快速预览
- GPT-5.5 发布：OpenAI 推出 GPT-5.5，定位为最强模型，覆盖编码、研究、数据分析等复杂任务（来源）
- OpenAI 全面上 AWS：GPT 模型、Codex、Managed Agents 正式登陆 AWS 平台（来源）
- SWE-bench Verified 榜首：live-SWE-agent + Claude 4.5 Opus medium 以 79.2 分并列第一，TRAE + Doubao-Seed-Code 紧随其后（78.8）
- Claude Code 持续迭代：v2.1.118–v2.1.123 密集发布，新增 vim visual mode、MCP alwaysLoad、Bedrock service tier 等功能
- Terminal Bench 2 变动：Warp / Multiple 分数从 61.2 下降至 59.1（排名 32→37），另有子项降至 50.1（排名 32→54）
一、重点新闻
OpenAI 产品与基础设施
| 日期 |
事件 |
来源 |
| 04-29 |
Stargate 算力基础设施扩展：新增数据中心容量，支撑 AGI 级算力需求 |
链接 |
| 04-29 |
网络安全五点行动计划：推动 AI 驱动的网络防御民主化 |
链接 |
| 04-28 |
OpenAI 模型登陆 AWS：GPT 模型、Codex、Managed Agents 可在 AWS 环境中使用 |
链接 |
| 04-27 |
微软合作协议修订：简化合作关系，增加长期确定性 |
链接 |
| 04-27 |
FedRAMP Moderate 授权：ChatGPT Enterprise 和 API 获美国联邦机构安全认证 |
链接 |
| 04-27 |
Symphony 开源编排规范：将 issue tracker 转化为 always-on agent 系统 |
链接 |
OpenAI 模型发布
| 日期 |
事件 |
来源 |
| 04-23 |
GPT-5.5 发布：最快、最强模型，面向编码/研究/数据分析；同步发布 System Card 和 Bio Bug Bounty（最高 $25,000） |
链接 |
| 04-22 |
ChatGPT Images 2.0：SOTA 图像生成，改进文字渲染和多语言支持 |
链接 |
| 04-22 |
OpenAI Privacy Filter：开源权重 PII 检测与脱敏模型 |
链接 |
| 04-16 |
GPT-Rosalind：面向生命科学的前沿推理模型，加速药物发现和基因组分析 |
链接 |
OpenAI Codex 生态
- 04-23：GPT-5.5 集成 Codex，新增 computer use、浏览器、图像生成、记忆和插件（changelog）
- 04-22：ChatGPT 中引入 Workspace Agents，基于 Codex 的云端自动化工作流（链接）
- 04-21：Codex 企业扩展——Codex Labs 成立，与 Accenture、PwC、Infosys 合作，WAU 达 400 万（链接）
- 04-16：Codex 桌面端更新，支持 computer use、应用内浏览等（链接）
Claude Code 更新
| 版本 |
日期 |
关键变更 |
| v2.1.123 |
04-29 |
修复 OAuth 401 重试循环（CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS=1 时） |
| v2.1.122 |
04-28 |
新增 ANTHROPIC_BEDROCK_SERVICE_TIER 环境变量，支持 Bedrock flex/priority 层级选择 |
| v2.1.121 |
04-28 |
MCP server 配置新增 alwaysLoad 选项，跳过 tool-search 延迟 |
| v2.1.119 |
04-23 |
/config 设置持久化至 ~/.claude/settings.json，参与项目/本地/策略覆盖优先级 |
| v2.1.118 |
04-23 |
新增 vim visual mode（v）和 visual-line mode（V） |
来源：Claude Code Releases
二、Benchmark 快照：SWE-bench Verified Top 25
数据采集时间：各条目不同，见表中 captured_at 列。均为 new_model 类型首次入榜。
| 排名 |
模型 |
分数 |
采集日期 |
| 1 |
live-SWE-agent + Claude 4.5 Opus medium |
79.2 |
2025-12-15 |
| 2 |
Sonar Foundation Agent + Claude 4.5 Opus |
79.2 |
2025-12-05 |
| 3 |
TRAE + Doubao-Seed-Code |
78.8 |
2025-09-28 |
| 4 |
live-SWE-agent + Gemini 3 Pro Preview |
77.4 |
2025-11-20 |
| 5 |
Atlassian Rovo Dev |
76.8 |
2025-09-02 |
| 6 |
EPAM AI/Run + Claude 4 Sonnet |
76.8 |
2025-08-04 |
| 7 |
mini-SWE-agent + Claude 4.5 Opus (high) |
76.8 |
2026-02-17 |
| 8 |
ACoder |
76.4 |
2025-08-19 |
| 9 |
mini-SWE-agent + Gemini 3 Flash (high) |
75.8 |
2026-02-17 |
| 10 |
mini-SWE-agent + MiniMax M2.5 (high) |
75.8 |
2026-02-17 |
| 11 |
Warp |
75.6 |
2025-09-01 |
| 12 |
mini-SWE-agent + Claude Opus 4.6 |
75.6 |
2026-02-17 |
| 13 |
TRAE + Claude Sonnet 4 + Opus 4 + Sonnet 3.7 + Gemini 2.5 Pro |
75.2 |
2025-06-12 |
| 14 |
Harness AI |
74.8 |
2025-07-31 |
| 15 |
Sonar Foundation Agent + Claude 4.5 Sonnet |
74.8 |
2025-11-03 |
| 16 |
Lingxi-v1.5 + Claude 4 Sonnet |
74.6 |
2025-07-20 |
| 17 |
JoyCode + Claude 4 Sonnet + GPT-4.1 |
74.6 |
2025-09-15 |
| 18 |
Refact.ai Agent + Claude 4 Sonnet + o4-mini |
74.4 |
2025-06-03 |
| 19 |
Prometheus-v1.2.1 + GPT-5 |
74.4 |
2025-10-15 |
| 20 |
mini-SWE-agent + Claude 4.5 Opus medium |
74.4 |
2025-11-24 |
| 21 |
mini-SWE-agent + Gemini 3 Pro Preview |
74.2 |
2025-11-18 |
| 22 |
Salesforce SAGE (OpenHands) |
73.8 |
2025-11-03 |
| 23 |
Tools + Claude 4 Opus |
73.2 |
2025-05-22 |
| 24 |
Salesforce SAGE (bash-only) |
73.0 |
2025-10-21 |
| 25 |
mini-SWE-agent + GPT-5-2 Codex |
72.8 |
2026-02-19 |
来源：SWE-bench Verified 等各模型官方来源
三、榜单变化
SWE-bench Verified
本次快照中所有条目均为 new_model（首次入榜），无排名升降变动。Top 10 中值得关注的新入榜者：
- ACoder（rank 8, 76.4）——独立 agent 首次进入前十
- Atlassian Rovo Dev（rank 5, 76.8）——企业级开发 agent 直接入榜前五
- EPAM AI/Run + Claude 4 Sonnet（rank 6, 76.8）——企业服务商 agent 紧随其后
Terminal Bench 2
| 模型 |
变动类型 |
排名变化 |
分数变化 |
| Warp / Multiple |
rank_change + score_change |
32 → 37 |
61.2 → 59.1 |
| Warp / Multiple |
rank_change + score_change |
32 → 54 |
61.2 → 50.1 |
注：两条记录均显示 Warp / Multiple 在 [email protected] 中分数下降，排名分别下滑 5 位和 22 位。可能存在不同子类别或评估条件的差异。
四、来源状态
- 所有新闻来源均采集成功，无失败项
- SWE-bench Verified 快照中全部为新入榜模型（
new_model），无排名升降记录
- Terminal Bench 2 仅有 Warp / Multiple 的排名和分数变动记录