Google DeepMind 发布 Gemini 3 Pro， coding 与多模态能力升级
Google DeepMind 发布 Gemini 3，称 Gemini 3 Pro 在各大基准上超过前代，编码方面超越 2.5 Pro。
推荐理由：官方发布说明给出基准分数、API 定价和新工具细节，读者可以据此评估 Gemini 3 Pro 在编码与多模态场景的实际变化。
#编码
Google DeepMind：Blog精选AI 评分8686 Google DeepMind：Blog精选AI 评分8989 Google DeepMind 发布 Gemini 3，Gemini 3 Pro 开放预览
Google DeepMind 发布 Gemini 3 并以 Gemini 3 Pro 预览形式上线，称其在所有主要 AI 基准上显著超越 2.5 Pro，LMArena 达 1501 Elo，HLE 37.5%、GPQA Diamond 91.9%。
推荐理由：官方发布给出各基准分数与开放范围，读者可以据此比较 Gemini 3 Pro 与 2.5 Pro 的实际能力变化和可用入口。
Cognition 模型 / Devin 博客精选AI 评分6969 Cognition 发布 Devin 2025 年度绩效复盘，总结 18 个月智能体落地经验
Cognition 发布 Devin 2025 年度绩效复盘。Devin 上线 18 个月来已在数千家公司服役，累计合并数十万个 PR，客户包括 Goldman Sachs、Santander 和 Nubank。
推荐理由：Devin 官方复盘 18 个月真实部署的强弱项，给出大量客户场景和量化数据，可帮助读者评估智能体在工程团队中的实际落地方式。
OpenAI：官网动态精选AI 评分6969 OpenAI 在 API 中推出 GPT-5.1
OpenAI 在 API 中推出 GPT-5.1，带来更快的自适应推理、扩展的提示词缓存和更佳的编码性能。新版本还新增了 apply_patch 和 shell 工具。
推荐理由：官方公告明确了 API 中 GPT-5.1 的推理速度、缓存与编码工具变化，开发者可据此评估是否迁移。
Claude：Blog精选 通过 Skills 改进前端设计
LLM 生成界面常因"分布收敛"而陷入 Inter 字体配紫色渐变的同质化设计。Anthropic 建议通过 Skills 功能解决：将排版、动画、配色等设计规范存入独立 Markdown 文件，Claude 可在构建页面时动态加载，无需永久占用系统提示词。这种按需加载机制既保持上下文窗口精简以维持模型性能，又能让 AI 生成摆脱默认审美、更具品牌辨识度的定制化界面。
推荐理由：Claude官方分享通过Skills解决AI生成界面同质化问题的实践技巧，附字体与主题优化Prompt示例。
Inception Labs：BlogAI 评分5757 Inception Labs 升级扩散语言模型 Mercury 并完成 5000 万美元融资
Inception Labs 发布更强版本的 Mercury 扩散语言模型（dLLM），并宣布完成由 Menlo Ventures 领投的 5000 万美元融资，Andrew Ng 和 Andrej Karpathy 等参投。
OpenAI DevelopersAI 评分5454 Codex 代码审查：协助开发者分诊 diff 并给出内联建议
OpenAI 演示 Codex 与开发者配对进行代码审查，帮助分诊 diff、留下内联建议并支持更有把握地合并代码。
Cognition 模型 / Devin 博客精选AI 评分6363 Cognition 发布 Windsurf Codemaps：AI 生成的代码结构地图
Cognition 发布 Windsurf Codemaps，由 SWE-1.5 和 Claude Sonnet 4.5 驱动，生成 AI 标注的代码结构地图，帮助工程师在调试、重构和上手新代码库前理解代码。
推荐理由：官方介绍了 Codemaps 的入口、模型选择和 Cascade 引用方式，读者可以据此判断它如何用于代码库理解和上下文工程。
Cognition 模型 / Devin 博客精选AI 评分6464 Cognition 发布 SWE-1.5 编码智能体模型，经 Cerebras 推理达 950 tok/s
Cognition 发布软件工程模型 SWE-1.5，参数达数千亿级，与 Cerebras 合作以最高 950 tok/s 提供推理，速度为 Haiku 4.5 的 6 倍、Sonnet 4.5 的 13 倍。
推荐理由：原文给出速度基准与模型加推理加智能体框架协同的训练细节，读者可据此评估高速编码智能体方案的可行性。
OpenAI Developers：BlogAI 评分5757 Dagster Labs 如何用 OpenAI Codex 加速文档与教学内容生产
Dagster Labs 撰文介绍团队如何用 OpenAI Codex 加速文档编写、讲解 PR、在教程、博客与视频脚本等媒介间转译内容。团队重构了 CONTRIBUTING.md，认为清晰的文档结构同时服务人类和 AI；还用文档作为唯一事实来源让 Codex 生成代码并跑测试，以间接衡量文档覆盖度。作者支持 mono repo，认为代码、文档和示例放在同一仓库能让 Codex 获得完整上下文。
MiniMax：Blog精选AI 评分6262 MiniMax M2与AI智能体：简中见巧
MiniMax正式开源并发布了专为AI智能体（Agent）和代码场景设计的大语言模型MiniMax M2。该模型API定价极具竞争力，仅为Claude Sonnet价格的约8%，且推理速度更快。在关键的智能体能力方面，其工具调用和深度搜索表现接近顶尖模型，编程能力在国内处于领先地位。MiniMax M2旨在解决性能、价格与速度的“不可能三角”，为构建更普及的AI智能体应用提供基础，体现了其“智能平权”的愿景。
推荐理由：MiniMax M2 把 Agent 模型的价格打到了 Claude 的 8%，速度还翻倍，开源权重直接可用，做 Agent 的开发者值得上手试试。
Google DeepMind：Blog精选 CodeMender 发布：面向代码安全的 AI 智能体
CodeMender 是一款面向代码安全的 AI 智能体，利用先进 AI 技术自动修复关键软件漏洞。
推荐理由：DeepMind 发布代码安全 AI Agent CodeMender，可自动修复关键软件漏洞
PromptArmor：Threat Intelligence精选AI 评分6969 PromptArmor 演示如何通过恶意 Marketplace 插件劫持 Claude Code 并外泄用户数据
PromptArmor 发布安全研究，展示 Claude Code 新上线的插件 Marketplace 功能可被用于攻击。恶意插件先利用 Hook 改写 settings.local. 权限或自动批准 curl 命令，绕过人工审批防护，再通过 Command 中的提示词注入诱使 Claude 把代码库上下文用 curl 发到攻击者服务器。
推荐理由：原文完整演示了恶意插件绕过 Claude Code 人工审批并外泄文件的三步攻击链，适合关注 Agent 插件安全的开发者参考。
上海人工智能实验室 InternLM：原创项目AI 评分5858 上海人工智能实验室 InternLM 开源 JanusCoder 系列多模态代码模型并发布 JanusCode-800K 数据
InternLM 团队发布开源模型系列 JanusCoder，为多模态代码智能建立统一的视觉-程序接口，涵盖 chart-to-code、Web UI 生成与编辑、动态定理可视化等任务。
Anthropic：Engineering精选AI 评分7373 超越权限提示：让Claude Code更安全、更自主
Claude Code引入沙盒化技术，通过文件系统与网络双重隔离来增强安全性，并大幅减少权限提示。内部测试显示，该技术将权限提示安全地降低了84%。新推出的沙盒运行时（作为开源研究预览版）允许开发者自定义目录和网络访问权限，使Claude能在限定范围内自主运行命令。同时，网页版Claude Code在云端隔离沙盒中运行，即使遭遇提示注入或代码入侵，也能有效保护Git密钥等敏感凭证不被泄露，从而提升开发安全性与效率。
推荐理由：Claude Code 的沙箱方案把安全和自主性这对矛盾解开了，权限提示减少 84% 不是数字游戏，是真把 agent 从「每步都要你点确认」变成「在笼子里自己跑」，做 coding agent 的团队该认真看看这套 OS 级隔离思路。
Claude：Blog精选 Claude Code 发布网页版
Anthropic 推出网页版 Claude Code，以研究预览形式向 Pro、Max 及企业用户开放。用户可直接在浏览器中分配编码任务，无需本地终端，支持并行处理多个 GitHub 仓库的开发工作，并自动创建 PR 和变更摘要。该服务基于云端隔离沙盒运行，具备网络和文件系统限制，同时登陆 iOS 应用支持移动编码。云会话与现有 Claude Code 使用共享速率限制。
推荐理由：Claude Code搬进浏览器，零门槛并行编程提PR，手机端也能随时跑任务
OpenAI Developers精选AI 评分6868 OpenAI 展示 Codex 在代码编辑器中的使用方式
OpenAI 发布视频，演示如何将 Codex 与主流代码编辑器搭配使用，简化编辑器内的开发工作流。内容涉及 Codex 与 IDE 扩展（codex, IDE extension），视频链接为 https://www.youtube.com/watch?v=sd21Igx4HtA。
推荐理由：OpenAI 官方演示视频，展示如何把 Codex 接入主流代码编辑器并简化编辑器内工作流。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 发布 SWE-grep 与 SWE-grep-mini，用 RL 训练快速并行代码检索模型
Cognition 发布 SWE-grep 和 SWE-grep-mini 模型，专注高度并行的代码上下文检索，检索能力匹敌前沿编码模型但耗时低一个数量级。模型每轮最多发起 8 个并行工具调用、限制 4 轮，通过多轮强化学习训练，奖励为文件与行范围检索的加权 F1；由 SWE-grep 蒸馏并继续 RL 得到 SWE-grep-mini。
推荐理由：原文给出检索质量分数与推理速度对比数字，并说明多轮 RL 训练方法，读者可评估这种专用检索模型能否迁移到自己的编码工作流。
Answer.AI 官方研发博客精选AI 评分6060 Kerem Turgutlu 用 SolveIt 将 Karpathy 的 tokenizer 视频教程做成书章
Answer.AI 的 Kerem Turgutlu 撰文讲解如何用 SolveIt 把 Andrej Karpathy 超两小时的 tokenizers 视频教程转成带可运行代码、超链接和图片的书章。
推荐理由：作者完整复盘两阶段对话工作流，把超两小时视频转成可运行代码的书章，方法可直接迁移到任意长视频转写场景。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分4646 SWE-CARE：一个用于评估代码审查全面性的基准
针对现有代码审查基准和方法在全面性上的不足，研究团队推出了SWE-CARE基准。该基准包含一个用Python构建、覆盖代码审查全过程的仓库级数据集，数据被分为九种类型且每个实例均包含仓库特征。基于此，团队设计了一个评估框架，用以衡量大型语言模型在全面代码审查任务上的性能。项目提供了完整的评估流程脚本，支持使用GPT-4o等模型，并可生成详细的性能评估与分析报告。
OpenAI Developers：BlogAI 评分5252 OpenAI 复盘 Codex 如何支撑 DevDay 2025 的演示与筹备
OpenAI 团队撰文复盘 Codex 在 DevDay 2025 筹备中的多种用法，包括用 Codex 实现 VISCA 协议控制摄像头和灯光 MCP 服务器、用 Codex Cloud 并行迭代多个 UI 设计、同时开 7 个终端生成 Phaser 游戏等。
OpenAI：官网动态精选AI 评分6767 OpenAI Codex 正式全面开放，新增 Slack 集成、Codex SDK 和管理工具
OpenAI 宣布 Codex 正式全面开放（generally available），面向开发者推出多项新功能。新增 Slack 集成、Codex SDK，以及使用情况仪表盘和工作区管理等管理员工具，让 Codex 更易在大规模场景下使用和管理。
推荐理由：原文给出 Codex 正式开放的具体新功能和面向团队的管理能力，读者可以据此判断是否纳入开发流程。
Answer.AI 官方研发博客精选AI 评分6363 Answer.AI 推出 How to Solve It with Code 课程与 Solveit 平台
Answer.AI 推出五周课程 How to Solve It with Code 及配套平台 Solveit，10 月 20 日开课，报名开放至 10 月 20 日。
推荐理由：原文详述了 Solveit 平台与课程的迭代式人机协作方法及其设计取舍，读者可以借此对照自己的 AI 辅助编码工作流。
Answer.AI 官方研发博客精选AI 评分6565 Answer.AI 开源 cachy，让 notebook 中 LLM 调用快 60 倍
Answer.AI 发布开源 Python 包 cachy（pip install pycachy），通过补丁 httpx 的 send 方法，把 Anthropic 和 OpenAI SDK 的 LLM 调用响应自动缓存到本地并在相同请求时复用，无需编写 mock。
推荐理由：原文给出了补丁原理和提速数据，读者可以直接复用这个零代码缓存方案加速自己的 LLM 测试和 notebook 工作流。
Claude Platform：开发者版本说明精选AI 评分7575 Claude Sonnet 4.5 发布，面向复杂智能体与编程任务
Anthropic 发布 Claude Sonnet 4.5，定位为复杂智能体和编程场景的最佳模型，拥有最高综合智能水平。同时推出 Amazon Bedrock 和 Vertex AI 的全球端点定价、新的 `model_context_window_exceeded` 停止原因、记忆工具（beta）以及上下文编辑功能（beta），后者可在接近 token 限制时自动清理旧工具结果与调用。
推荐理由：这是Anthropic放出的Sonnet 4.5，瞄准编码和复杂Agent场景，Memory工具和上下文编辑也一起开了，对靠API搞产品的开发者算大版本更新，但普通用户不必自己折腾。
Cognition 模型 / Devin 博客精选AI 评分6565 Cognition 为 Claude Sonnet 4.5 重构 Devin：新版本快 2 倍、评测提升 12%
Cognition 发布基于 Claude Sonnet 4.5 重构的新版 Devin，速度提升 2 倍，Junior Developer Evals 提升 12%，已在 Agent Preview 上线，旧版 Devin 仍可用。
推荐理由：来自一线 Agent 团队的适配复盘，给出了 Sonnet 4.5 的具体新行为和对应的工程应对，可迁移到类似智能体架构。
TensorZero：实验与工程博客精选AI 评分6363 TensorZero 实测 OpenAI 强化微调（RFT）是否值得：仅智能体编码任务明显胜出，成本却是 SFT 的 100-700 倍
TensorZero 在数据抽取、智能体编码和客服三个任务上对比了 OpenAI RFT（o4-mini）与 SFT（GPT-4.1 mini）。
推荐理由：作者用三个真实任务实测 OpenAI RFT 与 SFT 的效果和成本差距，给出了按任务类型判断 RFT 是否值得用的可比结论。
Modal 官方工程博客AI 评分5151 Modal 发布 Modal Vibe 演示平台，可扩展至每月百万级会话
Modal 基于 Modal Sandboxes 构建并开源了 Modal Vibe，一个可弹性扩展的 vibe coding 平台，五分钟内可从 0 扩展到 1000 个 AI 编码应用。
OpenAI：官网动态AI 评分5353 OpenAI 宣布 Codex 升级，速度与协作能力提升
OpenAI 宣布对 Codex 进行升级，使其更快、更可靠，并提升实时协作与独立完成任务的能力。升级后的 Codex 可在终端、IDE、网页甚至手机上使用。
OpenAI：官网动态精选AI 评分6969 OpenAI 发布 GPT-5-Codex 专为智能体编码优化
OpenAI 在 GPT-5 系统卡附录中公布新模型 GPT-5-Codex，是针对 Codex 智能体编码进一步优化的 GPT-5 版本。该模型会根据任务复杂度更动态地调整思考力度，简单对话或小任务快速响应，复杂任务则可独立工作更长时间。
推荐理由：官方说明新模型按任务复杂度动态调整思考力度，读者可以据此判断它在快问快答与长任务间的取舍。
Claude Platform：开发者版本说明AI 评分5454 Claude Platform 发布 C# SDK 测试版
Anthropic 在 Claude Platform 上推出了 C# SDK 的测试版本。该 SDK 允许开发者使用 C# 语言集成 Claude 的 API 能力，目前处于 beta 阶段。
Cognition 模型 / Devin 博客精选AI 评分7070 Cognition 融资超 4 亿美元，估值达 102 亿美元
Cognition 宣布融资超 4 亿美元，投后估值 102 亿美元，由 Founders Fund 领投。Devin 的 ARR 从 2024 年 9 月的 100 万美元增至 2025 年 6 月的 7300 万美元，公司历史总净消耗低于 2000 万美元；收购 Windsurf 使 ARR 翻倍以上，并购后七周合并企业级 ARR 增长超 30%。
推荐理由：官方披露融资估值的同时给出 ARR、净消耗和并购后的增长数字，读者可以据此评估其 AI 编码业务的真实成色。
Claude Platform：开发者版本说明精选AI 评分6464 Claude Platform 发布 Code Execution Tool v2 公测版，支持 Bash 命令与文件操作
Claude Platform 推出 Code Execution Tool v2 公测版，取代原先仅支持 Python 的工具，新增 Bash 命令执行和直接文件操作能力，包括用其他语言编写代码。
推荐理由：Anthropic把代码执行工具从Python解放到了Bash和任意语言，这不再是玩具，而是能在沙箱里跑真实脚本的实用功能，做自动化的开发者可以直接拿来用了。
xAI：News精选 xAI发布轻量级编程模型Grok Code Fast 1
xAI发布轻量级编程模型Grok Code Fast 1，采用全新架构，基于真实PR数据训练，精通grep、终端和文件编辑等工具。推理速度达190 tokens/秒，定价输入$0.20/百万tokens、输出$1.50/百万tokens，SWE-Bench-Verified得分70.8%。目前已在GitHub Copilot、Cursor、Cline等平台限时免费开放。
推荐理由：xAI发布专为Agentic Coding优化的极速编程模型，已集成Cursor、Copilot等主流工具，价格极具竞争力
LlamaIndex：产品、工程与评测AI 评分4747 LlamaIndex 谈 Vibe-Coding 智能体的未来：vibe-llama 与 UI 生成实践
LlamaIndex 推出 CLI 工具 vibe-llama，可将 LlamaIndex、LlamaParse 及 workflows 的最新文档与 API 模式注入 Cursor、Claude Code 等编码智能体，避免其推荐过时 API。
Linear：Now精选AI 评分6060 Cursor 与 Linear 推出深度集成，可直接在 Linear 中指派任务给 Cursor 智能体
Cursor 与 Linear 推出新集成，用户可直接在 Linear 中将问题指派给 Cursor 智能体，如同指派给队友。智能体能承担编码任务、创建 PR 并在 Linear 中更新进度，降低团队处理低优先级问题的激活成本。该集成利用 Linear 的 SDK 和 GraphQL 类型快速构建，Cursor 产品经理 Rohan Varma 表示新 API 一天内即可上线运行。
推荐理由：Cursor 代理现在能直接从 Linear 任务面板接手编码工作，后台自动提 PR、更新进度，对那些积压 P2/P3 的团队来说，这是把 AI 真正嵌入工作流的信号。
Together AI 研究与产品博客AI 评分6060 Together AI 分享用 AI Agent 自动化复杂工程任务的六个模式
Together AI 发布博客，讲解如何用 LLM Agent 自动化复杂长时工程任务，并以其内部投机解码（speculator）训练流水线为案例：任务需可验证、定义清晰、工具可支撑，核心模式包括优质工具、完善文档、安全执行、用 tmux 管理并行会话、让 Agent 学会 sleep 等待以及显式的进度验证。
METR：Research精选AI 评分6161 METR 研究更新：算法评分高估 AI 智能体真实软件工程能力
METR 在 stdlib-js 和 hypothesis 两个仓库的 18 个真实 issue 上评估 Claude 3.7 Sonnet（Inspect ReAct 智能体），按维护者测试用例算法评分成功率为 38%（±19%），但人工评审的 15 个 PR 中没有一个可以直接合并。
推荐理由：METR 用人工评审对照算法评分，给出量化证据说明测试类基准为何高估智能体的真实软件工程能力。
OpenAI：官网动态AI 评分5656 OpenAI 介绍用 GPT-5 进行编码与设计
OpenAI 发布文章介绍 GPT-5 在编码和设计方面带来的新可能性。
OpenRouter：Announcements精选AI 评分6868 GPT-5 已在 OpenRouter 上线
GPT-5 现已登陆 OpenRouter 平台，具备长上下文能力，专为复杂推理和代码工作流设计。
推荐理由：GPT-5 是 AI 史上的分水岭，长上下文和推理能力直接催生了一整代 agent 工具，哪怕过了快一年回头看，仍然值得搞清楚它改变了什么。