UT Austin 研究發現，削減 token 的上下文壓縮可能拖慢編碼智能體
UT Austin 一項研究在 SWE-bench Verified 和 Terminal-Bench 上進行了近 35,000 次編碼智能體運行，分別改變上下文如何壓縮、何時觸發壓縮，以及壓縮掉多少內容。在 Qwen 的 Terminal-Bench 上，使用約三分之一 token 的策略，耗時可能比保留完整上下文多 20% 至 80%。
#terminal-bench
查看全部AI快訊ActiveSaddler 在優化智能體運行框架時調整場景
DAIR.AI 介紹了來自 Microsoft 及合作者的論文 ActiveSaddler，該論文改變用於優化智能體運行框架的場景。在相同優化器下，與固定場景順序相比，測試 Pass@1 在 GAIA2 上提高 4.4 分，在 Terminal-Bench 2.0 上提高 7.5 分。
Claude Sonnet 5.5 現已在 Command Code 上線
Command Code 表示，Claude Sonnet 5.5 已在 GOAT、Pro、Max 及其 API 中提供。該公司稱，此模型速度快 30%、成本低 30%，並在 Terminal-Bench 4.0 上超過 Opus 5.5。
Cline 稱 Sonnet 5.5 在 Terminal-Bench 4.0 上勝過 Opus 5.5，成本僅為一半
Cline 稱 Sonnet 5.5 在 Terminal-Bench 4.0 上勝過 Opus 5.5，成本僅為一半。Cline 又稱，它比早期模型使用更少 token，每項任務成本最多降低 30%，輸出生成速度比前代快 30%。
SkillGym 基於技能軌跡微調 Qwen3.5-35B-A3B
一篇論文提出 SkillGym，將人工編寫的技能轉化為 2,756 個訓練環境，並基於 8,364 條成功軌跡進行微調。論文報告稱，運行於 Claude Code 的 Qwen3.5-35B-A3B 其後在 Terminal-Bench 2.1 上提高 19.10 分，並在技能輔助的 SkillsBench v1.1 上達到 51.47%。
StepFun 以 MIT 授權條款開源 Step Code v0.1.0
StepFun 已以 MIT 授權條款開源 Step Code v0.1.0 命令列工具，並可透過 StepPage 以一條指令發布靜態網站。StepFun 報告，其在 Terminal-Bench 2.1 取得 80.9%，並在其 150 項任務的長程基準 Multi-Frame 取得 73.3%。