科技简报 | 2026年10月02日

今天的信号有点集中。

一边是 Qwen-Image-2.1、MiMo-V2.6 这类中国团队的模型在公开榜单上继续往前挤。另一边，开发者工具开始把注意力从「模型够不够强」挪到「一件任务到底花多少钱」。Agent 真正进入工程现场后，账单不会因为模型聪明就自动消失。

这份简报挑了 7 件值得看一眼的事。

Qwen-Image-2.1 在两张图像榜单拿到开源权重第一

Artificial Analysis 的本地部署评测显示，阿里在 9 月以开源权重发布的 Qwen-Image-2.1，在 AA-Image-T2I v2.0 与 AA-Image-Editing v2.0 两个榜单均排在开源权重模型第一。

图像模型的竞争已经不只是「生成得像不像」。编辑能力、文字渲染、局部控制和可复现工作流，才是团队把模型放进设计链路时绕不过去的东西。开源权重能把这些能力留在自己的基础设施里，这个吸引力很实际。

来源，Artificial Analysis

小米 MiMo-V2.6 两个版本进入 Agent Arena

小米 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 已进入 Agent Arena。平台披露，Pro 在超过 8.1K 条真实 Agent 会话中净提升 3.17%，位列开源模型第五，Flash 位列第九。

一个 Pro，一个 Flash，这个组合很像真实工程里的分层配给。难题交给更强模型，批量和低风险任务交给快模型。模型不再只是单点能力竞赛，能否进入路由策略，才决定它有没有机会被大规模使用。

来源，Arena

选模型不该只盯榜首，成本正在变成第一等指标

Artificial Analysis 的 Coding Agent Index 里，Claude Sonnet 5.5 max 以 68 分居首，但单任务成本达到 14.19 美元。与此同时，GPT-6.1 Sol 的 Cost per Task 约为 0.72 美元，比 GPT-6 Sol 低约 30%。

这组数据不需要硬拗出一个冠军结论。对大多数团队来说，关键不是把所有任务交给第一名，而是先定义能接受的质量线，再用自己的任务集去跑价格和成功率。

LangChain 在 Open SWE 做过一次很具体的 A/B 测试。973 个线程里，中位成本从 2.61 美元降到 0.94 美元，下降 64%，PR 合并率从 27.3% 到 29.2%，没有测出质量下降。

这才是模型路由该有的样子。不是给成本表贴一层智能标签，而是拿业务结果说话。

来源，Artificial Analysis Coding Agent Index、Artificial Analysis 成本数据、LangChain

Claude Code 的 mods，把定制入口开给了 TypeScript

Claude Code 推出 mods，允许开发者用 TypeScript 改模型行为、定制 UI，甚至替换部分内置功能。官方教程提到，mods 以插件里的 hooks 形式运行，可以观察、改写或拒绝事件，还能绘制自定义界面。

这不是又多了一个配置项。对有固定研发流程的团队，真正有价值的是把散在提示词、脚本和人工习惯里的规则，收敛到可分发、可审查的插件里。

当然，扩展点越多，治理就越麻烦。谁能安装插件，插件能读取什么，升级时会不会悄悄改变行为，都得提前设边界。这个事儿我也踩过坑，自动化一旦不可见，排查成本会突然变得很高。

来源，Claude Devs、Anthropic 开发者博客

ChatGPT 可以直接部署 MCP 服务器了

据 Tibo 的消息，ChatGPT Sites 已可托管 MCP 服务器。用户能在 ChatGPT 内构建并部署 MCP 服务，转成插件后安装到 Web、移动端和桌面端，也可以限制给指定人员使用或公开分享。

MCP 正在从「开发者自己接本地工具」走向「产品把能力封装后直接交付」。这会让原型做得更快，但也会让权限、数据边界和服务稳定性更早暴露在产品层。

别急着把它当成万能集成方案。一个能被模型调用的接口，也是一条需要被审计的执行通道。

来源，Tibo

Agent 的运行时正在变成一台完整机器

Modal 正式发布 VM Sandboxes，给 Agent 提供带 Docker、FUSE 和内核能力的完整 Linux VM。它还发布了 Clusters，通过 @modal.clustered 配置多节点 GPU 集群，节点间可用 InfiniBand verbs 通信，带宽可达 6.4 Tbps。

前几年的 Agent 演示，大多停在「调用几个 API」。现在的工程需求更像一个小型运行时，代码在哪跑，文件怎么隔离，依赖能不能装，GPU 怎么连，失败后怎么清理。

Agent 能做的事变多了，运行环境也不能继续假装自己只是一个聊天窗口。

来源，Modal VM Sandboxes、Modal Clusters