AI 模型库：大模型、Agent 与开发工具
收录并解读主流 AI 模型、Agent 与开发工具的能力、场景与选型对比。
标签：AI编程
共 233 篇文章 · 清除标签
GPT-6.1 Sol – OpenAI 推出的新一代主力模型
GPT-6.1 Sol是OpenAI于2026年推出的新一代主力模型，作为GPT-6 Sol的升级版本，以GPT-6 Astra旗舰五分之一的Token价格实现接近后者的智能水平。该模型聚焦智能体编程、电脑操作和专业工作三类高消耗场景，在DeepSWE v1.1真实代码库工程任务上追平Astra，在OSWorld 2.0电脑操作评测中仅落后2.1个百分点，同时将缓存输入价格压至每百万Token仅0...
Claude Sonnet 5.5 – Anthropic 推出的最新 AI 模型
Claude Sonnet 5.5 是 Anthropic 推出的 Claude 5.5 系列第二款模型，距旗舰 Claude Opus 5.5 发布仅隔 6 天，是 Claude Sonnet 5 的全面升级版。该模型定位为 Opus 5.5 的互补与平替，专注于处理范围明确的日常任务，在 Terminal-Bench 4.0 上取得 70.6% 的成绩，多数基准逼近旗舰水平，擅长日常编程、修复...
M3.1-Flash-Preview 深度评测：MiniMax 面向日常开发场景的文本编程模型
M3.1-Flash-Preview 是 MiniMax 推出的最新文本编程模型，首发上线于 MiniMax Code 智能编程客户端。该模型面向日常开发场景设计，支持原生多模态输入和百万级上下文窗口，能够从 Bug 修复到完整功能开发形成"定位→实现→测试→交付"的完整闭环。M3.1-Flash-Preview 继承 M3 的 MoE 稀疏混合专家底座，提供 low 至 max 五档推理强度控制...
Kev – 开源的 Jev 风格决策模型家族，可自训练、自部署
Kev是由Cognition工程副总裁Jared Palmer开源发布的决策模型家族，基于Qwen3.5/Qwen3.8底座构建，提供0.8B至27B多档参数规模。与传统大语言模型不同，Kev不生成自然语言文本，而是接收状态文本与结构化问题，通过单次前向传播直接输出校准后的概率分布，支持是/否判定、选项路由和等级打分三类决策原语，API兼容TypeSafe System One。该项目的核心价值在...
Longcat-2.5-preview深度评测：美团新一代多模态长程Agent大模型
LongCat-2.5-Preview是美团最新推出的新一代大模型，在延续LongCat-2.0的1.6T总参数、约48B激活参数和1M token原生上下文基础上，首次将多模态能力直接融入基座本体，面向终端、浏览器、桌面软件等场景执行长流程Agent任务。该模型已接入官方API，同时兼容OpenAI和Anthropic双接口协议，支持最大128K tokens输出，并可被Codex、OpenCl...
DeepSeek Harness 桌面版评测：官方 GUI 客户端如何降低 Agent 使用门槛
DeepSeek Harness 桌面版是 DeepSeek 官方推出的图形化客户端，旨在为原本基于命令行的 DeepSeek Harness 框架提供可视化操作界面。用户登录 DeepSeek 账号或配置 API Key、选定本地工作区后，即可像使用普通桌面 AI 应用一样，以自然语言向 Agent 布置任务。该客户端支持标准、PTC、极简、创造四种工作模式，内置多 Agent 协作、语音输入、...
Kimu：trykimu 团队开源的 AI 视频编辑器深度评测
Kimu（官方名 Kimu Studio）是 trykimu 团队开源的一款 AI 视频编辑器，其核心理念在于用自然语言描述需求，由 AI 自动生成剪辑、时序和布局方案，从而显著降低视频创作的门槛。该工具在架构上融合了 React 前端框架、FastAPI 后端服务与 Remotion 声明式视频渲染引擎，支持无限轨道叠加、实时预览、快速导出、智能媒体库管理以及多人云端协作。产品采用 AGPL 类...
Step Code – 阶跃星辰开源的终端编程智能体深度评测
Step Code 是阶跃星辰推出的开源终端编程智能体，采用 MIT License 许可，允许开发者在终端环境中直接完成代码编写、调试、执行与交付的完整工作流。该智能体在 Terminal Bench 2.1 评测中以 80.9% 的通过率并列第一，且 Token 消耗为并列者中最低；在自建 Multi-Frame 长程基准中同样排名第一。Step Code 内置 StepPage 一键发布静态...
Claude Opus 5.5 深度评测：Anthropic 旗舰模型的编程效率与安全范式革新
Claude Opus 5.5是Anthropic于2026年6月推出的Claude 5.5系列首款旗舰模型，定位为面向企业级智能体编程、复杂知识工作与自动化业务流的高端AI模型。该模型在Terminal-Bench 4.0编程基准上取得66.4%的成绩，在GDPval-AA v2.1知识工作基准上达到1846 Elo，双双领先OpenAI同期旗舰GPT-6 Astra。除性能提升外，Opus 5...
GPT-6 Sol 深度评测：OpenAI 中高端大模型的性价比革新
GPT-6 Sol 是 OpenAI 推出的中高端大模型，源自 GPT-6 Astra 底座，将 Astra 的推理、编程、事实性与 Agent 能力下放至更低价层级。模型 API 定价为输入 2 美元、输出 10 美元每百万 token，较上一代降价 50%。模型 Agent 与编程表现接近 Claude Fable 5.1，单任务成本仅为其约十分之一，主打"单位智能成本"优势。