
中秋假期，匿名模型Space Bunny登上OpenRouter调用日榜榜首。作者实测其编程能力，用Three.js构建交互式天坛、制作Mac闹钟和字幕App，多数任务首轮完成，细节丰富、速度快，仅偶有小bug；多模态视频识别也表现良好。网友猜测其来自OpenAI、Grok或国内厂商，好评居多，或定位高速经济型模型。
Meta发布AI模型Muse Spark 1.3，编程能力超越GPT-5.6 Sol，价格低21倍。其“贡献者版”以数据换低价，引发隐私争议。模型在基准测试中登顶，但最强模式未上线，且训练数据来源不明。Meta五个月更新四版，急于证明实力，但开源承诺成疑，开发者成测试对象。
智谱开源发布GLM-5.3-Flash模型，采用MoE架构，总参数320B但激活仅18B，提升响应速度并降低成本。该模型在编程和智能体能力上接近Claude Opus 4.8，支持1M上下文，引入混合注意力机制。此前以ox-alpha代号在OpenRouter测试，现以MIT许可证开放下载。
Qwen 3.8 27B在编程任务中表现惊艳，能一次修复多个bug，并仅凭需求描述自主分析代码关系。尽管思考时间较长，但结果出色，优化速度后可作为主力编程模型，全离线AI编程能力强大。
GLM-5.3发布，基座未变但后训练大幅提升编程能力，代码干净、长任务执行强，Token效率高。但存在死循环耗资源、通用智能弱、无原生视觉等短板。定位为需人类明确指令的强力执行者，适合已理解的任务，不适合探索性工作。
智谱AI发布GLM-5.3，基座与5.2相同，仅靠后训练将编程分数提升六倍，并意外涌现网络安全能力，引发刷榜争议。模型效率高，成本低于闭源对手，但真实水平待开源验证，闭源巨头实力成谜。
阿里巴巴发布新一代基座大模型Qwen3.8，总参数2.4万亿，编程和办公能力大幅提升，在权威榜单中位列全球第一梯队。API已上线，国内价格优惠，国际价格低于竞品。模型支持视觉理解，上下文1M Tokens，在多项评测中创佳绩，能自主完成编程项目和专业任务，展现系统级规划与自适应学习能力。
Kimi K3上线48小时因用户过多导致算力告急，暂停C端新会员订阅。该模型为全球首个开源3万亿参数模型，编程能力领先，引发开发者创作热潮。官方将拆分普通与编程会员权益。市场反响热烈，日销售额增长6倍，公司估值超300亿美元，并筹备赴港IPO。
乔治·霍茨认为AI代理无法真正学会编程，因为它们只是统计模型，模仿而非理解编程过程。AI生成的代码虽然看似正确，但缺乏深思熟虑，导致质量下降，尤其影响大组织，底层员工难以识别错误。霍茨提倡使用世界模型以实现真正的编程能力。
Hy3大模型经过两个月的迭代后正式上线，显著提升了编程和办公能力。用户反馈推动其在3D网页生成、任务规划和多工具调用等方面取得进展。Hy3在各项基准测试中表现优异，接近国内外旗舰模型水平，能够处理复杂任务并生成多种格式文件，成为AI工作的新选择。
完成下面两步后，将自动完成登录并继续当前操作。
