Google 推出 Gemini 4 Hydrogen，這是一款為日常程式編寫與代理工作流程中的快速執行而打造的模型，並在全球範圍內透過 Gemini API、AI Studio、Gemini for business、Gemini 應用程式、Google 搜尋與 Google Antigravity 陸續推出。
推薦理由：Google 的 Gemini 4 Hydrogen 定位為一款用於日常程式編寫與代理工作的快速執行模型，在 100 萬詞元上下文視窗中，每百萬詞元定價固定為 $1.50/$7.50，並搭配一款可在 Gemini 4 各模型之間切換的新 Orchestrator。
安全公司 Claroc 發現，SpaceXSI 的 vibe-coding 代理 Grok Build 透過可分享的應用程式連結，洩露數千名用戶的專有商業資訊及其他敏感機密。儘管 Grok 將 URL 隨機化，只有持有確切連結的人才能存取資料，但一項設計決策讓人得以列舉數千個進行中的專案，而點擊這些連結通常會揭露所有相關資料。外洩的資料包括內部商業計畫、廣告提案、體檢結果、郵輪廚房檢查清單，以及員工姓名與身分證號碼，其中部分來自 SpaceXSI 自行建置的 24 個應用程式，包括一份機密入職計畫、一份涵蓋 594 個客戶的銷售區域圖，以及銷售工具的內部系統位址。
推薦理由：安全公司 Claroc 的發現顯示，Grok Build 分享功能中的一項 URL 設計選擇，如何暴露數千個進行中的專案，包括 SpaceXSI 自身的內部文件。
Google DeepMind 向開發者、企業、科學家與消費者開放 Gemini 4 Carbon，將其定位在 Gemini 4 Argon 之上，適用於需要更深層推理與更多 token 的任務。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 與 Zapier 的 AutomationBench 上排名第一，每項任務成本比次佳的外部模型低 2 倍以上，定價為每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，與 Argon 的 introductory 價格相同。Google 也預覽了 Google Antigravity 中的 /swarm，能將單一提示詞轉化為一支協同運作的代理團隊，並回報 Carbon 在模擬網路攻擊測試中攔截了 99% 的攻擊軌跡。
推薦理由：Google 的發布說明詳細介紹了 Gemini 4 Carbon 如何以更高的 token 用量換取更深層的推理，在 CursorBench 4.0、WANDR 與 AutomationBench 上排名第一，每項任務成本不到次佳外部模型的一半。
Anthropic 發布 Claude Fable 5.2 與 Claude Mythos 5.2，在多數獨立排行榜上名列前茅，包括 Artificial Analysis Intelligence Index v5 的 65 分與 SemiAnalysis GDPx 的 16.4%。價格下調 20% 至每 100 萬輸入/輸出 token 8 美元/40 美元，但 SemiAnalysis 報告指出，每項 GDPx 任務的成本從 67.16 美元升至 88.15 美元，因為該模型會撰寫數百到數千個測試案例，並啟動子代理來檢查其工作。多項評估顯示，max effort 等級的表現不如 high，且 Fable 每週訂閱上限被限制在 50%。
推薦理由：Anthropic 發布 Fable 5.2 與 Mythos 5.2，每 token 價格下調 20%，但獨立評估顯示每項任務成本更高，且 max-effort 設定的表現不如 high。
Anthropic 發布 Claude Fable 5.2，這是一款為最艱鉅的技術挑戰與雄心勃勃的開放式專案所設計的模型，在程式編寫、推理與視覺方面均有改進。該公司建議大多數程式編寫與知識任務先從 Opus 5.5 著手；Fable 5.2 即日起於 Pro、Max、Team 與 Enterprise 方案提供。
推薦理由：Claude Fable 5.2 鎖定雄心勃勃的開放式技術工作，並宣稱在程式編寫、推理與視覺方面有所提升，而 Opus 5.5 仍是大多數程式編寫與知識任務的建議預設選項。
Meta 發布 Muse Ember，這是其最小、最高效的模型，瞄準代理整日從事的重複性工作，例如工具呼叫、程式編寫子任務、路由、擷取與長文件解析。Meta 表示，它在約三分之一的成本下達到 Claude Haiku 5.5 的最佳分數，並勝過所有 GPT-6 Luna 設定，每百萬輸入 token 為 0.10 美元、每百萬輸出 token 為 0.50 美元。它隨附 100 萬 token 的上下文視窗、最高 512K 輸出 token、原生文字、圖像、音訊與影片輸入，即日起在 Muse Code 與 Meta Model API 上以 muse-ember-1.0 提供。
推薦理由：Meta 最小的模型瞄準高頻的代理步驟，而其與 Claude Haiku 5.5 及 GPT-6 Luna 的每任務成本比較，說明了效率主張的來源。
Every 報導，Anthropic 最新模型 Fable 5.2 讓 Kieran Klaassen 打造出一款結合 Adobe Premiere、After Effects 與 Ableton 風格功能的影片剪輯器，並由 AI 代理運行，Everycut 在他開始後三天就上線。該評論指出，Fable 5.2 能承接整個產品，持續建置、測試與精進，直到可日常使用；這與 Opus 5.5 不同，後者會讓使用者不斷檢查其成果，也不同於 Fable 5 與 5.1，它們會花數小時或數天執行大型任務。Every 稱這是它測試過的第一個模型，讓專業人士無需閱讀底層程式碼就能打造生產級工具。
推薦理由：Every 對 Fable 5.2 的實測說明，展示單一模型在極少引導下能把產品建置推進到什麼程度，並與 Opus 5.5 及 Fable 5/5.1 作出具體比較。
參照。代理在 6% 的遭遇中依據該錯誤 ID 採取行動，其中 83% 的行動並非開發者所提示；41% 的非提示性繞道追逐已關閉的工單，而 57% 則觸及仍開啟的錯誤並擴大了範圍。在控制開發者、程式碼庫複雜度、任務類型、模型層級及其他因素後，非提示性錯誤繞道使每個工作階段多出 70% 的步驟、77% 的 token 及 105% 的等待時間。
推薦理由：Google 的大規模追蹤分析顯示，過時的 TODO 錯誤參照會使編碼代理陷入非提示性繞道，而其清理代理已移除數千個過時參照，審查者接受率超過 95%。
Thinking Machines 發布了 Inkling 2 Small，這是一款專有推理模型，在 Artificial Analysis Intelligence Index v5.0.1 上得分 31，比 Inkling Small 高 18 分，並計劃在日後某個未確認的日期以 Apache 2.0 授權釋出權重。這款 594B 參數的模型（17B 活躍參數）率先透過 Tinker 和 Tinker Playground 提供，價格為每 100 萬輸入/輸出 token 0.30/1.00 美元，它在編碼與幻覺基準測試上與 Gemini 3.8 Flash（high）持平，但落後於 Claude Sonnet 5.5。它在每個 Intelligence Index 任務上平均輸出約 150K token，約為 Inkling Small 的 4 倍，每項任務成本為 1.18 美元，而後者為 0.20 美元。
推薦理由：Artificial Analysis 的獨立基準測試顯示了 Inkling 2 Small 在哪些方面優於其前代，以及在哪些方面仍落後於 Gemini 3.8 Flash 和 Claude Sonnet 5.5。
Mistral AI 釋出了 Mistral Large 4（Le Chonk）的開放權重，這是一個 1 兆參數的原生多模態模型，於本月稍早進入公開預覽，並在歐洲從零開始訓練。該公司表示，額外三週的強化學習將其推升至開放權重編碼的頂端，在 Terminal-Bench 4.0 上達到 41%，在 Artificial Analysis Coding Agent Index 上達到 48%，同時每項任務使用的 token 比 GLM-5.3 少 47%。它新增了低、中、高三種推理模式，在 Artificial Analysis Cyber Index 上得分 51%，並在修改版 MIT 授權下，定價為每百萬 token 輸入 $0.70、快取輸入 $0.07、輸出 $2.10。
推薦理由：Mistral 開放其 1 兆參數旗艦模型的權重，將編碼與防禦性安全基準的進展，與三種推理模式和按 token 計價結合在一起。
Google DeepMind 發表 Gemini 4 Carbon，這是其迄今最強的模型，具備最先進的網路安全與長程能力，在 v5.0 Artificial Analysis Intelligence Index 上以 59 分排名第一。它在 SEC-bench Pro 上以 88.2% 的成績尋找漏洞，在 ExploitGym 上以 54.8% 的成績進行漏洞利用，在 CWE-bench 上以 71.0% 的成績進行修補，並在 WebDev Arena 上達到第 4 名（1768 分）。Carbon 以與 Argon 相同的首發價格推出，每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，並先透過 Fairwind Program 提供給部分網路防禦人員使用，之後再更廣泛發布。
推薦理由：Gemini 4 Carbon 在漏洞發現與修補方面的基準測試結果，顯示前沿模型正如何被定位於網路安全防禦工作。
Google 的 Gemini 4 Carbon 在 Artificial Analysis Coding Agent Index 上排名第五，得分 5（滿分 62），並在 9 項 Index 評估中的 4 項領先，包括 HLE-Diamond 和 Terminal-Bench-Science。1 從 4% 升至 11%；該模型正逐步向部分使用者推出，尚未公開發布。
推薦理由：Gemini 4 Carbon 以 59 分登上 Artificial Analysis Intelligence Index v5 榜首，在 Coding Agent Index 上落後 Claude Opus 5.5 三分，並附有每項任務成本與幻覺數據供比較。
Replit 為既有儲存庫推出 Cloud Agents，讓團隊中任何人都能用自然語言描述變更，並由代理在 GitHub 或 GitLab 開啟經過測試的提取請求，所有 Pro 與 Enterprise 客戶皆可使用。代理會在隔離的雲端沙箱中執行每項變更、點擊操作運行中的應用程式，並將截圖與影片附加到 PR，而共享環境則為每位貢獻者提供預先配置的設定，並從主分支更新。Replit 同時推出早期存取的自我改進工作區記憶，可將審查意見轉化為由工程師核准的團隊技能，以及一項 Slack 整合，讓使用者在討論串中提及 @Replit 即可發起變更。
推薦理由：Replit 把 Cloud Agents 接入企業既有程式碼庫，讓非工程人員以帶測試影片的 PR 形式提交改動，展示了 AI 編碼工具向團隊協作流程延伸的一種路徑。
MiniMax 正式推出 MiniMax M3.1 Flash，這是一款新一代 Flash 模型，該公司稱其使用成本較前代降低 70%，線上推理速度提升近三倍。該公司報告其在 DeepSWE v1.1 上達到 73.7%，在 BankerToolBench 上為 76.2，在 OSWorld V2 上為 61.7，在 Agents' Last Exam 上為 29.6，在 CyberGym 上為 82%，輸出速度達 200+ TPS，中位數為 170+ TPS。定價為每 100 萬輸入 token 0.15 美元、每 100 萬輸出 token 0.60 美元、每 100 萬快取輸入 token 0.015 美元，該模型可透過 MiniMax API、M Plan 和 MiniMax Code 使用，權重將於稍後發布。
推薦理由：MiniMax 的 Flash 模型聲稱以每 100 萬輸入 token 0.15 美元的價格提供頂級的代理與編碼分數，為代理工作負載的成本面提供了具體的數據點。
Claude Code 團隊描述其分層的程式碼審查流程，其中大部分閱讀由機器完成，人類注意力則保留給基於風險的核准。從六月到九月，合併至 Claude Code 程式碼庫的拉取請求增加了一倍以上，而必須回退的比例下降了超過 40%。該流程在 PR 之前堆疊驗證、必要的 CI、Claude 審查、安全審查、風險分級的人工核准，以及帶有旗標和快速回滾的合併佇列，團隊並將過去的事件轉化為審查者的每日評估集。
推薦理由：Anthropic 的 Claude Code 團隊詳細說明了他們如何將大部分程式碼閱讀移至自動化層，同時合併的 PR 翻倍且回退下降超過 40%，為代理密集的團隊提供了一個可轉移的審查模型。
Meta 發布了 Muse Spark Open 的權重，這是一個原生多模態的開放權重模型，總參數 816B（活躍參數 42B），上下文視窗達 1M token，定位於程式編寫與代理式工作。它是同類模型中首個能在桌面上運行的模型，使用兩台 Apple M5 Ultra Mac Studio 搭配 MLX 框架；並可透過 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 與 Together AI 等 API 合作夥伴取得，權重則發布於 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 與 Microsoft Foundry Models。Meta 表示，該模型隨附 SGLang 中可自動調校的 Helion GPU 核心，在 NVIDIA 與 AMD GPU 上帶來 1.03–3.95 倍的核心層級加速，在 AMD MI350 上則有 3% 的端到端加速。
推薦理由：Meta 發布了一個 816B 參數多模態模型的開放權重，該模型可在兩台 Mac Studio 上運行，為開發者提供了針對長時程程式編寫與代理式任務的本地選項。
Meta 釋出了 Muse Spark Open 的權重，Modal 現在透過其 Auto Endpoints 以按 token 計費的方式提供該模型。該模型針對代理式編碼與長程任務，具備原生多模態理解、100 萬 token 上下文視窗、多步驟規劃、依序工具使用與失敗復原能力。Meta 回報，搭配 Terminus 2 代理在 Terminal-Bench 2.1 上得分 76.4，並在其偏好的測試框架下以 xhigh 推理強度在 DeepSWE 1.1 上得分 60。
推薦理由：Meta 的開放權重模型 Muse Spark Open 現已在 Modal 上提供，讓團隊能以按 token 計費的方式試用一款具備 100 萬 token 上下文視窗的代理式編碼模型。
Meta 推出 Muse Wonder 系列，包含 Muse Wonder 與 Muse Wonder Full，並稱其在個人與專業代理任務、記憶與程式設計方面達到最先進的效能。Muse Wonder 即日起可透過 Meta Model API 與 Muse Code 使用，Muse Wonder Full 即日起開放給 Muse Code 訂閱者使用。這些模型結合了 Active Memory（可跨對話保留上下文並擷取任務相關細節）與 Active Focus（可持續推進長期目標，並在重要動作前進行確認）；Meta 表示兩者皆在其千兆瓦規模的 Prometheus 資料中心訓練而成。
推薦理由：Meta 的 Muse Wonder 系列宣稱在代理、記憶與程式設計基準測試上取得最先進的結果，並以 Active Memory 與 Active Focus 作為其建構的兩大核心能力。
Mistral 已推出 Mistral Large 4 的公開預覽版，這是一個 1 兆參數的原生多模態模型，擁有 520 億活躍參數，現已可透過 Mistral Studio API 使用。Mistral 表示，該模型可與最強的開源模型競爭，並優於美國和歐洲的其他開放權重模型，在 Artificial Analysis Cyber Index 的漏洞重現與修補測試中得分 82%，在其綜合 Coding Agent Index 中得分 49.8%。權重將於本月月底釋出，此前已與網路安全合作夥伴和主管機關進行紅隊測試；Mistral 表示，該模型是在其歐洲自有資料中心內、以 3,800 顆 NVIDIA Grace Blackwell GPU 從頭訓練而成。
推薦理由：Mistral 迄今最大的模型宣稱在網路安全和代理式程式設計方面取得開放權重領先地位，並承諾於月底釋出權重。
Factory 已將 Automations 正式推出，讓團隊能描述重複性的工作流程，並由 Droid 依排程或事件觸發執行。每個自動化結合了觸發條件（排程、Slack、GitHub 或 webhook）、指令、使用者選擇的模型與推理等級，以及可為本機、已連線或由 Factory 管理的 Droid Computer 的機器。Factory 表示，過去 30 天內有 52% 的企業使用者執行自動化程式碼審查，48% 使用安全性審查，35% 使用 AutoWiki，且自動化工作階段數量較前 30 天成長 51%。
推薦理由：Factory 將 Automations 正式推出，顯示企業實際上把哪些重複性工程工作流程交給 Droid，以及模型與機器選擇如何依任務運作。