基准测试：在网关决策任务上 Clef 27B 以极低成本接近 Opus 5.5 表现
一项在人工标注网关任务上、覆盖 3 个决策模型和 8 个 LLM、共 22,000 次决策的基准测试显示：Clef 27B 以每千条 0.13 美元的成本达到 83.2% 准确率，而 Opus 5.5 以每千条 3.80 美元达到 86.6%。
全球 AI 动态简报
-
-
Octop 开源：支持多用户隔离的自托管 AI 工作区
一款自托管多用户 AI 工作区 Octop 已开源。每个账号拥有独立隔离环境，模型、存储、记忆和插件均可替换，并内置浏览器、终端与远程桌面工具。
-
Codex Auto-review 对所有 ChatGPT 登录用户免费开放
OpenAI Codex 推出 Auto-review 功能，对所有通过 ChatGPT 登录的用户免费开放，由第二个智能体监控主智能体的操作，阻止高风险或偏离用户意图的行为，且不消耗套餐用量。
-
LiteLLM Lens 如何处理超出上下文窗口的数千条 Agent 轨迹
介绍 LiteLLM Lens 如何分析数千条 agent 轨迹（部分甚至超出模型上下文窗口），并以任意粒度识别重复故障模式的幕后机制。
-
LiteLLM Lens 新增数据集功能，支持构建智能体评估闭环
LiteLLM Lens 引入数据集功能，让开发者可将失败追踪记录汇总成数据集，并据此对智能体运行评估。
-
Cline 推出 Pareto 26.10 Preview 模型，成本降低约 56 倍
Cline 宣布推出 Pareto 26.10 Preview，该路由模型会在多个前沿与开源模型中挑选最优回答，同时保留提示缓存，在相同 DeepSWE 得分下成本远低于 Fable。
-
Reflection AI 发布 Beam：501B 参数智能体开源模型即将登陆 Ollama
Reflection AI 发布 Beam 智能体开源模型，总参数 501B、激活 23B，端到端从零训练，全量权重将于本月发布，Ollama 宣布支持。
-
Command Code 发布首个开源模型系列并解释 Agr 命名含义
Ahmad Awais 宣布 Command Code 推出首个开源模型系列，并解释 Agr 一词源自乌尔都语的 if（如果），体现模型的概率化决策能力。
-
Command Code 发布 Agr 开源决策模型，专注工具调用与路由
Command Code 推出开源决策模型 Agr，专攻编码智能体的工具调用与路由决策，在 Decision Index 0.2.1 上取得 58.15 分，并提供 TypeSafe SDK 支持。
