行业 #编码智能体 2026-11-19 · 原文发布 11-18

Airbnb 公开编码智能体的选模方法:约五周出了 8 个新模型,按「单任务成本」定默认模型与推理力度上限

一家大公司内部编码智能体的真实运营做法:上线前用自有任务测分数和单任务成本,上线后用生产数据回头校验。适合要给团队管模型选型和账单的人。

图片来源:AWS 机器学习博客
一手来源 AWS 机器学习博客 · aws.amazon.com 读原文 ↗

// 要点

  • Airbnb 每周有数千名工程师及相关人员用内部工具 AirChat 跑编码智能体,请求经过跑在 Amazon Bedrock 上的模型网关。
  • 约五周内出了 8 个新模型;到 10 月中,约三分之二的编码智能体请求已转向这些新模型。
  • 某个模型推理力度从 low 调到 high,分数只升 0.8 分,单任务成本却是 2.5 倍;网关据此强制执行每个模型的力度上限。
  • 有个新模型在同一套任务和评分器上分数更高,单任务成本只有原模型的约六分之一,团队靠改一条配置就把用户迁了过去。

开发者视角这篇和昨天 GitHub 那几条连起来看是同一个结论:模型换得太快,只有「自己的任务 + 单任务成本」这把尺子靠得住。我会照抄它的两件事:新模型发布当天就在自有任务上按每个力度档跑一遍;在网关上设力度上限,默认 low 或 medium。0.8 分换 2.5 倍成本,大多数日常改动不值得。

// 来龙去脉 · 来自 #编码智能体 专题

看完整时间线 →
  1. 11-19 Google 发布 Gemini 4 Neon:每百万 token 输入 3 美元、输出 15 美元,默认 high 档的单任务成本比 Carbon 低 32%
  2. 11-19 RadixArk 开源 DaisyRose-27B:在 Qwen3.8-27B 上用 1,200 个长程智能体任务做强化学习,Terminal-Bench 4.1 从 5.6% 提到 12.0%
  3. 11-19 GitHub Copilot 团队自定义正式可用:团队维护者可为直属成员默认启用审批过的智能体插件

每周一,一封邮件看完 AI 大事

每周一早上,把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。

邮箱只用于发送周报,不会提供给任何第三方;每封邮件底部都可以一键退订。 看看最近一期 →