跳到正文

技术方向

AI 编码 最新动态

用 AI 写代码:编程助手、Vibe Coding、代码模型评测,以及开发方式的变化。

21 条精选近 30 天 16 条共收录 104 条

更新

AI 编码的精选

11月20日周五第 1–20 条
  1. Hugging Face Blog76

    Hugging Face 推出 harness adapters,以定制 RL 提升智能体性能并降低成本

    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。

11月19日周四
  1. The Decoder79

    OpenAI内部报告称研究人员宁愿放弃40%团队人手,也不愿停用编码智能体

    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。

  2. Google DeepMind90

    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。

  3. Hugging Face Blog80

    RadixArk 发布 DaisyRose-27B,Terminal-Bench 4.1 pass@1 升至 12.0%

    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。

11月18日周三
  1. Tibor Blaho85

    Tibor Blaho 实测 GPT-6.2 Astra 与 Sol 处理日常工程任务

    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。

  2. Google Developers Blog92

    Google AI Studio 新增全栈 Android 应用构建与 Google Play 发布能力

    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。

11月17日周二
  1. Hugging Face 每日热门论文90

    K2-Horizon 提出六款面向推理与智能体工作的全开源语言模型

    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。

  2. Microsoft Research79

    TokenEconomizer 开源插件利用历史会话降低 AI 编码智能体成本

    UC Berkeley、Microsoft Research 和 Microsoft Security 推出开源插件 TokenEconomizer,可从同一仓库的历史会话中学习,在不修改智能体或底层模型的情况下减少后续任务浪费。

    推荐理由:它展示了如何从同一仓库的历史会话中提炼微技能、裁剪工具并干预失败循环,为降低编码智能体的 token 成本提供可迁移方案。

11月14日周六
  1. AWS Machine Learning Blog71

    如何在 Amazon Bedrock 上用 NVIDIA NeMo Switchyard 将编码智能体请求路由到合适模型

    AWS 介绍了如何在 Amazon Bedrock 上部署 LiteLLM 与 NVIDIA NeMo Switchyard,为编码智能体请求配置 Stage 或 Random 模型路由。

    推荐理由:文章把编码智能体的路由评估从单次 token 价格转向每个成功任务成本,并提供可部署的 Stage、Random 配置与基线对比方法。

11月13日周五
11月12日周四
  1. Google Developers Blog77

    用 Gemini 和约束求解器捕获 Go 模糊测试漏掉的错误

    Google 的一名 Agent skills 项目负责人将 Gemini 4 Argon、Z3 约束求解器与 Go 汇编分析结合,从编译器保留的边界检查陷阱中合成崩溃输入;该流程找出测试解析器中预置的 3 个 bug,并在 skill-lint 中发现 3 个潜在 bug。

    推荐理由:文章拆解了 Go 模糊测试因切片容量掩盖越界崩溃的原因,并给出用 Gemini、Z3 与容量裁剪互补排查解析器错误的方法。

11月11日周三
  1. Google DeepMind88

    Gemini 4 Carbon 现已向开发者、企业和用户开放

    Google DeepMind 宣布 Gemini 4 Carbon 已向开发者、企业、科学家和消费者开放,是其当前最强的前沿模型,专注网络安全能力以及跨知识工作、软件工程和科学推理的长链路智能体任务。

    推荐理由:文中给出了Carbon与Argon及多家外部模型在基准测试、成本和安全指标上的对比数据,便于横向评估这次升级。

11月10日周二
  1. Google DeepMind66

    Google DeepMind推出AlphaProof Code,完成Signal协议代码的形式化验证

    Google DeepMind研究人员开发出AlphaProof Code,一种多LLM智能体框架,用于对代码进行深度形式化验证,并用它对广泛部署的Signal加密协议的实际代码完成了形式化验证,证明其满足关键安全属性。验证过程中由Gemini Carbon驱动的智能体生成超过六百万行Lean证明代码,人工只需复核约百分之一的代码,整个验证耗时四周,团队已开源相关验证成果并发布技术论文。

    推荐理由:原文给出了AlphaProof Code从规格翻译到证明生成的具体分工,也说明人工复核只占代码的一小部分。

11月6日周五
  1. Google Developers Blog68

    Google 量化代码 TODO 引发的智能体偏航成本

    Google 分析数千名工程师、数亿个智能体步骤后发现,代码中的 TODO/FIXME bug 引用会让智能体偏离开发者原定任务。13% 的文件读取会话接触到这类引用,其中 6% 触发后续行动,83% 的行动未获开发者请求。

    推荐理由:文章量化了代码中过时 TODO 如何诱发智能体偏航,并给出结合工单状态与代码历史清理引用的方法。

10月29日周四
  1. Mistral AI83

    Mistral AI 发布 Mistral Large 4 开放权重模型,强化编码与防御性网络安全

    Mistral AI 发布改进版 Mistral Large 4(Le Chonk)的模型权重,这款 1-trillion-parameter 原生多模态模型提供 Low、Medium、High 三种推理模式,并提升编码、防御性网络安全和推理效率。

    推荐理由:原文把编码、防御性网络安全和推理效率的公开评测,与开放权重及自部署路径放在一起,便于判断模型的工程使用价值。

10月21日周三
  1. GitHub Blog · AI & ML71

    三位 Java Champion 如何使用 GitHub Copilot 提升生产力

    GitHub Blog 采访三位 Java Champion,介绍他们如何在生产环境和开源项目中使用 GitHub Copilot,并强调人类仍需负责上下文、验证和最终结果。

    推荐理由:三位资深 Java 开发者分享从上下文准备、计划拆解到验证门和人工审查的 Copilot 实践,覆盖代码迁移、调试与 Agent Skills。

10月13日周二
  1. Anthropic Engineering81

    Anthropic 构建 Scion,重构智能体规模的源代码管理

    Anthropic 构建内部版本控制系统 Scion,并在五个月内将单体仓库从 git 完整迁移,以应对代码合并量从 2026 年 5 月日均约 2,500 次增至 9 月超过 30,000 次。

    推荐理由:文章以 Anthropic 的超大单体仓库为案例,解释 AI 智能体高频改码如何暴露 Git 的扩展瓶颈,并给出 Scion 的架构取舍与实测收益。

10月6日周二
  1. Mistral AI84

    Mistral AI 发布 Mistral Large 4 公共预览版

    Mistral AI 发布 Mistral Large 4 公共预览版,这是一款 1 trillion-parameter、52 billion active parameters 的原生多模态模型,预览 API 已可在 Mistral Studio 试用。

    推荐理由:文章集中披露 Mistral Large 4 的参数规模、核心基准与预览 API,并交代月底发布权重的计划,便于把握其能力范围和开放节奏。

8月13日周四
  1. DeepSeek News86

    DeepSeek-V4-Pro 正式版上线,增强 Agent 能力并更新 API 支持

    DeepSeek 发布 DeepSeek V4 Pro 正式版,并同步更新至 APP、网页端和 API。模型增强了 Agent 能力,API 原生支持 OpenAI Responses API 并适配 Codex;V4-Pro 和 V4-Flash 思考模式新增 low、high、max 三档。API 将于北京时间 2026 年 8 月 17 日 0 时启用峰谷定价,闲时价格为高峰时段的一半。

    推荐理由:原文同时交代了 DeepSeek V4 Pro 的 Agent 能力、Responses API 接入、思考强度与峰谷定价变化,便于评估升级成本和接入方式。