跳到正文
实时
#编码
  1. IT之家 · AI87

    谷歌发布 Gemini 4 Hydrogen 模型，主打日常编程与智能体工作流

    谷歌正式推出 Gemini 4 Hydrogen 模型，面向日常编码和智能体工作流，输入每百万 Tokens 1.50 美元、输出 7.50 美元，覆盖 100 万 Token 上下文窗口且无阶梯计价。

    同一件事 · 4 家

    推荐理由: 原文给出定价、四档思考深度与 Terminal-Bench 对比数据，可据此判断日常编码场景的成本与速度取舍。

  1. The Decoder85

    Google DeepMind 推出 AlphaProof Code，四周验证 Signal 加密核心

    谷歌 DeepMind 发布 AlphaProof Code，一款符合安全规范的 AI 数学证明软件，并在四周内完成了通常需要数年才能在 Signal 加密协议上完成的验证工作。

    同一件事 · 2 家

    推荐理由: AlphaProof Code 将形式化验证从理论设计推进到实际运行代码，四周完成通常需数年的工作，并给出人工复核比例。

  2. Claude · YouTube75

    Anthropic 发布 Claude Fable 5.2

    Anthropic 发布 Claude Fable 5.2，面向最艰巨的技术挑战，在编码、推理和视觉方面有所提升，适合最具野心的开放式技术工作。官方建议多数编码与知识任务优先使用 Opus 5.5，Fable 5.2 已在 Pro、Max、Team 和 Enterprise 套餐上线。

    同一件事 · 5 家

    各家口径不同：TechCrunch指出Fable的输入价格降至每百万token 8美元；其他报道没有提及价格。

    推荐理由: 官方说明了 Fable 5.2 的定位与适用场景，并给出与 Opus 5.5 的选择建议，便于判断该用哪个模型。

  1. Hacker News · 300+ 热帖71

    MaxxBench 发布：改写 DeepSWE 任务后模型分数大幅分化

    MaxxBench 团队对 89 个 DeepSWE 任务做小幅改动（参考补丁中位数仅增 17 行、3.5%），重新评测 15 个模型配置，发现最高与最低分差从 DeepSWE 的 20.9 个百分点扩大到 48.3 个百分点。

    推荐理由: 通过改写 89 个 DeepSWE 任务的指令与起始代码，展示模型分数在熟悉基准与改动后任务间的巨大落差。

  1. OpenAI News60

    OpenAI 宣布收购 Pierre Computer Company

    OpenAI 宣布将收购 Pierre Computer Company，以扩展 Codex 在代码构建、理解和审查方面的工具能力。原文未披露交易金额、时间表及收购后团队与产品的具体安排。

    推荐理由: 官方披露的收购动作，读者可据此了解 Codex 在代码构建与审查工具上的补强方向。

  2. The Decoder74

    OpenAI 称 GPT-6 Astra 在不到一周内从零设计出一款硬件设备。

    OpenAI 称其硬件团队用 GPT-6 Astra 设计了一款可与 Codex 编码智能体对话的设备，作为副项目在不到一周内完成。Astra 承担了外壳设计、含元件选型与走线的 PCB 布局、固件和用户界面等全部环节，代工厂在不到一个月内产出小批量原型，但因 Astra 未总能考虑制造约束、公差和装配细节，经历了几轮修改。

    推荐理由: OpenAI 公布了 GPT-6 Astra 端到端完成硬件设计的流程，也指出了它在制造约束上的短板。

  1. IT之家 · AI72

    美团龙猫发布 LongCat-2.5 原生多模态模型，1.6T 参数面向长程智能体任务

    美团龙猫发布面向长程智能体任务的原生多模态模型 LongCat-2.5，总参数量 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程能力。

    推荐理由: 原文给出 1.6T 参数与激活规模，并说明长程强化学习如何用于复杂代码库与项目构建任务。

  1. The Decoder71

    阿里等团队发布 Co-Design Bench：编码智能体仅完全解决 26.4% 的真实任务

    阿里巴巴与多所亚洲高校的研究者用真实用户变更请求构建了编码智能体基准 Co-Design Bench，十个受测模型中表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但完全正确的任务仅占 26.4%。

    同一件事 · 2 家

    推荐理由: 由真实用户请求构成的基准显示，最强模型仅完全解决约四分之一任务，且同一模型换环境分数相差近 20 个百分点。

  1. Factory News78

    Factory 发布 Droid 1.0：面向企业开发的智能体 harness

    Factory 发布 Droid 1.0，这是其智能体 harness 的大版本更新，默认启用程序化工具调用（Script 模式），模型可写 JavaScript 在沙箱中一次请求内执行数百次工具调用。

    同一件事 · 2 家

    各家口径不同：Factory News 表示模型可以在一次请求中执行数百次工具调用；MarkTechPost 提到模型请求驱动数百次工具调用。

    推荐理由: 原文给出 Droid 1.0 在 Terminal-Bench 4 上对比 Codex、Claude Code 等 harness 的成本与耗时数据，可用于判断 agent harness 的选型。

  2. Meta Engineering66

    Meta 将 JiTTesting 投入生产：用 LLM 生成测试在代码合入前抓 Bug

    Meta公布Catching JiTTests已在内部投入生产，用LLM为待合入的diff自动生成可执行测试，在代码落地前暴露行为差异

    推荐理由: Meta 公开了 JiTTests 的生产部署细节与量化结果，可供评估 LLM 生成测试在超大规模代码库中的落地方式。

  1. Mistral AI82

    Mistral 发布万亿参数开源模型 Mistral Large 4（Le Chonk）

    Mistral 发布旗舰万亿参数原生多模态模型 Mistral Large 4（Le Chonk）的开放权重版本，此前已公开预览三周。

    推荐理由: 官方给出万亿参数开源模型的编码、安全与推理效率数据，以及权重下载和自托管路径。

  2. Google DeepMind87

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 面向开发者、企业、科学家和消费者开放 Gemini 4 Carbon，称其在网络安全能力和长程智能体工作流上达到前沿水平。

    同一件事 · 5 家

    推荐理由: 官方给出 Carbon 与 Argon 的定位分工、多项基准排名和每任务成本对比，便于判断何时该用更重的模型。

  3. Artificial Analysis Articles72

    Artificial Analysis 评测 GitHub Copilot Fusion：性能略低于 Opus 5.5，单任务成本减半

    Artificial Analysis 在 Coding Agent Index v2.0 中实测 GitHub Copilot CLI 的 Copilot Fusion 最高档设置，其单任务成本为 5.59 美元，而 Claude Code 配合 Opus 5.5（max）为 11.42 美元，综合得分仅低 2 分。

    推荐理由: Artificial Analysis 使用 Coding Agent Index 实测 Copilot Fusion，给出与 Claude Code 同等性能下的成本与 token 对比。

  1. The Decoder85

    月之暗面发布 Kimi K3.1 Pro，AA 智能指数升至第四，逼近 Claude Opus 5.5

    月之暗面发布 Kimi K3.1 Pro，这是 Kimi K3 的后训练版本，在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。

    推荐理由: 文章用第三方指数和多项基准对比，呈现开源权重模型与闭源前沿模型之间差距缩小的具体幅度。

  2. MarkTechPost83

    Moonshot AI 发布 Kimi K3.1 Pro：2.8T 总参数、104B 激活的 MoE 模型，支持 1M 上下文

    Moonshot AI 发布了 K3.1 系列首个模型 Kimi K3.1 Pro，采用 MoE 架构，总参数 2.8T、激活参数 104B，支持 1M token 上下文，已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线，API 定价为每百万 token 输入 2 美元、输出 10 美元，低于 K3 的 3 美元和 15 美元。

    推荐理由: 原文列出 K3.1 Pro 在终端编码、科学终端任务和幻觉率上的自报数据，并给出 API 价格与开放权重时间。

  1. The Decoder82

    Anthropic 让 Claude 自动为代码生成形式化安全证明

    Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 把 OSS-Fuzz 中 123 个开源库的崩溃测试转成数学问题，几周内生成约 1.8 亿行证明代码，并由 Rocq 自动校验。

    推荐理由: Anthropic 使用 Claude 为 OSS-Fuzz 库自动生成形式化证明，并给出算力成本与适用边界，读者可据此判断 AI 验证代码的可行范围。

  2. Anthropic Research82

    Anthropic 研究：LLM 使大规模形式化软件验证变得可行

    Anthropic 与 Theorem 合作，用 Claude 对 123 个 OSS-Fuzz 开源库的 239 个入口点完成 RISC-V 汇编层的形式化证明，证明这些程序在小于 64 MB 的任意输入下都不会崩溃，证明代码约 1.8 亿行 Rocq。

    推荐理由: Anthropic 使用 Claude 在 123 个开源库的 RISC-V 汇编层完成形式化证明，并给出成本与复用数据，可据此判断该方法能否进入日常开发流程。

  1. The Decoder74

    Recursive 发布首个由 Eureka Machine 参与研发的模型 Flint

    AI 初创公司 Recursive 发布首个语言模型 Flint，开发过程中名为 Eureka Machine 的 AI 系统参与提出想法、搭建、测试并规划后续实验。

    同一件事 · 2 家

    推荐理由: Recursive 首次公开由自动化研究系统参与开发的模型，读者可据此观察 AI 辅助研发能走到哪一步。