minimax-m3和step-3.7-flash太阳系运行svg图对比
都是六月初新出的模型，价格也差不多，但明显感觉m3强太多了。
包括逻辑洗车题（洗车店离家20米，开车去还是走路去），m3能指出需求是洗车，step-3.7-flash坚持走路去
minimax-m3和step-3.7-flash太阳系运行svg图对比
更多动态
这几天一直在尝试用Pi coding agent替代Claude
code 不得感慨下，cc的plan模式做的真好呀，同样的提示词，cc计划模式下主上下文token消耗极低，全靠subagent便宜模型在收集信息。 在Pi试了下类似的main agent编排，subagent干活的逻辑，无论是自写计划skill，还是用第三方的（superpowers、GSD等）计划skill，都很难把主上下文token消耗控制在300k以下
OpenAI 给 Codex 加了个人主页，让你晒 AI 编码数据。
新出的 Codex Profiles 功能，展示你的编码热力图、连续使用天数、累计消耗 token 和单日峰值，还有最常用的功能（比如插件和 /fast 模式）。 Codex越来越有社交属性，产品化，Claude Code 目前没有类似功能，现在CLI 很难留住普通用户。
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
