TechCrunch · AI同一件事 · 2 家7171Recursive 发布笔记本电脑级编码模型 Flint，称其大部分由 AI 构建
Recursive 发布首个模型 Flint，一款可在笔记本电脑上运行的免费编码模型，其开发过程几乎完全由 AI 驱动。Recursive 的自动化研究系统 Eureka Machine 参与了 Flint 的几乎所有开发步骤，使团队在不到四个月内完成模型构建。
实时
#编码
- TechCrunch · AI同一件事 · 2 家7171
Hugging Face Blog如何通过专精SLM词汇表在真实应用中将推理成本降低77%。
Qwen3-4B的专精词汇表VocabX通过聚焦每个token的成本而非频率，在不改变基础模型的情况下将推理成本降低77%。该方法针对葡萄牙语作文评分器，将输出层词汇表从约152,000行缩减至约65,000行，显著减少token分割和未使用词汇项的计算开销。
Trail of BitsTrail of Bits 发布 patching-bugs 和 regression-hunt 插件让工程师委托 AI 修复 Bug 和回归测试
Trail of Bits 发布 patching-bugs 和 regression-hunt 插件，让工程师可委托 AI 修复 Bug 和回归测试。patching-bugs 插件可复现 Bug、开发修复方案并测试，regression-hunt 插件则检查变更是否破坏已有功能。regression-hunt 相比基准 Codex 代理减少 25% 假阳性结果。
蚂蚁 inclusionAI · Hugging Face 新模型3535inclusionAI/Ling-3.0-tiny-UBTree 发布：基于 UBTree 技术的微调模型
inclusionAI 发布 Ling-3.0-tiny 的 UBTree 技术微调版本 Ling-3.0-tiny-UBTree-B16，参数量 183.1M，结合五层 DFlash 主干和 bigram 选择器，在 GSM8K、MATH-500 等基准上实现 2.6-3.5 倍速度提升。该模型需与目标模型配合使用，UBTree 适配 SGLang 的开源版本尚未发布。
NVIDIA Technical Blog3535使用 RFD4-Proteina 通过奖励引导推理时搜索设计蛋白质
RFD4-Proteina 可设计八肽蛋白质序列，组合数超 25 亿种；100 肽序列可能性超可观测宇宙原子数，其中存在可开发新疗法的蛋白质；该模型通过奖励引导推理时搜索解决蛋白质设计这一搜索问题。
GitHub Blog · AI & ML2222三位 Java 大师如何利用 GitHub Copilot 提升生产力。
三位 Java 大师 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 分享了在 Hypersistence Utils、Hypersistence Optimizer、教学幻灯片迁移等项目中使用 GitHub Copilot 的经验。
OpenAI NewsOpenAI 推进 ChatGPT 在低资源编程语言中的开发
OpenAI 改进 ChatGPT 在低资源编程语言中的表现，推出针对软件工程、SQLite 和 COBOL 迁移的新评估
OpenHands Blog6363Recursive Flint 在 OpenHands 上发布：开源模型助力本地高效编码工作流
Recursive Flint 发布，一款 40 亿参数的混合专家模型，专为本地高效推理设计，每 token 仅激活约 2.5 亿参数，在 M4 Pro MacBook Pro 上实现 125+ tokens/秒，NVIDIA RTX Spark 上达 150+ tokens/秒。OpenHands 作为其首发合作伙伴，支持该模型在本地硬件上运行，为开发者提供开源编码模型选项。
Apple Machine Learning ResearchTEAL：基于 ViT 的像素级高效主动学习框架
TEAL 首次将 ViT 的 token 空间高效主动学习应用于低预算像素级语义分割，在 CamVid、Cityscapes 等数据集上以单张图仅 1 个像素标注为代价，将 mIoU 提升至 +24.36，10 个像素标注时达到全监督 97% 的性能。
Tessl BlogTessl Blog：停止逐行审查代码，开始验证意图
Tessl Blog 停止逐行审查代码，开始验证意图。团队合并的 PR 量是去年的四倍且几乎都是 AI 生成，导致审查成为瓶颈。团队转向在代码生成前审查意图（验收标准、约束和边缘情况），并将重复的审查评论转化为可由机器执行的规则（不变量），从而将审查重点从代码本身转移到决策和规则所有权上。
Hacker News · AI 热帖7575Qwen3-4B-deslop 发布：消除 AI 写作习惯的 4B 开源模型
Qwen3-4B-deslop 模型通过微调消除了 AI 写作中的常见习惯（如破折号、"not X, but Y"句式、三元素列表等），在 40 个未见提示上 SLOP 分数从 121 降至 12.5，68% 的回答达到人类写作水平。该 4B 模型经 Ollama 量化后仅 2.5GB，可在本地运行，且仍保持 30/30 事实题正确率与原版相当。
Inception Labs BlogMercury 2 和实时子智能体的崛起
Mercury 2 在上下文压缩任务中仅需 150 秒即可完成，同时保持与 Sonnet 4.6 相同的质量，速度提升 5 倍，成本降低 90%。Augment Code 将其用于企业级编码智能体，实现 82% 的压缩延迟降低和 90% 的成本削减，并通过 Prism 模型路由器动态分配任务，将 LLM 总支出降低 30%。
- Inception Labs Blog
Inception Labs 推出 Mercury Edit 2：基于扩散模型的下一代代码编辑预测工具
Mercury Edit 2 是 Inception Labs 推出的全新扩散模型（dLLM），用于预测代码编辑中的下一步操作，其接受率比前代模型提升 48%，编辑选择更精准（提升 27%）。
MiniMax NewsMiniMax M3.1 Flash 发布：性能提升与成本降低的下一代模型
MiniMax M3.1 Flash 正式推出，相比前代在线推理速度提升近三倍、成本降低 70%。该模型在复杂智能任务（cowork）、计算机使用、软件开发和网络安全等基准测试中表现优异，自动化任务排名 AutomationBench-AA 前列，DeepSWE v1.1 得分 73.7%，OSWorld V2 和 ALE 分别得分 61.7 和 29.6，CyberGym 得分 82%。
DeepSeek · Hugging Face 新模型5656DeepSeek-V4.1-Flash-1017 发布：提升推理、编码与智能体任务性能
DeepSeek-V4.1-Flash-1017 发布，在推理、编码、智能体任务和视觉基准上显著提升，执行时间缩短、输出长度减少，完成任务更快且成本更低。在 HLE（无工具）基准中得分 42.6，Terminal-Bench 4.0 得分 51.8，DeepSWE v1.1 得分 77.0，许可证为 MIT。
Google ResearchGoogle Research 探索将 AI 智能体与生物学现实相结合构建自主湿实验室
Google Research 发布 VERID 框架，使 AI 智能体能在基于物理测量的安全、资源高效的实验中运行；在适配体和从头蛋白质设计原型上展示闭环智能体科学发现；通过 3 轮设计-测试-迭代循环，在肌红蛋白和 α-凝血酶两个靶点上，AI 驱动的合理和从头设计将确认的靶向命中率分别提高到 33.5% 和 42.1%。
Baseten BlogReflection 推出 Beam 大模型：专为编码和智能体工作负载设计
Reflection 推出 Beam 大模型，采用 501B 参数的专家混合 (MoE) 架构，每 token 活跃参数 23B，上下文窗口达 100 万 tokens，专为编码和智能体工作负载设计，在编码、智能体、推理和 STEM 基准测试中表现优异，通过强化学习训练以减少 token 使用量，用户可调整推理力度参数，通过 Baseten 提供 API 和专用推理服务。
- OpenAI News3535
Codex 如何加速 Benefit Street Partners 的代码审查与跟进
Anant Kumar 使用 Codex 进行代码审查并加快后续跟进。
vLLM BlogvLLM 优化 Kimi K3：快速且负责任的模型调优实践
vLLM通过智能体辅助开发为Kimi K3构建了统一CuTe DSL解码路径，在16颗NVIDIA GB300 GPU上实现840 tokens/s的批处理1性能，测试配置中解码吞吐量提升1.5-2倍，AgentX工作负载P90交互性提升1.8倍。
Claude BlogClaude Code 团队如何进行代码审查
Claude Code团队将代码审查量提升2倍的同时将回滚率降低40%，通过将大部分审查工作交给机器优化人类时间，并大幅提升撤销错误的速度。团队采用六层自动化审查流程，包括Claude运行测试和生成输出、子代理审查差异、内部技能自动检测错误、UI变更对照设计规范，以及代码规范和代码所有者指南的自动检查，最终由人类审查者处理高阶问题。
- Baseten Blog
Meta 发布 Muse Spark Open：一个为代码智能体设计的开源权重模型
Meta 发布 Muse Spark Open，一个 816B 参数的开源权重模型，专为代码智能体设计，具有 42.7B 活跃参数、1M token 上下文窗口和全模态输入（文本、图像、视频、音频），性能与前沿实验室模型相当，采用压缩 MoE 架构和混合全局/局部注意力机制优化推理效率，通过 NVFP4 检查点将权重大小缩减至 540GB。
Cohere BlogClaude 代码智能体团队规模化经验：以 30% 成本触及前沿
十六位 Claude 代码智能体在约 2000 次智能体会话和 2 万美元 API 成本内编写出可构建 Linux 内核的 10 万行 C 编译器；Cursor 让数百智能体在约一周内从零编写出超百万行代码的浏览器。
- 蚂蚁 inclusionAI · Hugging Face 新模型
inclusionAI/Ling-3.0-flash-UBTree 发布：基于 UBTree 技术的推测解码模型
inclusionAI 发布 Ling-3-Flash-UBTree-B16 模型，结合五层 DFlash 主干和学习的 bigram 选择器，为 Ling3-Flash 提出多个候选延续用于目标模型验证，参数量 482M，在 MMLU 等基准上实现 3x+ 的 E2E 速度提升，目前 UBTree 适配尚未开源，SGLang 集成支持预计即将推出。
Google DeepMindGoogle DeepMind 发布 Gemini 4 Argon 并强调安全防护
Gemini 4 Argon 在编码、金融、法律等领域展现出前沿能力，尤其强化了网络安全防御功能，通过 Fairwind 项目和内部测试验证其有效性。该模型在 MMLU 等基准测试中表现优异，并采用三层实时防护机制（输入筛选、内部自省、持续监控）及自动化偏差监控，显著降低有害请求和违规行为风险，成功拦截 99% 以上的外部生物安全越狱尝试，同时将编码任务中的捷径行为降至 2%。
Claude · YouTubeClaude Code 云会话功能详解
Claude Code 的云会话在云端虚拟机中运行，可离线持续工作，支持手机启动和并行处理。适用于需要持续运行或远程协作的场景，支持 GitHub 连接和环境配置。该功能包含在 Pro、Max、Team 计划及企业高级或 Chat + Claude Code 座位中，计入计划限制且无额外计算费用。
- Google DeepMind
Gemini 4 Argon：专为解决复杂问题而构建
Gemini 4 Argon 在 Vals Index 上排名第一，以 175B 参数规模在编码、金融、法律、网络安全和科学等领域超越其他前沿模型，其推理深度和精度使它成为解决复杂工程问题、优化业务流程和加速科研突破的利器。
Artificial Analysis Articles7575Cognition 发布 FrontierCode 编码基准：评估 AI 模型代码是否会被开源维护者合并
Cognition 发布 FrontierCode 1.1 编码基准，评估 AI 模型代码是否足够高质量被开源维护者合并，不仅看测试通过率，还评估修改幅度、范围和文件关联性等行为。
Simon Willison6565西蒙·威尔逊使用 GPT-6 Astra High 通过语音构建博客新功能
西蒙·威尔逊通过语音与GPT-6 Astra High交互，构建了其博客的Newsletters页面，实现了订阅列表索引功能，包括每周免费Substack和每月赞助者专属更新。他使用ChatGPT桌面应用的Codex语音对话模式，在本地开发环境中完成了模型、迁移、视图代码、模板及数据库导入功能，并整合了网站搜索引擎。
- OpenAI News2222
Oracle 如何用 ChatGPT Work 和 Codex 将数日工作缩短为分钟级
Oracle 在招聘、工程和运营领域通过 ChatGPT Work 和 Codex 将专业知识转化为快速可重复的工作流，显著提升效率。
Microsoft AI NewsMAI-Code-1.1-Flash 发布：性能提升、速度加快、成本减半
MAI-Code-1.1-Flash 通过 3 位量化优化，在保留 256K 上下文窗口的同时将内存需求减半，编码性能与全精度版本相当，SWE-Bench Verified 和 Terminal-Bench 2.1 分数可比，本地调用零推理费用。
Latent Space7070Reflection Beam - 501B-A23B 美国开源模型发布
Reflection 宣布推出 Beam，一款仅支持文本的 501B 总参数 / 23B 活跃参数的编码、智能体和科学工作多模态模型，采用 MoE 架构，从零开始训练，将在本月开源全部权重（Apache 2.0 许可）。
Together AI BlogTogether Link：将您已使用的工具连接到 Together AI 的最佳开源模型，今日即可通过一条命令开始使用
Together Link 将您的团队现有工具连接到 Together AI 的顶级开源模型，使成本降低超过 50%。支持 Claude Code、Claude Desktop、Codex、OpenCode 和 Pi，无需学习新工具即可切换，通过一条命令即可开始使用。
- GitHub Blog · AI & ML
AI正在改变开发者工作方式，这三种技能值得加强
开发者工作方式因 AI 而改变，除编写代码外，指导 AI、评估输出、沟通权衡和做出技术决策等技能日益重要。学习指导 AI 而非仅使用它，不轻信 AI 的首个答案并加以评估，以及利用 AI 解决更广泛问题，是开发者应加强的三种关键技能。
- Latent Space7070
Ahmad Al-Dahle 如何在 Airbnb 推行“内向式 AI”转型
Ahmad Al-Dahle从Meta转投Airbnb后，推动公司成为“AI原生企业”，通过AI加速内部产品开发并改善客户体验。
- Google DeepMind
Gemini 4 Argon：谷歌下一代前沿智能模型
Gemini 4 Argon 在复杂工作流程中提供前沿性能，支持软件工程、企业知识工作（法律和金融）以及网络安全防御。该模型的输出令牌限制扩展至行业领先的 1M，并在 DeepSWE v1.1（77.9%）、Vals Index（金融、编码、法律、税务）、AutomationBench（51.3%）等基准中领先。
Anthropic ResearchAnthropic 的 Claude 成功计算 N=4 超杨-米尔斯理论九圈幅角。
Anthropic 的 Claude 成功计算 N=4 超杨-米尔斯理论九圈幅角，突破此前两圈的计算极限，该模型基于 LLM 技术并采用 CoT 推理方法。
- Together AI Blog
如何用 $17 训练自己的 Jev 模型
Together AI 发布了指南，介绍如何使用 Qwen3.5 4B 模型和 38,340 条 Hugging Face 数据集微调 Jev 分类模型，训练成本约为 $17，耗时约 25 分钟；部署后可通过 API 端点（如 ENDPOINT_NAME）进行推理，适用于电商客户意图识别等场景。
小米 MiMo · Hugging Face 新模型小米 MiMo 发布 MiMo-V2.6-Distill-Qwen-9B 开源模型
小米 MiMo 通过在 MiMo 生成的数据上对 Qwen3.5-9B 进行监督微调，发布了 9B 参数的智能体模型 MiMo-V2.6-Distill-Qwen-9B，涵盖编码、通用智能体任务、视觉编码和网络安全领域。
Hamel Husain7575如何评估代码智能体？
使用公共基准测试评估处理多种任务的代码智能体，如 SWE-bench 和 HumanEval；针对窄工作流的智能体，采用产品特定评估；构建包含组织内部困难任务的私有基准；通过工程师评审和错误分析识别问题，并转化为测试；Anthropic 建议从明确指定的任务和可验证结果的稳定环境开始，逐步增加代码质量或用户交互等额外检查。
Cognition BlogDevin Desktop & CLI 引入 Fusion 架构，提升代码生成效率
Devin Desktop和CLI现已集成Fusion架构，相比其他代码生成框架效率提升高达39%。Fusion允许用户选择一个前沿模型进行规划和审查（“lead”），以及一个成本效益更高的模型进行执行（“sidekick”）。