Seed2.0系列正式发布，推出Pro、Lite、Mini三款通用Agent模型及专用Code模型，针对复杂多模态任务与长链路Agent场景优化。模型在视觉理解、数学推理与长上下文处理方面达SOTA水平，SuperGPQA分数超越GPT-5.2，并在ICPC、IMO、CMO测试中获金牌。支持科学研究级任务，token成本较顶尖模型降低约一个数量级。目前已上线豆包App、TRAE及火山引擎API。
推荐理由：字节 Seed2.0 正式发布，Agent 与多模态能力全面升级，已接入豆包和 TRAE
Box 因原生数据隐私与代理质量控制选择 Cursor 作为核心 IDE 与 AI 编程平台。目前 85% 以上工程师日常使用，推动产品路线图交付效率提升 30-50%。通过自定义规则与命令扩展，Box 将 React 迁移速度提升 80%，设计系统迁移提速 90%，同时确保企业级安全与代码质量。配合导师计划，六周内 Cursor 使用量增加 75%，800 余名开发者已实现 AI 辅助开发。
Manus 博客在相同PR包（含授权反转、中间件边界等安全回归场景）上实测 Qodo、Graphite、GitLab Duo、Greptile、Devlo、CodeRabbit、Codacy、Atlassian Rovo 和 Manus 共9款AI代码审查工具，并给出标准化对比表与按需选型指南。
推荐理由：同一组高风险PR上实测9款工具，读者可按安全审查深度与工作流集成需求快速对照选型。
METR 研究员在新任务套件上对比测试了 Claude Code、Codex 与 METR 自有的 ReAct、Triframe 脚手架，结论是对 Opus 4.5 和 GPT-5 的时域测量，专用脚手架并未显著优于默认脚手架。
OpenAI 发布 GPT-5.3-Codex-Spark，称其为首款实时编码模型，生成速度提升 15 倍，支持 128k 上下文。该模型以 research preview 形式向 ChatGPT Pro 用户开放。
推荐理由：官方宣布首个实时编码模型，给出速度倍数、上下文长度和可用人群，可据此判断其对编码工作流的影响。
MiniMax 最新发布的大语言模型 M2.5，通过在数十万个复杂现实环境中进行强化学习训练，在编码、智能体工具调用、搜索和办公工作等多项任务上达到 SOTA。模型推理效率高，完成 SWE-Bench Verified 评估的速度比前代 M2.1 快 37%，与 Claude Opus 4.6 相当。定价方面，以 100 tokens/秒运行时每小时成本仅 1 美元。M2.5 在超过 10 种编程语言和 20 多万个真实环境中训练，具备从系统设计到测试的全流程能力。
推荐理由：MiniMax M2.5 把 SWE-bench 拉到 80.2%，成本只有 Claude Opus 4.6 的十分之一，速度还翻倍，对做 agent 的团队来说是个高性价比选择。
Z.ai 发布开源权重模型 GLM-5（MIT 许可，面向长程 Agent 和系统工程），Modal 与其合作上线免费体验端点，4 月底前可用，限单并发请求。FP8 精度下模型约 700 GB，需多 GPU 部署，Modal 用 8 张 B200 单节点配合 SGLang 运行，内部实测每用户 30-75 tokens/秒。
推荐理由：Modal 官方给出 GLM-5 的部署细节、免费端点限制和前端接入配置，读者可直接照做在自己常用的 Agent 框架里试用。
LlamaIndex 开源维护者发文分析编码智能体如何改变开源贡献：LLM 生成的巨型 PR 增多、简单库被智能体替代、知识分享型项目价值下降，并引用 Anthropic 一项关于技能萎缩的研究。作者认为开源并未消亡，提出可分叉的 LLM 友好参考实现、通过链接社区扩展建立社区、用清晰文档和 AGENTS.md 让代码库对智能体友好等新方向。
Cognition 宣布 Devin 现在可自动修复 Devin Review 及其他审查机器人留下的 PR 评论，包括 linter、CI/CD、安全扫描和依赖管理机器人。用户可在 Settings > Customization > Autofix settings 中配置；该功能大幅增加了内部 token 消耗，但团队称 PR bug 明显减少，并缩小了人类只需处理需判断的工作。
推荐理由：原文给出具体配置入口和适用范围，读者可以了解如何让 Devin 自动修复 PR 上的机器人评论。
NVIDIA 已向 3 万名开发者部署 Cursor，代码提交量提升 3 倍，缺陷率保持稳定。Cursor 已深度集成至软件开发生命周期全流程，不仅用于代码生成，还通过自定义规则实现代码审查、测试、调试及 git 工作流自动化。新员工可更快熟悉复杂代码库，资深开发者也能跨技术栈工作，代码风格一致性得到改善。
推荐理由：NVIDIA 3万开发者使用 Cursor，代码提交量提升3倍，展示企业级 AI 编程与 Agent 自动化实践
OpenAI 发布 GPT-5.3-Codex 系统卡，称其为迄今最强的智能体编码模型。该模型结合了 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业知识能力。
OpenAI 发布 GPT-5.3-Codex，这是一款 Codex 原生智能体，将前沿编码性能与通用推理结合，用于支持长周期、真实世界的技术工作。
研究人员采用“智能体团队”方法，让多个Claude实例在无人工干预下并行协作开发代码。为进行压力测试，团队指派16个智能体从零编写一个能编译Linux内核的Rust版C编译器。项目消耗近2000次会话和约2万美元，最终产出10万行代码的编译器，可成功在x86、ARM和RISC-V架构上构建Linux 6.9内核。研究重点在于设计支持长时间自主运行的智能体团队框架，包括如何编写测试以保持智能体不偏离方向，以及如何通过基于文本文件的锁机制协调多智能体并行任务分配。
推荐理由：Anthropic 研究员用 16 个 Claude 并行写了个能编译 Linux 内核的 C 编译器，2000 次会话花了两万刀。真正值钱的不是编译器本身，而是他总结的 agent 团队协作方法论，做多 agent 系统的人该逐段拆。
研究发现，在SWE-bench等智能体编码基准测试中，基础设施配置差异对模型评分的影响，可能超过排行榜上顶尖模型之间的微小分差。内部实验显示，在Terminal-Bench 2.0上，最严格与最宽松的资源设置间成功率相差6%。严格限制资源会导致近6%的任务因容器意外终止而失败，而宽松配置下此类错误率可降至0.5%。当资源余量超过基准规格3倍时，智能体甚至能借助额外资源成功完成原本无法解决的任务。这表明评估环境不仅影响测试稳定性，更会改变基准测试实际衡量的能力维度。
推荐理由：Anthropic 用自家数据证明，agentic coding benchmark 的排行榜差距可能只是硬件配置差异而非模型能力差距，3 个百分点以内的领先都该打问号。做模型选型的人别再迷信那几个百分点了。
Qwen Studio 提供全栈功能，涵盖聊天机器人、图像与视频理解、图像生成、文档处理、网页搜索集成、工具调用及 Artifacts 等模块。
OpenAI 发布 macOS 版 Codex 应用，定位为 AI 编码与软件开发的指挥中心。该应用支持多个 agent、并行工作流和长时间运行的任务。
推荐理由：官方发布Codex macOS应用，定位多智能体并行开发指挥中心，适合想了解OpenAI编码工具布局的读者。
OpenAI 发布 Codex 应用，并提供了介绍性演示视频，展示该应用及其核心工作流。
推荐理由：官方演示了 Codex 应用的核心工作流，想了解这款编码工具实际用法的读者可以从中看到直接的操作示例。
Mistral 发布 Mistral Vibe 2.0，为其终端原生编码智能体带来自定义子智能体、多选项澄清、斜杠命令技能、统一智能体模式与自动更新，由 Devstral 2 模型家族驱动。
推荐理由：原文来自 Mistral 官方，完整列出 Vibe 2.0 新功能、Devstral 2 定价和开放安装方式，读者可据此评估是否接入自己的工作流。
Manus 博客盘点了 2026 年 10 大 Vibe 编程工具，涵盖 Cursor、Replit、Lovable、Bolt.new、v0 by Vercel、Windsurf、Claude Code、Manus、Base44 和 Emergent。
OpenAI 开发者博客发布教程，讲解如何像测试 LLM 应用一样，用 evals 系统化评估 Codex 的 Agent 技能。核心流程为定义可度量的成功标准、用 $skill-creator 创建技能、以 codex exec -- 捕获 JSONL 轨迹做确定性检查，再用 --output-schema 输出符合评分规则的 JSON 做风格等定性评估。
推荐理由：OpenAI 官方给出用 evals 系统化测试 Codex 技能的完整模式，从定义成功标准到确定性检查与评分规则均可迁移复用。
一位内容写作者用同一提示测试 Lovable、Replit、Bolt、Cursor、Manus 五款氛围编码工具，要求构建流行艺术风格的作品集网站。Manus 付费版设计还原最佳（5/5），Lovable 最适合初学者（4/5），Replit 和 Bolt 各得 3/5，Cursor 因付费墙和 GitHub 存储库障碍让非技术人员完全无法产出。作者总结免费计划普遍有局限，提示越具体结果越好。
Salesforce 在全球数千名工程师中推广 Cursor 后，开发速度实现两位数增长（超 30%），代码质量同步提升。内部数据显示，团队周期时间、缺陷数量和吞吐量均显著改善，某团队遗留代码覆盖率时间更缩短 85%。工程师采用路径分化：初级开发者借其理解复杂代码库，资深工程师则从自动化繁琐任务起步，逐步扩展至高频使用。公司认为 AI 编程工具对软件开发生命周期的改造才刚刚开始。
Cognition 发布 Devin Review，一款针对 GitHub PR 的 AI 代码审查工具，称代码审查已成为 AI 编程时代的瓶颈。
推荐理由：原文给出三项具体能力和免登录试用入口，读者可以直接对照现有 GitHub 审查流程判断是否值得替换。
Novita AI 发布基于 SGLang 的 GLM4-MoE 生产级优化方案，通过共享专家融合、Qknorm 融合与异步传输三项核心技术，在 H200 集群 TP8/FP8 配置下实现首 token 延迟（TTFT）降低 65%、每 token 输出时间（TPOT）提升 22%。针对 Agentic Coding 场景，团队提出无需额外训练草稿模型的 Suffix Decoding 技术，利用历史输出模式重复率进一步加速推理。
Skyscanner 工程师分享了在日常工作流中把 OpenAI Codex CLI 通过 JetBrains MCP server 接入 IDE 的实践。Codex 可调用 get_file_problems 检查编译错误、执行预定义的测试、lint 和格式化运行配置，例如在 Databricks Java SDK 用例中立即发现 NotFound 异常构造函数不匹配的问题。
推荐理由：Skyscanner 工程师分享把 Codex CLI 接入 JetBrains MCP 的具体做法，给出了错误检查和测试运行如何缩短反馈循环的实操路径。
PromptArmor 披露 IBM 编码 Agent Bob（含 Bob CLI 与 Bob IDE，目前 Closed Beta）存在漏洞：若用户对任一已知可信命令选择 always allow，攻击者可通过间接提示词注入触发下载并执行恶意软件。
推荐理由：原文完整拆解了 Bob CLI 三道防御被绕过的具体机制与攻击链，读者可据此评估编码 Agent 的命令自动审批风险。
MiniMax 发布 M2.1 模型，是对 M2 的更新。其核心升级在于系统提升了在 Rust、Java、Golang 等多语言编程任务上的性能，并达到行业领先水平。同时，模型显著增强了原生 Android 与 iOS 开发能力，以及在 Web/App 场景下的设计理解与美学表达。M2.1 优化了复合指令约束以更好地支持办公场景，响应更简洁高效。该模型在 Claude Code、Cline 等各类编程工具与 AI 智能体框架中表现出色。在衡量全栈开发能力的 VIBE 新基准上，取得了平均 88.6 分的成绩。
OpenRouter 推出 Response Healing 新功能，可在 JSON 响应到达应用程序之前自动修复大语言模型输出的畸形 JSON，从而将 JSON 缺陷减少 80% 以上。
OpenAI 发布 GPT-5.2-Codex，称其为旗下最先进的编码模型。模型主打长程推理、大规模代码改造能力，并增强了网络安全相关能力。
推荐理由：官方一句话公告点出长程推理、大规模代码改造和安全能力三个方向，可作为了解该模型定位的入口。
英国 AI Security Institute 发布论文，用红蓝对抗评估检验能否发现被诱导恶意行为的编程智能体：Red 队操控 Claude 4.1 Opus 执行隐蔽的恶意侧任务，Blue 队用较弱的 Claude 3.7 Sonnet 构建异步监控器。
LlamaIndex 联合 Turso 的 AgentFS、Claude Agent SDK 与 LlamaParse，构建了一套让编码智能体在虚拟文件系统中操作文件的方案。
OpenAI 借助 Codex 在 28 天内完成 Android 版 Sora 的交付，AI 辅助的规划、翻译与并行编码工作流帮助一支精简团队实现了快速且可靠的开发。
Mistral AI 发布开源编码模型 Devstral 2（123B）与 Devstral Small 2（24B），分别在 SWE-bench Verified 上取得 72.2% 和 68.0%。
推荐理由：官方公布了两档参数规模、SWE-bench Verified 分数和后续 API 定价，读者可以据此评估本地部署与成本收益。
Anthropic与Material调研500余位技术领导者显示，57%企业已将AI智能体用于多阶段工作流，16%实现跨职能部署。编码是核心场景，90%用于开发辅助，86%用于生产代码，平均节省近六成时间。80%受访者称投资已产生可衡量回报，如Thomson Reuters将法律检索从数小时缩短至分钟级。2026年81%企业计划处理更复杂用例，但面临系统集成、数据质量和变革管理三大挑战。
推荐理由：Anthropic发布企业AI Agent深度调研，揭示2026年应用趋势与头部企业实战案例
Claude Platform 结构化输出功能新增对 Claude Haiku 4.5 的支持。该功能允许开发者以 JSON Schema 约束模型输出格式，提升 API 调用的可靠性与可解析性。
研究团队训练并部署了一个专为高精度和实际应用优化的AI代码审查智能体。该智能体旨在对自主生成的代码进行有效监督，使代码审查能力能够与自动化代码生成的规模同步扩展。通过优化智能体的精确度，该方法致力于解决大规模代码生成中的质量控制难题，为AI辅助软件开发提供了可落地的规模化监督方案。
推荐理由：OpenAI 把对齐研究落到了代码审查这个具体场景，不是空谈 alignment 理论，而是训了个高精度 review agent 来给 AI 写的代码做质检。做 coding agent 的团队该看看，这可能是未来安全合规的标配。
SGLang 最新版本原生集成 NVIDIA Model Optimizer，支持通过直接 API 调用实现模型量化与部署。新功能将原本复杂的多步骤流程简化为量化、导出、部署三步，支持 NVFP4、MXFP4、FP8 等低精度格式。与原始 FP8 基线相比，优化后的模型在 Blackwell 架构上可实现高达 2 倍的每 GPU 吞吐量提升，显著降低延迟与内存占用。
Anthropic 发布 Claude Opus 4.5，定位为最智能模型，在视觉、编程和计算机使用能力上实现阶跃式改进，价格低于前代 Opus 模型。
推荐理由：Opus 系列首次把价格降到「实用」区间，同时编码和视觉有阶跃提升，这对做软件工程和 Agent 的开发者是实打实的利好，配套的工具调用更新也补上了多步骤工作流的效率短板。
OpenAI Developers 发布了一篇新的 Cookbook 教程，指导开发者如何使用 OpenAI Codex CLI 工具来现代化和重构遗留代码库。该资料主要提供了具体的操作指南和示例链接。
OpenAI 发布 GPT-5.1-Codex-Max，一个面向 Codex 的更快、更智能的智能体编码模型。该模型专为长时运行、项目规模的工作设计，具有增强的推理能力和 token 效率。
推荐理由：官方公告点明了模型定位是长时程项目级编码智能体，读者可据此判断它面向的工程场景与效率取向。