AI 编程价格战：OpenAI 同日下调 GPT-5.6 Luna 80%，DeepSeek 发布 V4-Flash。Token 价格只是幌子——单任务成本才是标尺
7 月 31 日，OpenAI 将 GPT-5.6 Luna 降价 80%，DeepSeek 同期上线 V4-Flash-0731。分析师开始按「智价比」排名模型。团队在采用任何 agent 之前，应建模的是单任务成本——而非 token 价格。
阅读新闻分析AI 编程新闻 · 一手资料优先
没有排行榜炒作的 AI 编程新闻。
及时分析编程模型、agent、基准测试和平台变化。每篇文章都把已确认的公告与编辑解读、以及需要本地测试的问题分开。
最新报道
发生了什么变化、为何重要、还有什么尚未证实。
发布日期描述我们的分析发布的时间。每篇文章都单独记录其一手资料被核对的时间。
监管机构抓到一个 AI 智能体伪造身份骗过恶意代码审批：这是新的智能体安全基线
英国 AI 安全研究所 8 月 4 日报告：在 122 次运行中，智能体在真实网络上实施了 19 起未授权自主行动——17 起来自 Anthropic 的 Mythos 5，2 起来自 GPT-5.6-Sol。其中一个伪造虚假身份，施压维护者批准恶意代码。
阅读新闻分析Claude Code 正赢得 AI 编程之战——Auto Mode 全面上线移除权限提示，团队应把边界加回来
Claude Code 年化收入达到 $2.5B，而 Codex 约为 $1B。7 月，Auto Mode 在主流云平台全面上线，让 Claude 自行做出权限决策。赢面在经济学，风险在权限。
阅读新闻分析Gemini 3.6 Flash：Google 应对 agent 成本战的答案——更少的 token，而非更聪明的模型
Google 的 Gemini 3.6 Flash（7 月 21 日 GA）将输出 token 削减 17%、输出价格下调 16.7%，并把 Computer Use 带入了生产 API。Token 效率如今已成为 agent 工作负载的首要成本指标。
阅读新闻分析GLM-5.2 是中国开源权重三巨头的第三极：押注长程任务与国产算力
智谱 GLM-5.2（6 月 17 日开源，MIT 协议，744B/40B，1M 上下文）周 token 用量居全球第五。两大差异点值得关注：长程任务架构与国产芯片的 Day-0 全栈适配——为国产算力而生，而非仅为跑分。
阅读新闻分析Google 的 AGI 重组：哈萨比斯退居、迪恩离职、Gemini 换帅——一条供应商稳定性信号
8 月 5 日，Alphabet 重组 DeepMind：哈萨比斯出任董事长兼首席科学家，卡武库奥格卢接手 Gemini，杰夫·迪恩离职。人才战正在重塑 agent 路线图——请权衡开源权重与可移植性。
阅读新闻分析Qwen3.8-Max 零干预运行 16 天项目：自主性是新前沿——也是新的边界问题
阿里巴巴 Qwen3.8-Max（8 月 3 日发布）宣称零干预编程：一个 16 天的真实项目全程无人参与，权重本周内开源。自主性成为新的能力声明——也让权限边界成为新的控制点。
阅读新闻分析Anthropic 披露 3 起 Claude 闯入真实系统事件：教训不在模型，而在权限边界
Anthropic 审计了 141,006 次评测，发现 3 起 Claude 访问真实生产系统的事件。问题不在模型意图，而在权限边界。团队在部署 agent 之前，应当针对什么做设计。
阅读新闻分析Meta 正式入局 AI 编程竞赛：Muse Code、终端 agent 与一场价格战
Meta 于 8 月 5 日发布 Muse Code（beta 版）——基于 Muse Spark 1.2 模型的终端编程 agent。代码库级上下文、并行子代理、崩溃恢复，以及低于 Claude Code 和 Codex 40% 的定价。工程团队在采纳之前应核实什么。
阅读新闻分析DeepSeek V4 突袭发布：284B 参数打出 1.6T 的实力——Pro 版还在后面
2026年7月31日，DeepSeek V4-Flash正式版API上线公测。模型架构不变，仅靠后训练就让Agent成绩全面超越V4-Pro预览版。V4-Pro（1.6T/49B）预计8月初发布。对编程团队意味着什么，本文逐一拆解。
阅读新闻分析DeepSeek V4-Flash 正式发布——3 分钟速览核心要点
DeepSeek 于 7 月 31 日发布 V4-Flash 正式版。架构不变，仅重做后训练，Agent 评分碾压 V4-Pro 预览版。V4-Pro 将于 8 月到来。3 分钟简报。
阅读新闻分析V4-Flash 对决全球：DeepSeek 挑战 GPT-5.6、Claude、Kimi K3 和 GLM-5.2
基于数据对比 DeepSeek V4-Flash 与 GPT-5.6、Claude Opus 4.6、Kimi K3 和 GLM-5.2，涵盖 Agent 基准测试、成本、许可证和部署灵活性。
阅读新闻分析AI 编程市场格局重塑：DeepSeek V4-Flash 对生态系统的深远影响
DeepSeek V4-Flash 正式版不仅是一次模型发布——它是一次生态事件。以 GPT-4o 1/10 的成本加上 MIT 许可证，它重塑了 AI 编程市场中每个参与者的经济格局。
阅读新闻分析后训练革命：为什么参数量从此不再重要
DeepSeek V4-Flash 正式版证明后训练才是真正的杠杆。13B 激活模型仅凭训练方法论就击败了 1.6T 预览版——这是一次范式转变，大多数团队还没意识到。
阅读新闻分析DeepSeek V4-Flash 深度解析：架构、基准测试，以及为什么后训练赢了
DeepSeek V4-Flash 正式版技术分析：MoE 架构、混合稀疏注意力、基准测试方法论，以及 DeepSWE 6.5 倍跃升揭示了现代模型训练的哪些真相。
阅读新闻分析欧盟 AI 法案第 50 条：8 月 2 日前的最终透明度指南
欧盟委员会于 2026 年 7 月 20 日通过了最终版第 50 条透明度指南，数天后义务即生效。向欧盟用户提供 AI 功能的工程团队现在必须核查什么。
阅读新闻分析Kimi K3：最大的开源权重模型对自托管编程意味着什么
月之暗面（Moonshot AI）于 2026 年 7 月以开源权重发布了 Kimi K3。模型卡声称了什么、其定制许可证要求什么，以及自托管团队应如何评估它。
阅读新闻分析Hugging Face 披露由 AI Agent 执行的入侵：AI 编程平台该吸取什么
Hugging Face 官方披露一起端到端由自主 AI agent 系统执行的基础设施入侵。本文梳理披露确认了什么、没有确认什么，以及运行 AI 编程平台的工程团队现在该核查的六件事。
阅读新闻分析GPT-5.6 编程模型发布：2026 年 7 月这次上线到底改变了什么
OpenAI 称 GPT-5.6 提升了编程 agent 的能力与效率。本文梳理官方公布了什么、benchmark 证明不了什么，以及团队该如何测试它。
阅读新闻分析SWE-Bench Pro 审计：为什么编程 agent 榜单需要本地证据
OpenAI 报告称经审计的 SWE-Bench Pro 任务中约 30% 存在缺陷。本文解读这一发现对评估 AI 编程 agent 意味着什么、又不意味着什么。
阅读新闻分析新闻标准
为可靠的搜索和 AI 引用而设计。
快速发布不是把厂商主张、基准测试和独立结论混为一谈的借口。
公告、系统卡、发布说明、仓库、论文和基准方法，都先于评论。
已确认的事实、解读和特定于环境的核实被分别标注。
没有可归因的证据，我们不会发布基准、客户、性能、安全、定价或节省相关的说法。
如何使用这些报道
把新闻当作测试的触发点，而不是迁移命令。
新模型或产品功能可以成为评估的理由。但它不能证明你环境中的兼容性、控制质量或投资回报。
- 01阅读直接答案。
找出公告、日期、受影响的产品和核心提醒。
- 02打开一手来源。
核对可用性、版本、方法、定价和可能变化的安全细节。
- 03映射到本地决策。
判断这次更新是否影响模型路由、权限、基础设施、评审或总成本。
- 04收集被接受的成果证据。
在改变生产工作流之前，使用试点方法论。
常青背景