五分类增量补遗 · Jay · 2026-08-22 深夜版
本次主题：五分类增量 · 本轮 Tavily 搜索新发现条目 角色：Jay · 增量补充，不重复已有内容
分类总览
| 分类 | 新增条目 | 核心来源 |
|---|---|---|
| database | 1 | Tavily · pgvector vs Qdrant 2026 对比 |
| backend | 2 | Tavily · SWE-bench ProMax / SWE Atlas / EdgeBench |
| cloud-native | 0 | 本轮无新增 |
| csdn | 1 | Tavily · CSDN AI 编程工具横向评测 |
| reproduction | 1 | Tavily · 开源模型格局 Kimi K3 / DeepSeek V4 / GLM-5.2 |
📦 一、database
DB-N1：pgvector vs Qdrant 2026 生产决策框架
来源：pgvector vs Qdrant (2026): Postgres Vector Search vs a Dedicated Vector DB · OpenTechStack
可信度：⭐⭐⭐⭐（工程决策框架，非厂商赞助）
核心工程数据：
- pgvector 适用场景：已在用 Postgres、10M 向量以下、生产级运维成熟度要求高、需要 ACID 事务+SQL 过滤组合
- Qdrant 适用场景：大规模向量+过滤混合查询、多租户、集群分片、运维可接受独立系统
- pgvector 0.9 + Postgres 17/18：HNSW 索引大幅改进，10M 向量以下生产级可用，运营成本最低
- 2026 成本参考：1M 查询/月，10M 向量规模下 pgvector RDS r6g.2xl ~$250（与现有 RDS 共享），Qdrant Cloud ~$120，Qdrant 自托管 ~$40，Pinecone Serverless ~$180
- 延迟参考：pgvector（HNSW 调优）p95 ~35ms / Qdrant Cloud ~22ms / Pinecone ~45ms
- 迁移路径：pgvector → Qdrant later——设计好 ID/embedding dual-write pipeline，scale 触发时平滑迁移
评价：2026 年向量数据库选型已从"谁性能最强"转向"谁的 ops 负担与我的团队规模匹配"。pgvector 已不再是玩具extension，而是 10M 向量以下的生产首选。本文是最实用的决策树，没有之一。
链接：https://open-techstack.com/blog/pgvector-vs-qdrant-2026
⚙️ 二、backend
BE-N1：SWE-Bench ProMax — 大规模多文件 SWE 基准（arXiv COLM 2026）
来源：SWE-Bench ProMax · arXiv:2608.09802 · COLM 2026
作者：Yisen Xu, Jinqiu Yang et al.
可信度：⭐⭐⭐⭐⭐（COLM 2026 会议论文，完整技术报告）
核心数据：
- SWE-Bench ProMax vs SWE-bench Verified 对比：30% 实例修改 >10 文件（Verified 仅 7%）；32% 修改 >200 行代码（Verified 仅 6%）
- 真实生产复杂度：SWE-Bench Verified 86% 实例只改 1 个文件，ProMax 推进到多文件协同修改场景
- 基线模型（Claude Code scaffold）：Claude Opus 4.8 / GPT-5.5 / Gemini-3.1-Pro / Qwen3.7-Max / DeepSeek-V4-Pro / Kimi-K2.7-Code / MiniMax-M2 等覆盖主流闭源+开源
评价：SWE-bench ProMax 是对"Agent 能否处理真实大型代码库重构"的最严格评估。对 SWE-bench Verified 的刷分已无意义——ProMax 才是 2026 下半年编码 Agent 的新战场。
链接：https://arxiv.org/pdf/2608.09802
BE-N2：SWE Atlas + EdgeBench + Terminal-Bench — 编码 Agent 评测体系全景
来源：Awesome-Long-Horizon-Agents · RUC-NLPIR
可信度：⭐⭐⭐⭐（汇总型资源列表，有原始论文链接）
重要新基准收录：
- SWE Atlas（arXiv 2026）：Agent 在 issue 解决之外的全维度能力评测
- RepoZero（arXiv 2026）：LLM 能否从零生成完整代码仓库
- SWE-World（arXiv 2026）：Docker-Free 环境下的 SWE Agent
- Terminal-Bench（arXiv 2026）：命令行界面硬核任务评测，Kimi K3 得分 88.3 vs GPT-5.6 Sol 88.8
- EdgeBench（arXiv 2026）：超长周期任务（134 任务，平均运行时 3-4 小时），覆盖 SWE / 科学 / ML 工程 / 形式化证明 / 游戏
评价：编码 Agent 评测体系正在从"单点任务"进化到"超长周期+多文件+多工具链"复合评估。EdgeBench 的出现标志着 Agent 评估已进入"真实项目周期"阶段。
链接：https://github.com/RUC-NLPIR/Awesome-Long-Horizon-Agents
🌐 三、cloud-native
（本轮无新增条目，详见已有 2026-08-22T1450-jay-engineering-filter-pm.md）
💻 四、csdn
CS-N1：2026 最新 AI 编程工具横向评测（CSDN）
来源：2026年最新AI编程工具观察：5款主流AI编程软件能力解析 · CSDN
可信度：⭐⭐⭐（CSDN 精选，非营销软文）
核心工程数据：
| 工具 | 定位 | 核心优势 | 局限 |
|------|------|---------|------|
| Kimi Code（月之暗面）| 全流程 Agent IDE | Plan 模式/Sub-agents/Agent Swarm/四级扩展机制（MCP/Skills/Hooks/Plugins）| 生态封闭 |
| Claude Code（Anthropic）| CLI 编程助手 | Sub-agents + Skill 生态 + Agent Teams + Dynamic Workflows | 未对中国大陆提供服务，风控趋严 |
| Codex（OpenAI）| CLI 编程工具 | 响应速度快，多任务并行，Apache-2.0 | 复杂重构任务质量略逊 Claude Code |
| CodeBuddy（腾讯云）| 全流程 AI 研发 | 多模型切换，覆盖需求→部署全流程，腾讯云生态集成 | 生态局限于腾讯云 |
Benchmark 数据（ProgramBench）：Kimi K3 77.8% vs GPT-5.6 Sol 77.6%，差距极小
SWE-bench Pro：Claude Opus 4.8 约 69.2% vs GPT-5.5 约 58.6%
DeepSWE：GPT-5.6 Sol 73.0% vs Kimi K3 67.5%
SWE Marathon 长周期：Kimi K3 42.0% vs Opus-4.8 40.0% vs GPT-5.6 Sol 39.0%
评价：本篇是中文社区少有的高质量 AI 编程工具横向评测，数据来源标注清楚（各厂商公开发布+第三方基准）。Kimi Code 的 Agent Swarm 和多级扩展机制值得关注，是国产编程 Agent 的工程能力代表。
链接：https://www.csdn.net/article/2026-07-30/163342366
🔬 五、reproduction
RE-N1：开源模型格局 2026 年中盘点（modelgrep + MorphLLM）
来源：Best Open-Source LLMs — Top Open-Weight AI Models (August 2026) · modelgrep + MorphLLM 对比
可信度：⭐⭐⭐⭐（第三方综合排名，多源数据交叉）
Intelligence Index 排名（2026-08）：
| 排名 | 模型 | Intelligence | 速度（tok/s） | 输入成本 | 许可证 |
|---|---|---|---|---|---|
| 🥇 | Kimi K3 | 59.7 | 93 | $3.00/M | Kimi License（非商业） |
| 🥈 | Qwen3.8 2.4T A95B | 57.7 | 106 | $2.00/M | Apache 2.0 |
| 🥉 | DeepSeek V4 Pro 0813 | 53.2 | 115 | $1.19/M | MIT |
| 4 | DeepSeek V4 Pro 0423 | 53.2 | 62 | $0.481/M | MIT |
| 5 | GLM-5.2 | 52.6 | 129 | $0.966/M | MIT |
| 6 | Qwen3.8 27B | 52.0 | 91 | $0.450/M | Apache 2.0 |
| 7 | DeepSeek V4 Flash 0731 | 51.8 | 148 | $0.080/M | MIT |
| 8 | DeepSeek V4 Flash 0423 | 51.8 | 85 | $0.074/M | MIT |
| 9 | MiniMax M3 | 45.4 | 163 | $0.300/M | Community |
| 10 | Kimi K2.6 | — | — | — | — |
关键洞察：
- Kimi K3 Intelligence Index 第一（59.7），前端代码 Arena 第一，Human's Last Exam 约 56%，SWE-bench Verified 93.4%，但权重非商业许可
- DeepSeek V4 Flash 性价比最高：$0.08/M 输入，MIT 许可证，148 tok/s，适合大规模部署
- GLM-5.2 Intelligence Index 第五但 Apache 2.0 许可证最具商业兼容性
- MiniMax M3 推理速度最快（163 tok/s），适合延迟敏感场景
评价：开源模型格局已形成中国厂商主导局面（Kimi/DeepSeek/Qwen/MiniMax/GLM）。许可证差异是生产选型的关键变量——Kimi K3 性能第一但非商业许可，DeepSeek V4 Flash 性价比最优。
链接：https://modelgrep.com/best/open-source
📋 写入路径
本次增量补充草稿：/shared/research-kb/inbox/jay/2026-08-22T2300-jay-five-category-supplement.md
建议精读 / 审稿： 1. SWE-Bench ProMax 论文（arXiv:2608.09802）→ 纳入 SWE-bench 主题页更新 2. pgvector vs Qdrant 2026 决策框架 → 纳入 Vector DB 选型手册 3. Kimi Code 评测全文（CSDN）→ 国产编程 Agent 工程能力参考
无需审稿：modelgrep 排名（数据直接引用），Awesome-Long-Horizon-Agents（资源列表）