DeepLearning.AI 推出浏览器端智能体编码实验室
在浏览器中通过 AI 编码智能体边做边学。支持实时预览，无需安装任何内容。在我们的课程《使用设备端内存构建 AI 助手》中试用 https://DeepLearning.AI 的新智能体编码实验室。免费报名：https://deeplearning.ai/courses/building-ai-assistants-with-on-device-memory… #AI #AIAgents
#编码
DeepLearning.AIAI 评分1818
OpenAI NewsAI 评分1212 Benefit Street Partners 使用 Codex 加速问答与代码审查
Benefit Street Partners 利用 Codex 进行代码审查并加快后续跟进，从而更快速地回答问题。Anant Kumar 借助该工具构建用于比较贷款估值和分析信贷协议的软件。
a16zAI 评分2121 AI拉大普通与优秀工程师差距
@grepr_ai 的 Jad Naous 谈 AI 如何拉大普通与优秀工程师之间的差距：“有些人正在适应和学习，而另一些人则不那么善于适应。随着我们开始为团队招聘更多人员，普通工程师和真正优秀的工程师之间的这种差异
AWS Machine Learning Blog精选AI 评分6363 AWS 发布 Reflection Beam 智能体编码模型的部署与调优指南
Reflection AI 推出面向智能体编码的开源权重模型 Beam，拥有 501B 总参数和 23B 激活参数，支持 1M token 上下文。该文章详解了在 AWS SageMaker JumpStart 和 HyperPod Inference 上部署 BF16、FP8 或 NVFP4 版本的具体步骤，包括 GPU 容量规划、SGLang/vLLM 运行时配置及性能测试方法。
推荐理由：原文详细拆解了 Reflection Beam 在 AWS 上的两种部署路径及显存规划，为开发者提供了从模型选型到性能调优的可落地工程指南。
Hugging Face Blog精选AI 评分9292 Reflection 发布 501B 参数开源模型 Beam
Reflection 发布了首个开源大语言模型 Beam，这是一个拥有 501B 总参数（每 token 激活 23B）的混合专家（MoE）模型，支持 1M tokens 上下文窗口并采用 Apache 2.0 许可证。
推荐理由：原文提供了501B MoE模型的架构细节、多精度检查点及vLLM/SGLang部署方案，读者可据此评估其在自有硬件上的落地可行性。
Ethan MollickAI 评分88 Codex Composer 文本预测常出错
过一种 Codex Composer 文本预测总是出错的生活。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Claude Code 团队如何重构代码审查流程
Claude Code 团队通过引入多层自动化审查机制，将人工审批集中在高风险变更上，使合并 PR 数量翻倍的同时回滚率下降超过 40%。该流程包含预验证、AI 审查、安全阻断及基于风险的分级审批，并强调利用事故数据持续优化审查模型以减少噪音。
推荐理由：原文详细拆解了 Claude Code 团队在代码量激增背景下，如何通过多层自动化审查与风险分级机制平衡效率与安全。
Modal 官方工程博客精选AI 评分7070 Meta 发布 Muse Spark Open 并上线 Modal Auto Endpoints
Meta 发布开源权重模型 Muse Spark Open，现已通过 Modal Auto Endpoints 提供服务。该模型专为智能体编码和长周期任务设计，具备原生多模态理解能力和 1M-token 上下文窗口，支持代码编写调试、多步规划及故障恢复。
推荐理由：原文提供了 Muse Spark Open 在 Modal 上的部署方式、计费模式及关键基准测试分数，便于评估其智能体编码能力与工程落地成本。
Together AI Blog精选AI 评分7878 Together AI 上线 Meta Muse Spark Open 模型
Meta 的开源权重模型 Muse Spark Open 已在 Together AI 平台正式可用，作为 Day 0 发布合作伙伴，Together AI 提供该模型的 Serverless API 服务。
推荐理由：原文披露了该开源权重模型的长上下文能力、定价及API调用方式，为评估其在复杂代码库中的实际表现提供了直接依据。
AWS Machine Learning Blog精选AI 评分6565 Meta Muse Spark Open 上线 Amazon SageMaker JumpStart
Meta 面向编码优化的开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 提供。该模型采用 MoE 架构，总参数 816B（激活 42B），支持 1M token 上下文窗口及文本、图像、音频等多模态输入。
推荐理由：原文给出了模型在 SageMaker JumpStart 的部署入口、两种量化变体及具体实例规格，读者可据此评估私有化部署成本与能力边界。
Hugging Face Blog精选AI 评分9292 Meta 发布 Muse Spark Open：816B 参数开源多模态混合专家模型
Meta 发布 Muse Spark Open，这是一个拥有约 816B 总参数、每 token 激活约 42B 参数的混合专家（MoE）多模态模型，支持文本、图像、音频和视频输入，上下文窗口达 1M tokens。
推荐理由：原文给出了816B MoE架构、百万上下文及多模态输入的具体参数，并提供了从本地量化到集群部署的完整工程路径。
Artificial AnalysisAI 评分2828 AA-AgentPerf新增AMD MI355X测试
除了新的 DeepSeek V4.1 Flash 结果外，我们还在 AA-AgentPerf 中为 Kimi K3、GLM-5.2/5.3 和 DeepSeek V4 Pro 添加了 AMD 的 MI355X - 将其与我们在编码智能体工作负载上最新的 NVIDIA 系统结果进行比较。AA-AgentPerf 是我们的智能体推理性能
AnthropicAI 评分4242 Anthropic 工程博客谈内部源码控制
我们的工程博客新文章：构建内部源码控制系统。5月，我们每天合并约2,500个代码变更。9月，每天合并超过30,000个。因此，我们为人类（而非智能体）规模设计的开发者基础设施成为了瓶颈。
LangChain Blog精选AI 评分7373 LangChain 详解如何通过 Harness Engineering 提升 Deep Agents 编码表现
LangChain 团队通过优化智能体框架（Harness），使 deepagents-cli 在 Terminal Bench 2.0 上的得分从 52.8% 提升至 66.5%，排名进入前五，且全程保持底层模型 gpt-5.2-codex 不变。
推荐理由：LangChain 分享了通过系统提示、工具和中间件优化智能体框架的方法，展示了如何在不更换模型的情况下显著提升编码性能。
LangChain Blog精选AI 评分8282 LangChain 发布 Open SWE：面向内部编码智能体的开源框架
LangChain 发布 Open SWE，这是一个用于构建内部编码智能体的开源框架，基于 Deep Agents 和 LangGraph 实现。该框架总结了 Stripe、Ramp 和 Coinbase 等公司在生产环境中的架构模式，包括隔离云沙箱、精选工具集、子智能体编排以及与 Slack、Linear 和 GitHub 的工作流集成。
推荐理由：原文基于 Stripe、Ramp 等公司的生产实践，提炼出隔离沙箱与子智能体编排等通用架构模式，为构建内部编码智能体提供了可复用的开源框架。
LangChain Blog精选AI 评分6363 LangChain 分享如何利用 Deep Agents 实现文档代码自动测试
LangChain 团队使用 Deep Agents CLI 配合自定义 Skills，将文档中静态的内联代码样本自动化迁移为可独立运行、经 CI 持续测试的代码文件。该流程通过编写类似给同事的操作步骤作为 Skill 指令，让 Agent 自动完成代码提取、添加 setup/teardown、标记片段及运行测试等任务，解决了 AI 领域 SDK 频繁更新导致文档示例失效的问题。
推荐理由：LangChain 分享了利用 Deep Agents CLI 和 Skills 自动化迁移文档代码样本为可测试单元的实践，提供了具体的指令编写思路和 CI 集成方案。
Google DeepMind精选AI 评分9797 Google DeepMind 发布 Gemini 4 Argon 模型
Google DeepMind 正式发布前沿模型 Gemini 4 Argon，面向开发者、企业及消费者开放 API 及订阅服务。该模型在编码、金融、法律、网络安全和科学等领域表现突出，在 Vals Index 中排名第一，并具备 1M token 的上下文窗口。
推荐理由：原文详述了该模型在代码重构、科学发现及安全防御中的具体性能提升与落地案例，展示了其处理复杂长程任务的实际能力。
Google Developers Blog精选AI 评分7878 Google 演示使用 Gemini 4 Argon 夜间自动优化 ADK Python 代码库
Google 工程师展示了如何使用 Gemini 4 Argon 在无人值守的情况下对 google/adk-python 进行跨文件性能优化。通过配置 .agents/skills 和 /goal 模式，模型在 11 小时内完成了代码修改，使长会话中的内存准备时间减少约 40%，冷启动包导入速度提升 21%。最终有 6 个优化提案中有 2 个通过了人工代码审查并合并到主分支。
推荐理由：原文完整复盘了利用 Gemini 4 Argon 优化大型代码库的提示词与流程，并给出了具体的性能提升数据。
Artificial AnalysisAI 评分3030 Artificial Analysis 上线 FrontierCode 1.1 榜单
我们推出了 FrontierCode 1.1 排行榜，这是 Cognition 的一项私有评估，测试模型完成编码任务的能力，其结果需能被真实仓库维护者实际合并。@cognition 于 2026 年 6 月宣布推出 FrontierCode 并进行了更新
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot 如何配置自定义指令、Agent Skills 与 MCP 以适配代码库
GitHub Copilot 支持通过 `.github/copilot-instructions.md` 定义仓库级规范，利用 `.github/skills` 封装可重复流程，并在 `.github/agents` 创建专用智能体。
a16zAI 评分3434 Figma CEO谈设计即代码与模型价值
Figma 的 Dylan Field 阐述为何设计是新的代码，以及随着模型变好价值将流向何处：“如果你相信编码模型会持续进步，那么你也相信这更多属于外环架构，即你关于如何构建系统所做的决策
Ethan MollickAI 评分1515 Google 若借鉴竞品可提升 Gemini 4
Google 的优势在于，如果他们善加利用，就能观察 OpenAI 和 Anthropic 在 Codex/Code 上的发展方向并立即跟进。否则，他们将不得不自行经历整个学习过程，这会使 Gemini 4 的影响力随之减弱。
OpenAI NewsAI 评分2525 LegalOn 在保持开发速度的同时降低 Codex 成本
LegalOn 将每日 Codex 估算成本降低了 65%，同时保持了开发速度。该公司通过将 Astra、Sol 和 Luna 匹配到具体任务并战略性地管理预算来实现这一目标。
OpenAI NewsAI 评分1515 Oracle 如何用 ChatGPT Work 和 Codex 将数天工作缩短至几分钟
Oracle 在招聘、工程和运营领域利用 ChatGPT Work 和 Codex，将专家知识转化为快速且可重复的工作流。这一应用显著提升了效率，使原本需要数天的任务能在几分钟内完成。
Microsoft Research精选AI 评分7373 Microsoft Research 发布 Agent Lightning v1.0：基于真实 Harness 的轻量级智能体强化学习框架
Microsoft Research Asia 推出 Agent Lightning v1.0，这是一个约 3500 行代码的轻量级智能体强化学习框架，支持使用部署时的真实 Agent Harness 直接参与训练。
推荐理由：微软亚洲研究院提出 Harnessed Agentic RL 范式，通过仅 3500 行代码的轻量框架让真实 Agent Harness 直接参与强化学习，在 SWE-bench Verified 上以约 6000 样本实现 Qwen3.5-9B 性能提升。
Mistral AI精选AI 评分8484 Mistral AI 发布 Mistral Large 4 预览版
Mistral AI 推出 Mistral Large 4（ML4）公开预览版，这是一款拥有 1 万亿参数、490 亿激活参数的原生多模态开放权重模型。该模型在欧洲数据中心使用 NVIDIA Grace Blackwell GPU 从零开始训练，在编码、智能体工作流及网络安全等领域表现卓越，部分指标超越闭源前沿模型。权重将于本月底发布，目前可通过 Mistral Studio 试用 API。
推荐理由：Mistral Large 4 以开放权重形式提供前沿性能，其欧洲本土训练背景为寻求数据主权的用户提供了新选择。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Anthropic 发布 Claude Code 云端会话功能指南
Anthropic 推出 Claude Code 云端会话功能，允许用户在独立虚拟机上运行任务，支持从浏览器、移动端、终端和 Slack 启动并跟踪进度。该功能包含于 Pro、Max、Team 或 Enterprise 计划中，不额外收取计算费用，现有个人订阅用户可领取一次性奖励额度。
推荐理由：原文通过并行任务实测与架构拆解，展示了云端会话在隔离环境下的并发能力、安全边界及具体工作流适配场景。
AWS Machine Learning Blog精选AI 评分6060 Amazon Bedrock 上线 GLM 5.3 模型
Z.ai 的 GLM 5.3 模型现已正式登陆 Amazon Bedrock，作为 753B 参数的混合专家模型，它专为编码和长周期智能体任务优化。用户可通过 OpenAI 兼容 API 或原生接口调用，利用跨区域推理和显式提示词缓存降低延迟与成本。文中还演示了结合 Strix 智能体进行自动化安全测试的具体工作流。
推荐理由：原文展示了GLM 5.3在Bedrock上的托管接入方式及针对长上下文和代码场景的缓存优化，为开发者提供了具体的集成路径。
AWS Machine Learning BlogAI 评分3535 AWS GovCloud 支持 Claude Code 与 Amazon Bedrock 运行合规工作负载
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 及 Claude Sonnet 5 现已在 AWS GovCloud (US) 的 Amazon Bedrock 上可用，为受 ITAR 等法规约束的工作负载提供 AI 辅助开发方案。
GitHub Blog · AI & MLAI 评分5050 GitHub 发布 ReviewBench：面向 AI 代码审查的开源基准
GitHub 推出 ReviewBench，这是一个基于 1.039 亿个真实 Pull Request 分布构建的 AI 代码审查离线基准。该基准包含覆盖 19 种语言的 219 个代表性 PR，采用多源黄金集并由高级工程师以 96.6% 的一致性进行独立验证。ReviewBench 通过结构化严重性与类别标签及四项评估指标，帮助开发者客观比较不同代码审查智能体的精度与召回率权衡。
Together AI Blog精选AI 评分6363 Together AI 发布 Together Link 支持在常用编码工具中接入开源模型
Together AI 推出 Together Link，允许用户在 Claude Code、Codex 等现有编码工具中直接调用 Kimi K3、GLM 5.3 等开源模型，宣称可降低超过 50% 的支出。该工具通过一条安装命令配置，利用 Together AI Router 根据任务复杂度在快速低成本模型与前沿能力模型间自动路由，并提供会话级成本对比追踪。
推荐理由：原文给出了将现有编码智能体切换至开源模型的命令与自动路由机制，读者可据此评估在保留工作流前提下降低推理成本的具体路径。
Ethan MollickAI 评分4343 Fable 5.1 单提示词生成粗野主义城市
“创建终极粗野主义城市建造者。你应该以令人愉悦且直观的方式对建筑拥有大量控制权……”以下是 Fable 5.1，距离下方的 GPT-5 已过去一年多，仅凭一个提示词一次性生成。它相当不错：https://brut-city.netlify.app
GitHub Blog · AI & MLAI 评分3535 GitHub 建议开发者强化三项 AI 协作技能
GitHub 指出开发者需掌握指挥 AI、评估输出及解决更大问题这三项核心技能。文章强调利用 GitHub Copilot 的 Rubber Duck agent 进行代码批判以弥补模型盲区，并主张将节省下的实现时间用于架构权衡与技术决策。
LangChain Blog精选AI 评分7878 LangChain 详解如何在 Agent Harness 中构建模型路由器以降低成本
LangChain 发布指南介绍如何在 Open SWE 编码智能体中构建模型路由器，通过将任务分配至不同层级的模型（GLM-5.3-Flash、GPT-5.6 Sol、GPT-6 Astra），使每个线程的中位成本降低了 64%，同时保持合并 PR 率等质量指标不变。
推荐理由：LangChain 分享了在 Open SWE 中构建模型路由器的完整流程，通过任务分类和 A/B 测试实现了成本大幅降低且质量无损。
Anthropic Claude.dev 开发者博客精选AI 评分7878 Claude Code 推出 Mods 机制并演示 Token Weather 等自定义插件开发
Anthropic 在 Claude Code 中引入 Mods 功能，允许开发者使用 JavaScript 或 TypeScript 编写插件以监控会话事件、修改行为或绘制自定义 UI。
推荐理由：原文提供了构建 Claude Code 自定义 Mod 的完整代码与步骤，读者可据此掌握通过 JavaScript 扩展终端交互界面及拦截工具调用的具体方法。
Google DeepMind精选AI 评分9494 Google DeepMind 发布 Gemini 4 Argon：面向复杂工作流的前沿智能体模型
Google DeepMind 正式宣布推出新前沿模型 Gemini 4 Argon，该模型旨在通过深度推理处理复杂的长周期工作流，目前正通过 Fairwind Program 向受信任的网络安全防御者逐步开放。
推荐理由：原文披露了 Gemini 4 Argon 在长上下文、软件工程及网络安全防御上的具体基准数据与分阶段开放策略，为评估前沿模型的实际落地能力提供了关键参考。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Anthropic 发布 Claude Sonnet 5.5：速度提升 30%，默认开启思考模式
Anthropic 发布 Claude Sonnet 5.5，作为 Claude 5.5 系列的第二款模型，其速度比 Sonnet 5 快 30%，且因通常消耗更少 token，实际成本降低最多 30%。
推荐理由：原文详细列出了从 Sonnet 5 迁移到 5.5 的五个破坏性变更及 API 参数调整，开发者可据此快速评估升级成本与兼容性风险。
Anthropic Claude.dev 开发者博客精选AI 评分7878 Claude Opus 5.5 任务成本解析与优化指南
Anthropic 发布指南解析 Claude Opus 5.5 的任务成本构成，指出轮次、缓存读取、输出 token 类型和模型选择是决定费用的四大因素。Opus 5.5 API 列表价较前代降低，输入和输出 token 便宜 20%，缓存读取便宜 60%；在 Pro、Max 或 Team 订阅计划中，更低的价格会转化为约多 25% 的可用额度。
推荐理由：原文拆解了影响任务成本的四个变量，并提供了在 Claude Code 中实测与优化会话的具体操作路径。
Anthropic Claude.dev 开发者博客精选AI 评分7878 Claude Code 中如何根据任务选择 effort 等级
Anthropic 开发者 Thariq Shihipar 深入解析了 Claude Code 中的 effort 机制，指出其本质是控制模型在验证、边缘情况测试及自主判断上投入的计算量。
推荐理由：作者通过实测和基准分析，给出了不同任务场景下选择 effort 等级的具体策略与案例。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Copilot 博客探讨为何聊天并非 AI 最佳交互界面
GitHub Copilot 官方博客文章认为聊天框往往不是与 AI 协作的最佳 UI，建议改用可定制的画布（canvas）来构建专用工具。文中举例说明通过画布创建本地应用或自动化开发流程，能避免将 Agent 当作通用工具造成的 token 浪费，让用户更专注于具体任务而非反复对话。
推荐理由：作者指出聊天界面常是低效交互，提出用可定制画布替代纯对话以节省 token 并优化工作流。