Zach Bruggeman 称 Inspect 编写并交付 Ramp 约 75% 的代码
Zach Bruggeman 在 Code Summit 表示,Inspect 编写并交付了 Ramp 约 75% 的代码。全公司使用同一套 AI 智能体配置并共享会话,截图和浏览器录屏展示了工作成果经得起检验。完整演讲:youtu.be/MDI81OaZAD4
Zach Bruggeman 在 Code Summit 表示,Inspect 编写并交付了 Ramp 约 75% 的代码。全公司使用同一套 AI 智能体配置并共享会话,截图和浏览器录屏展示了工作成果经得起检验。完整演讲:youtu.be/MDI81OaZAD4
Thinking Machines Lab 发布适合本地环境的 Inkling 2 Mini(A3B/26B)。Hugging Face 转发称其经过大量 vibe 测试,是一款出色的编码助手,并已在 transformers、llama.cpp 和 MLX 中提供支持。
形式化验证可通过数学证明和逻辑检查 AI 生成代码的正确性,&Truth、Harmonic、Theorem 和 Axiom Math 正分别推进相关系统。&Truth 基于 Lean 构建验证机器,AxiomProver 和 Aristotle 也利用 Lean 生成或检查证明;Theorem 与 Anthropic 则探索由 LLM 扩大软件形式化验证规模。
OpenAI 演示 @dkundel 如何在 ChatGPT Pro 200 中使用 GPT-6.2 Sol 的 Ultrafast 快速迭代。内容还展示他如何判断额外速度在何种情况下值得使用,面向 GPT-6.2 Astra 或 Sol 的构建场景。
Google AI 汇总了过去两周推出的多款 Gemini、Genie、机器人与生命科学模型,以及 Stitch Loop 实验。Gemini 4 Neon 面向复杂软件工程、知识工作和科学工作流,提供前沿级智能与快速的端到端任务执行;Gemini 4 Hydrogen 强调日常编码和智能体工作流的速度与效率;Gemini 4 Carbon 面向高难度长期项目和深度研究。
Gemini 4 Neon 编写了一款基于勃朗峰真实地形的滑雪模拟器,并在 @Antigravity 中完成构建。该模拟器使用自定义着色器,不含任何预制 3D 模型,可实时渲染刻滑雪痕和雪崩,现已开放试用。
Hugging Face 转发了用于 Qwen3.8-27B 的实验性 super-adapter,它以拼接方式将本周全部 harness LoRA 适配器合并为一个。
Hugging Face 推出 harness adapters,通过在目标 AI 智能体 harness 内进行 RL,为 Qwen3.8-27B 分别训练 pi、Hermes Agent 和 OpenCode 的 LoRA adapter,并合并为一个 super-adapter。
推荐理由:文章给出同一模型在三种智能体 harness 中的训练配方与成对评测,可用于判断定制 RL 在性能和工具调用成本上的取舍。
Anthropic以$83发行价登陆Nasdaq,首日收于$97.17,上涨17%,盘后跌逾3%。Claude Code 2.1.329显示定时任务、/loop唤醒和/tasks分叉;Gemini for Mac可在后台操作文件夹、应用及网页。GPT-Live-1.1进入API,新增更自然口音和降低闲置成本的待机选项。
Factory 的 dexhorthy 指出,随着 AI 智能体编写更多代码,人类仍需审查计划、设计和结果,审查深度取决于事情的重要程度。该宣言由 AI Engineer Code Summit 的演讲者与参会者共同撰写,签名已超过 1000 个。
AWS 介绍如何使用 Kimi Code CLI v2.7.0 的原生 bedrock provider,通过标准 AWS 凭证链连接并调用 Amazon Bedrock 上的模型,无需单独管理 Amazon Bedrock API key。示例以 Kimi K3.1 Pro Highspeed 为模型,涵盖命名配置文件与 SSO、IAM 权限、Region 设置、模型能力声明和完整链路测试。
Hugging Face 转发消息称,NousResearch 发布面向 Qwen3.8-27B 的 Hermes adapter,以提升智能体开发的效率和准确率。
OpenAI 构建 Performance Factory,让 Codex 在加快 ChatGPT 开发之外,也帮助 ChatGPT 持续保持运行速度。该系统协调 AI 智能体调查性能回退、提出修复方案供工程师审核,并检查修复在生产环境中是否有效。
OpenAI内部报告称,在一项101人的非代表性调查中,研究人员宁愿放弃团队40%的人手,也不愿停用现有编码智能体三个月。10月,研究人员每日token消耗按API标价折算的中位数为$2,400,较上月增长62%,前10%用户为$23,000。3月至10月,无人干预完成2至4小时任务的估算成功率从23%升至46%;但评测与强化学习环境构建成功率仅29%,访谈认为复杂研究仍需人类监督。
推荐理由:报告把内部智能体的并行规模、折算成本与任务成功率放在一起,呈现常规工作和复杂工程之间的能力落差。
Google DeepMind 发布 Gemini 4 Neon,模型在多数基准上超过 Carbon,生成速度近乎翻倍,较 Carbon 常规定价低 25%。其支持文本、图像、音频和视频的 100 万 token 上下文窗口;在 xhigh 下,Intelligence Index 得分为 61,单任务成本为 $6.44。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
OpenAI 衡量编码智能体对 AI 研究的加速作用,并指出其表现仍不均衡。相关结果也被用于分析这种能力对递归式自我改进意味着什么。
Google 推出 Gemini 4 Neon,主打前沿智能和快速的端到端任务完成能力,面向复杂编码、知识工作与科学流程。该模型在 @ArtificialAnlys Intelligence Index 的 xhigh 设置下总榜排名 #3,在 Vals Index 排名 #2,并处于 Pareto frontier。
Google 推出 Gemini 4 Neon,正向 Google Antigravity 和 Gemini app 中的 Google AI Pro、Ultra 付费订阅者开放。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Sam Altman 转发 Fotis Chantzis 对 Codex 沙箱的介绍,称 Codex 可使用用户已有工具,且访问范围由用户决定。原文进一步讲解实现这一能力的沙箱如何构建:openai.com/index/inside-the-c…
Google 发布 Gemini 4 Neon,面向复杂软件工程、知识工作和科学工作流,主打前沿级智能与快速端到端任务完成。它支持多文件调试与重构、1M-token 上下文窗口和 4 档可调思考;Google 称其在内部 Google Antigravity 测试中录得迄今最低的模型编造率。
同一件事,精选收录的是《Google DeepMind 发布 Gemini 4 Neon,面向复杂软件工程、知识工作与科学流程》
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作和科学流程中的快速端到端任务执行。其 xhigh thinking level 在 Artificial Analysis Intelligence Index 以 61 分列总体 #3,Vals Index 列 #2,并提供 1 million-token 上下文窗口。
推荐理由:原文同时给出第三方基准、每任务成本、上下文窗口和开放范围,便于比较 Neon 在性能与效率之间的定位。
Google DeepMind 正在逐步推出 Gemini 4 Neon。它定位于 Carbon 和 Hydrogen 之间,为复杂软件工程、知识工作和科学任务提供前沿智能并快速完成任务。
Hugging Face 转发了 Younes 对 Qwen3.8-27B OpenCode harness 适配器的发布公告;该版本基于 v2 训练,可用于本地推理。
Snapchat 推出 Easy Lens CLI,允许开发者通过 Claude Code、Cursor 和 Codex 等 AI 编码助手,以自然语言创建、测试和发布 AR Lens。
RadixArk 发布 DaisyRose-27B,Terminal-Bench 4.1 pass@1 从 5.6% 升至 12.0%。该模型基于 Qwen3.8-27B,使用 Miles 和约 1,200 个精选任务,在 144 H200 GPUs 上训练 18 天,最长训练会话达 1M tokens。
推荐理由:文章把任务筛选、异步强化学习与沙箱基础设施连到具体成本和基准变化,呈现一套可迁移的长时程 Agent 后训练路径。
OpenAI 介绍 Codex sandbox 如何在用户现有环境中运行命令,并由用户控制文件系统和网络访问边界。官方强调,编辑代码仓库的命令不应因此自动获得网络访问权限。
OpenAI 介绍 Codex 如何在用户的机器上运行命令,同时在 macOS、Linux 和 Windows 上执行用户控制的文件系统与网络限制。
Daniel Stenberg 质疑 AI 智能体生成的 curl Rust 重写能否持续跟进原项目的改进。在智能体用三周多把 185,000 行 C 代码转换为 340,000 行 Rust 代码期间,curl 合并了 300 多次提交,完成 200 多项重写版本未包含的错误修复,并修复了数个漏洞。随后一个月,curl 又完成约 200 项错误修复,并可能修复更多漏洞。
Agora 发布 AI Developer Toolkit,整合 Skills、CLI、100+ recipes 和 SDKs,让编码智能体可在本地配置示例应用并继续修改 AI 模型或语音应用的人格设定。
Mistral 为 AI 智能体 Vibe 推出桌面应用,用户可同时分配多项任务并查看其并行执行。应用整合 Vibe CLI 的本地功能与 Vibe Code Web 的云端会话,可在本地仓库或云端沙箱工作,并通过 Git worktrees 隔离同一项目中的并行任务。
Simon Willison 与 Prime Radiant 发布三种编码智能体外部沙箱服务器实现,将智能体留在沙箱外,仅让其执行的代码进入专用沙箱。
推荐理由:把智能体与代码执行环境分离,并用域名白名单和凭据替换控制外联,为安全试用本地模型提供了可迁移方案。
Tibor Blaho 在日常工程工作中实测 GPT-6.2 Astra 与 Sol,称两者完成了交给它们的大多数大小任务。在一项案例中,Astra 将一个拥有数百万行代码和旧依赖的近 20 年遗留应用升级至当前编程语言版本,约 3 小时后可在本地使用,约 6 小时后从全新检出运行的全部测试通过。
推荐理由:作者以多百万行遗留应用升级和跨模型互审为案例,给出了模型处理真实工程任务的耗时与协作方式。
Qwen3.8-27B-pi-adapted 发布,通过强化学习和 LoRA adapter 针对 pi 编码智能体完成适配。其 pass@1 在 SWE-bench Pro (Hard 51) 从 29.4% 升至 62.7%,Terminal-Bench 2.1 从 39.5% 升至 55.8%,每项任务的工具调用减少 55–62%,并开放权重。
Qwen3.8-27B-pi-adapted 面向 pi 编码智能体完成强化学习与 LoRA 适配,并开放权重。其 pass@1 在 SWE-bench Pro (Hard 51) 达 62.7%,Terminal-Bench 2.1 达 55.8%;每项任务工具调用减少 55–62%。
Google AI Studio 现可借助 Gemini 4 Carbon 和 Hydrogen,从单条提示词生成包含数据持久化、用户登录和 AI 功能的 Kotlin Android 应用,并在数分钟内发布到 Google Play。
推荐理由:这套流程串联 Kotlin 代码生成、Firebase 后端配置、模拟器调试和 Google Play 发布,呈现端到端开发方式。
OpenAI 现已在 Codex 和 API 中开放 GPT-6.2 Astra 与 GPT-6.2 Sol,用户可以开始使用这两个模型版本。
同一件事,精选收录的是《OpenAI 推出 GPT-6.2 Astra 和 Sol,提升专业输出、编码与计算机操作能力》
Qwen4-Max 已上线 Lebrel AI,面向智能体编程,价格比阿里巴巴标价低 7%。Qwen 公布的结果显示,其在 DeepSWE v1.1 中排名第一,领先 Kimi、GPT 和 Opus;平台会匿名化并认证回答,为每个回答附上签名回执。
K2-Horizon 提出六款全开源语言模型,规模从 0.9B 稠密模型到 375B-A23B MoE,面向通用推理与智能体任务。这些模型在智能体和编码基准上领先或可与同规模强开源模型竞争;36B-A4B 结合 MoVA 和 softplus 注意力门控,以 1/7 活跃参数几乎匹配同数据训练的 32B 稠密模型,Uno 则可将解码加速最高 2.2x。
推荐理由:同数据训练的对照结果显示,36B-A4B 以 1/7 活跃参数接近 32B 稠密模型,为研究规模与稀疏性提供了可复用基线。
Suvaditya Mukherjee 使用 Claude 将 trellis.2 完整实现为 CUDA C++,称其比原 PyTorch 实现快 5.3x,并已开源代码:github.com/suvadityamuk/trell…。
Revolut 使用 OpenAI 模型和 Codex,将编码时间缩短 30–60%,同时在不牺牲安全性的前提下推进创新。这些工具还帮助其扩展金融犯罪调查能力,兼顾开发效率与安全要求。