AI 模型速递|14 条:Cline 白嫖五模型,MiniMax 放权重,编程榜价差 29 倍

今天编程 Agent 榜第一的组合，跑一个任务要 11.42 美元。性价比曲线最左边那档只要 0.39 美元，价差 29 倍，分数只差 14.4 分。MiniMax 今天把 M3.1 Flash 的 428B 权重放了。但它不是 MIT，也不是 Apache，商用要挂「Built with MiniMax M3.1-Flash」，还得发邮件报备。今天最大的一口白嫖在 Cline。五个开源权重模型免费用，最大 501B。官方未公布截止。

今天先别往下刷。先把这三件办了。

1. 装 Cline（npm i -g cline 或桌面版），登录 Cline 账号，Provider 选 Cline，挑带 FREE 标的 Reflection Beam 跑一遍你手头的仓库。官方未公布截止，每个模型每天有额度，只在 IDE 插件和 CLI 里能用，Cline API 不行。

2. 想自部署 MiniMax M3.1 Flash 的，先读 LICENSE 再拉权重。做商用的先发报备邮件，年营收过 2000 万美元的要单独拿授权。

3. 团队在用 Claude App 的，下周起默认 auto mode，管理员这周先定好要不要切回手动。用 Claude Code 沙箱的，升到 v2.1.309。

事情是这样的。

我今天下午把今天的 14 条摊开，越看越觉得，今天的主角不是哪个模型。

是 harness。

AA 的编程 Agent 榜把模型和外壳绑在一起打分。Cline 白送五个开源模型，评论区第一反应是，模型免费了，接下来拼外壳。Claude 改 auto mode 默认，Codex CLI 加 /presets，Claude Code 修沙箱洞，全在外壳上下功夫。

权重越来越像自来水。水管才开始值钱。

今天 14 条，四块。白嫖和权重先砍，榜单第二，要不要改码第三，研究最后。

· · ·

白嫖与开源权重

1. Cline 上架五个免费开源模型，最大 501B，官方未公布截止

人话结论。今天就能白嫖的最大一口。登录 Cline 账号就能用。官方未公布截止，文档写的是「轮换、限时」，每个模型每天有额度，用完可以转 ClinePass（9.99 美元/月）或者按量付费。

北京时间 10-23 03:48，Cline 官方号发帖。新增的免费模型五个。

Reflection Beam（501B）。Nemotron 3.5 Super VL（120B）。Poolside Laguna S 2.1（118B）。Nemotron 3.5 Lightning（32B）。Solar Mini 4（35B）。

配图是一张 Terminal-Bench 2.1 柱状图，紫色是 Cline 里的免费模型。Reflection Beam 80.1，Sonnet 5 是 80.4，只差 0.3。Laguna S 2.1 是 70.2，Nemotron Super VL 是 66.7。注意图上写着 lab-reported，是各家自报分，不是第三方复测。

入口。IDE 插件里 API Provider 选 Cline，找 FREE 标。CLI 敲 /settings 选 Cline。ClinePass 用户推广期也能用。

两个坑我先替你踩了。Cline 文档写明，免费用量不支持 Cline API，只能在 IDE 插件和 CLI 里用。还有一句，免费用量可能被用来改进模型。公司私有仓库，自己掂量。

评论区有两条我觉得值得抄下来。有人说，模型一旦免费，剩下能比的就是 harness，据他引的 Cline 数据，同一个 120B Nemotron，在 Cline 里 61.8%，在另外三个开源外壳里最低的只有 44.9%。另一条中文的，「权重成了自来水，工具链才是水管」。也有人追问免费期结束后，32B 和 35B 这两个笔记本能跑的，哪个留作默认。官方没回。

跟 OpenRouter 的 :free 比，那边给你 API，能接任何工具。Cline 的免费额度绑在自家 Agent 里，但白嫖的是 501B 这种量级。

免费的是模型。Cline 真正想让你留下的，是它那层外壳。

一手 Cline 官方 X 帖 2026-10-23 03:48（北京时间）；Cline 文档 Free Models 页

Cline 官方帖，五个免费模型与自报分

2. MiniMax M3.1 Flash 今天放权重，428B 总参 23B 激活，许可证要看清

人话结论。能自部署了，但别当成 MIT 随便商用。许可证是 MiniMax Community License，基础授权写的是非商用，商用要在产品页显著标注「Built with MiniMax M3.1-Flash」，再给官方发一次报备邮件。年营收超过 2000 万美元的，要事先拿书面授权。

北京时间 10-23 09:04，MiniMax 官方号发帖，M3.1 Flash 权重公开。428B 总参数，每 token 激活 23B。10-19 发模型那天官方就写了 Model weights will arrive on Oct 23，今天准点兑现。

10-20 那期我写过，当时许可证未公布。今天回 Hugging Face 看了 LICENSE 原文，标签 minimax-community，要点三条。

一，基础授权是 non-commercial purposes。

二，商用要显著展示「Built with MiniMax M3.1-Flash」，年营收超过 2000 万美元的要事先拿书面授权，没超的发一次报备邮件就行。

三，商用定义很宽，收费产品、商用 API、微调后商用都算。附录禁军事用途。

官方给的分数。DeepSWE v1.1 73.7%，OSWorld V2 61.7，BankerToolBench 76.2，Agents' Last Exam 29.6，CyberGym 82.2。Hugging Face 和 ModelScope 同步放了。

这条帖子我看的时候点赞才个位数，跟 10-19 那条一百多万曝光比，冷得出奇。428B 的权重，能本地跑的人本来就少。

只想用模型的，继续走 API，标价 0.15 / 0.60 美元每百万输入输出。想私有化部署的，现在有路了，合规文档写清许可证名，别写成 MIT。

权重放了是真的。开源两个字，得打个折再说。

一手 MiniMax 官方 X 帖 2026-10-23 09:04（北京时间）；Hugging Face 模型仓 LICENSE 原文

MiniMax 官方帖，权重公开

HF 上的 LICENSE，minimax-community

· · ·

榜单与评测

3. AA 编程 Agent 榜 v2.0，Opus 5.5 + Claude Code 61.7 第一，最便宜那档 0.39 美元一题

人话结论。榜首还是 Claude，但真正该看的是成本曲线。Codex 配 DeepSeek V4.1 Flash 47.3 分，一题 0.39 美元。Opus 5.5 配 Claude Code 61.7 分，一题 11.42 美元。日常活用便宜的，硬骨头再上贵的。

北京时间 10-23 08:17，Artificial Analysis 发布 Coding Agent Index v2.0。这个榜给模型和外壳一起打分，现在 290 道题，三个基准等权。

改动两处。Cognition 的 FrontierCode v1.1 换掉 DeepSWE，判分标准是维护者会不会合并，过不了阻断检查直接零分。SWE-Atlas-QnA 评分改严，裁判换成 GPT-6 Luna。

前四名。Claude Code + Opus 5.5 是 61.7，Claude Code + Sonnet 5.5 是 59.3，Muse Code + Muse Wonder Full 是 58.9，Claude Code + Fable 5.1 是 57.6。

成本前沿四个点。DeepSeek V4.1 Flash 47.3 分 0.39 美元，GPT-6.1 Sol 54.1 分 1.50 美元，GPT-6 Astra 54.7 分 7.04 美元，Opus 5.5 61.7 分 11.42 美元。都是按 token 计费的 API 成本，不是订阅价。

评论区很热闹。有人算账，29 倍价格换 14 分，别只选一个，改名字用 Flash，折磨你三天的 bug 用 Opus。也有人替 DeepSeek 叫屈，说官方推荐原生 harness，AA 却只放在 Codex 里测。还有网友说同一模型换外壳，TerminalBench 能从 42 掉到 28，我没复核。

榜单第一告诉你上限。成本曲线才告诉你今天该开哪个。

一手 Artificial Analysis 官方 X 帖 2026-10-23 08:17（北京时间）

AA 官方帖，榜单与成本曲线

4. AA Decision Index，SubQ Snap 1.1 并列第一，输入 0.04 美元每百万 token

人话结论。做分类、路由这种小决策的，又多一个便宜候选。但别只看单价，按每百万任务算，它是同分的 Elephant 9B 的约 3.6 倍。

北京时间 10-23 04:02，AA 发帖。Subquadratic 的 SubQ Snap 1.1 在 Decision Index v1.0 上 65 分，和 d1-ultra、Elephant 9B 并列第一，比第四名 Jev 1.14 高 8 分。

它赢在不瞎答。不会的题选「我不知道」的比例是 86%，仅次于 Elephant 9B 的 93%。准确率其实只有 20%。上下文 384K，另外两家是 32K 和 16K。

反直觉的地方在价格。输入 0.04 美元每百万 token 很便宜，可每百万任务要 30 美元，Elephant 9B 同样 65 分只要 8.4 美元。

单价便宜不等于账单便宜。按任务算，才是真账。

一手 Artificial Analysis 官方 X 帖 2026-10-23 04:02（北京时间）

5. 蚂蚁 Ming-3.0-tts 0.5B 进 AA 语音榜前三，MIT 协议

人话结论。要本地跑 TTS、显存又紧的，可以试。模型本身九月就上了 Hugging Face，今天的新闻是第三方榜单给了名次。

北京时间 10-23 05:23，AA 发帖。蚂蚁的 Ming-3.0-tts 只有 0.5B 参数，是 AA 所有 TTS 榜单里，唯一挤进任一榜前三的 1B 以下模型。Controlled Voice Arena 前十里，其他开源权重 TTS 都在 3.5B 以上，参数差了 7 到 70 倍。

许可证我回 Hugging Face 核过，inclusionAI/Ming-3.0-tts-0.5B 的标签是 license:mit。这次是真 MIT。

0.5B 打 3.5B，语音这条线，参数已经不是门槛了。

一手 Artificial Analysis 官方 X 帖 2026-10-23 05:23（北京时间）；Hugging Face 模型卡

6. AA 上线 CritPt v2 物理推理评测，GPT-6 Astra 83% 领先

人话结论。关心科研推理的看一眼。AA 说十月底要更新 Intelligence Index，CritPt 的变化会进总分，到时候总榜名次可能会挪。

北京时间 10-23 02:12 发布。CritPt 作者把 70 道研究级物理题全部重审，修了题面错误和判分稳定性，现在模型可以在离线沙箱里写代码、跑代码。

GPT-6 Astra 83%，GPT-6.1 Sol 82%，Opus 5.5 78%，GPT-5.6 Sol 75%。2025 年 8 月的 GPT-5 只有 29%，比 GPT-6 Astra 低 54 分。

物理题让模型写代码算，考的就不只是背公式了。

一手 Artificial Analysis 官方 X 帖 2026-10-23 02:12（北京时间）

· · ·

开发者产品与改码

7. OpenAI Decisions API 正式 GA，只收输入费，0.10 美元每百万 token

人话结论。要改码。这是独立的 Decisions 端点，不是 Responses API 换个参数。适合分类、路由、打分这种答案固定的小决策。只收输入 token，不收输出费。

北京时间 10-23 03:07，OpenAI Developers 发帖，Decisions API 转正式 GA。10 月初开始公测。

它基于 GPT-6 Luna，不生成完整回复，只回概率、选项、打分三种答案。官方说最多比用 Responses API 调 GPT-6 Luna 快 10 倍。

GA 相比公测多了几样。原生接 GPT-Live，提示缓存，美国和欧盟数据驻留，单次请求最多 400 个问题，是之前的两倍。

价格。输入 0.10 美元每百万 token，缓存输入 0.01 美元。没有输出费。

客户数字挑一个。Sierra 说 p95 不到 280 毫秒，比原方案快约 3 倍，单次成本降 90%。

评论区最实在的一条，客服工单分诊第一个该搬过去，为一个 yes/no 付整段回复的钱太亏。也有人拿它跟 Jev 比，说准确率差不多，成本高约 7 倍，有缓存的话账要重算。

一个 yes/no，终于不用按一篇作文的价付钱了。

一手 OpenAI Developers 官方 X 帖 2026-10-23 03:07（北京时间）；OpenAI 官方博客 Decisions API

OpenAI Developers 官方帖

8. Claude 下周起 App 端默认 auto mode，Pro、Max、Team 都会切

人话结论。下周生效，不是今天。网页、桌面、手机三端的会话默认不再每步弹窗，改由自动检查拦高风险操作。想切回手动随时可以。团队管理员这周就该定政策。

北京时间 10-23 04:04，Claude 官方号发帖。下周开始，Pro、Max、Team 用户在 Claude 网页、桌面和手机端的会话默认开 auto mode。

它引用的是 8 月那条 Claude Code 公告，当时官方测试数据是自动分类器拦住 89% 的危险命令，人工审批只拦住 14%。现在这套从 Code 溢出到全端 App。

评论区有一条说到点上了。Team 就是公司数据，默认值就是政策，这个默认是谁签的字。还有人说，难的不是模型，是每家公司对「高风险」的定义不一样。也有人问能不能指定哪些动作永远先问。官方没回。

人工点头只拦住 14%，这是 Anthropic 敢改默认的底气。可你公司的高风险清单，它不知道。

一手 Claude 官方 X 帖 2026-10-23 04:04（北京时间）

Claude 官方帖

9. Claude Models on Google Cloud（Anthropic 托管）正式 GA

人话结论。公司账在 Google Cloud 上的，可以直接走 GCP 的 IAM 和账单用完整的 Claude Platform 功能，还能抵扣你已经签下的 GCP 承诺消费额度。

北京时间 10-23 05:21，Claude 官方号发帖宣布 GA。名字里写明 Anthropic managed，帖子说给的是完整的 Claude Platform 功能。

对财务来说，承诺消费能抵扣这一句，比什么都管用。

不用为了用 Claude 再走一遍采购流程。这才是大公司真正卡住的地方。

一手 Claude 官方 X 帖 2026-10-23 05:21（北京时间）

10. Codex CLI 0.164.0，/presets 存常用命令，/model 直接带参数

人话结论。天天用 Codex CLI 的，升级。十个编号槽位存提示词和斜杠命令，/model、/permissions 一行就能定模型、推理强度、速度和权限档。

北京时间 10-23 12:48，GitHub 正式版发布。另外，Kitty 或 Sixel 终端能在全屏对话记录里预览图片，企业 MCP 可用 Codex 账号授权，远程 Bash 和 Zsh 快照会话自动遮蔽凭据。

少敲几个命令，一天就能少走神好几次。

一手 openai/codex GitHub Release rust-v0.164.0

11. Claude Code v2.1.309，集中修沙箱和权限漏洞

人话结论。用 Claude Code 沙箱跑命令的，尽快升级。这版修的不是体验，是安全边界。

北京时间 10-23 06:18 发布。几条关键的我翻一下。

macOS 和 Linux 下，沙箱 Bash 每次执行前会在沙箱外跑一遍 shell 启动文件，修了。macOS 上经过符号链接的路径，denyWrite 规则不生效，修了。沙箱命令和自动接受的编辑能改写 --mcp-config 指定的配置文件，修了。先 cd 再跑 git 这类组合命令，包一层就不弹权限确认，也修了。

联系第 8 条一起看就很有意思。Claude 一边把 App 默认改成自动，一边在 Code 里补围栏。

默认放权之前，先把墙补齐。顺序是对的。

一手 anthropics/claude-code GitHub Release v2.1.309

· · ·

研究与开源

12. Anthropic 用 Claude 给 123 个开源库做形式化证明，约 1.8 亿行 Rocq

人话结论。做安全和基础库的值得读原文。Claude 证明了 123 个开源库、239 个入口点在 64MB 以内的任意输入下都不会崩溃。Theorem 还放了一个 Claude skill，可以拿去试自己的代码。

北京时间 10-23 06:01，Anthropic 官方号发帖，Frontier Red Team 博客文章同步上线，页面写 Published Oct 22, 2026（美国时间）。

做法是把 OSS-Fuzz 的模糊测试转成规格，让 Claude 在编译后的 RISC-V 机器码上写证明，Rocq 检查器来验。几周时间，约 1.8 亿行 Rocq。过程中还挖出 fuzzer 很难碰到的 bug，有一个要约 20MB 特定布局的输入才触发。

让我意外的是成本。Opus 5.5 比 Opus 5 少用约 40% token，Agent 共享证明再省 17%。

边界官方自己也写了。前提是单线程、静态链接 musl、RISC-V、Linux，跟你线上 x86 加 glibc 不是一回事。形式化验证不等于没有 bug。

以前证明一个内核要 20 人年。现在几周证 123 个库。模糊测试的地位，要变了。

一手 Anthropic 官方 X 帖 2026-10-23 06:01（北京时间）；Anthropic Frontier Red Team 博客

Anthropic 博客文章页

13. Ai2 发布 OlmoEarth v1.3，全球卫星嵌入免登录可用，许可证是自定义协议

人话结论。做遥感、农业、环境监测的，不用 GPU 也能上手，全球 10 米分辨率年度嵌入直接下载，网页工具免登录。但许可证不是 Apache，禁止军事和资源开采类用途。

Hugging Face 博客发布时间是北京时间 10-23 00:11。OlmoEarth v1.3 读一整年的雷达和多光谱卫星时间序列，给地球上每个 10 米像素出一个 128 维向量，前 64 维单独也能用。

27 项评测里，128 维版本对比 AlphaEarth 和 Tessera v2 拿下 20 项第一。训练算力只用了 v1.2 的 53%。

许可证我看了 Hugging Face 上的 LICENSE.txt，叫 OlmoEarth Artifact License。可免费用、改、分发，但禁止军事国防用途，也禁止石油、天然气、矿产开采和毁林。分发衍生品要注明 Ai2 并传递这些限制。

地球的向量免费给你。用来干什么，Ai2 先划了线。

一手 Hugging Face 博客 allenai/olmoearth-v1-3；Hugging Face 模型仓 LICENSE.txt

14. 微软 × Hugging Face 开源 ThinkingBox-Training，拿「数据库改对没」当 RL 奖励

人话结论。做 Agent 后训练的可以抄这个思路。不看 Agent 嘴上说做完没，直接看数据库最终状态对不对，对就给 1 分。代码 MIT。

Hugging Face 博客发布时间北京时间 10-23 06:24。用 GRPO 给 Qwen3.8-27B 训 50 步，平均成功率从 51.70% 到 60.78%，20 次全对的任务从 38 个涨到 107 个。

反直觉的是 pass@20，从 89.35% 降到了 87.97%。训练没让它会做更多题，是让它会做的题做得更稳。

许可证回 GitHub 核过，microsoft/thinkingbox-training 的 LICENSE 是 MIT。

Agent 说做完了不算。数据库说了才算。

一手 Hugging Face 博客 microsoft/thinkingbox-training；GitHub LICENSE

· · ·

今日三件事

1. 白嫖。Cline 登录账号，Provider 选 Cline，挑 FREE 模型先跑 Reflection Beam。官方未公布截止，每天有额度，只能在 IDE 插件和 CLI 用。

2. 合规。要拉 MiniMax M3.1 Flash 权重的，先读 MiniMax Community License，商用挂标注发报备。用 OlmoEarth 的，确认业务不碰军事和开采。

3. 改码和改默认。分类路由类调用评估迁到 Decisions API，只收输入费。Claude Team 管理员这周定好 auto mode 政策，Claude Code 升 v2.1.309，Codex CLI 升 0.164.0。

今天 14 条，都是北京时间 10-23 当天的一手。不凑旧闻。

作者 StarAI