Cline 宣布腾讯 Hy4 Preview 在 SWE-bench Pro 上领先。该开源权重模型总参 770B、激活 49B，上下文 1M，被 Cline 称为腾讯迄今最大的代际跃迁。开发者可 npm i -g cline 后用 /model 选择 Hy4 preview 直接跑仓库级修复。对编码代理生态意味着又一条可与闭源旗舰竞争的开源长上下文路径，尤其适合需要百万级上下文的多文件重构与基准评测。
npm i -g cline 后通过 /model 即可切换，适合仓库级长上下文修复。7 大权威镜像天梯跑分与 29+ 款主流编程套餐横向比价测算
联动天梯榜跑分、独家套餐赠金与 IDE 定制规则
开源编码代理 Cline 援引 Terminal-Bench 4.0 新榜称，智谱 GLM-5.3（max）在终端交互评测上超过 OpenAI GPT-5.6 Sol（max）。Cline 已在产品内提供 glm-5.3，安装 npm i -g cline 后通过 /model 选择即可；ClinePass 对该类开源权重提供约 5 倍折扣接入。这是开源权重在最新终端代理基准上正面挑战闭源旗舰的信号，对 CLI 编码代理的模型选择与成本结构有直接影响。
腾讯混元团队（Tencent Hunyuan，@TencentGlobal）联合复旦大学 NLP 实验室（黄萱菁、张奇团队）正式开源了面向前沿 AI 系统的科学自主探索评测基准 ExplorationBench（arXiv: 2609.30199，项目主页: explorationbench.com）。面对现有模型在传统科学考题中仅仅依赖海量预训练数据的“死记硬背”、难以判定其是否具备真正科学探索与假设验证能力的行业难题，团队开创性构建了由 AlienCode 与 AlienLogic 两大交互沙箱组成的“可验证外星世界（Alien Worlds）”。沙箱底层运行与人类现实常识截然冲突的确定性新物理/代码法则，系统必须自主提出假说、设计实验调用工具并闭环验证真伪。
腾讯混元（@TencentHunyuan）发布 WebCraftBench：针对「AI 说站点做完了，但首页报错、按钮重叠、还多出未要求登录流」这类失败，让智能体在真实线上应用中操作，用覆盖引导探索找出未触达路径，再从美学、可用性与是否满足原始需求打分。在 197 对人工校验样本上，与人类偏好一致率 85.3%。论文：https://arxiv.org/abs/2609.15387
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察