UT Austin 研究发现，削减 token 的上下文压缩可能拖慢编码智能体
UT Austin 一项研究在 SWE-bench Verified 和 Terminal-Bench 上运行了近 35,000 次编码智能体任务，分别改变上下文如何压缩、何时触发压缩以及压缩掉多少内容。在 Qwen 的 Terminal-Bench 上，只使用约三分之一 token 的策略，耗时可能比保留完整上下文多 20% 到 80%。
#terminal-bench
查看全部AI快讯ActiveSaddler 在优化智能体运行框架的同时调整场景
DAIR.AI 介绍了来自 Microsoft 及合作者的论文 ActiveSaddler，该论文改变用于优化智能体运行框架的场景。在相同优化器下，与固定场景顺序相比，测试 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 现已在 Command Code 上线
Command Code 表示，Claude Sonnet 5.5 已在 GOAT、Pro、Max 及其 API 中提供。该公司称，该模型速度快 30%、成本低 30%，并在 Terminal-Bench 4.0 上超过 Opus 5.5。
Cline 称 Sonnet 5.5 在 Terminal-Bench 4.0 上胜过 Opus 5.5，成本仅为一半
Cline 称 Sonnet 5.5 在 Terminal-Bench 4.0 上胜过 Opus 5.5，成本仅为一半。Cline 还称，它比早期模型使用更少 token，每项任务成本最多降低 30%，输出生成速度比前代快 30%。
SkillGym 基于技能轨迹微调 Qwen3.5-35B-A3B
一篇论文提出 SkillGym，将人工编写的技能转化为 2,756 个训练环境，并基于 8,364 条成功轨迹进行微调。论文报告称，运行于 Claude Code 的 Qwen3.5-35B-A3B 随后在 Terminal-Bench 2.1 上提高 19.10 分，并在技能辅助的 SkillsBench v1.1 上达到 51.47%。
StepFun 以 MIT 许可证开源 Step Code v0.1.0
StepFun 已以 MIT 许可证开源命令行工具 Step Code v0.1.0，其中包括通过 StepPage 用一条命令发布静态网站。StepFun 称，其在 Terminal-Bench 2.1 上得分为 80.9%，在自有的 150 项长程基准 Multi-Frame 上得分为 73.3%。