GPT-5 现已上线
OpenRouter 平台已发布 GPT-5，该模型支持长上下文，专为复杂推理与代码工作流构建。
推荐理由：这是 GPT-5 首次以大上下文和推理能力亮相，1M token 上下文让 code agent 直接从 demo 变成可用，现在看虽是旧闻，但节点意义不减。
#编码
OpenRouter：Announcements精选AI 评分6868 OpenRouter：Announcements精选AI 评分6666 GPT-5 现已上线
GPT-5 已在 OpenRouter 平台正式推出。该模型具备长上下文处理能力，专门针对复杂推理任务与代码工作流进行了优化。此次发布标志着新一代大语言模型开始接入开放路由网络，为开发者与用户提供更强大的多步骤逻辑处理和编程辅助功能。
推荐理由：OpenRouter 上架 GPT-5 本身不算新闻，但对用 OpenRouter 做多模型路由的开发者来说，这是终于能切到最新旗舰的信号，值得第一时间跑一遍自己的 benchmark。
LMSYS Blog精选 智谱发布 GLM-4.5 系列模型并原生支持 SGLang
智谱发布旗舰模型 GLM-4.5（355B/32B 激活）与 GLM-4.5-Air（106B/12B 激活），含 FP8 量化版本，即日起原生支持 SGLang 框架。采用 MoE 架构与 128k 上下文，在 12 项基准测试中分列第 3 与第 6。GLM-4.5 在 BrowseComp 网页浏览任务中以 26.4% 准确率超越 Claude 4 Opus，工具调用成功率达 90.6%，编程与数学推理能力突出。
推荐理由：国产大模型Agent与编码能力跻身第一梯队，为开发者提供Claude/GPT之外的高性价比替代方案
Mistral AI：NewsAI 评分4747 Mistral 发布 Codestral 25.08 及面向企业的完整编程技术栈
Mistral 发布 Codestral 25.08，接受补全量提升 30%，建议后保留代码增加 10%，失控生成减少 50%，chat 模式在 IF eval v8 和 MultiplE 上各提升 5%。同步推出面向企业的完整编程栈，包含 Codestral Embed 代码语义检索，支持云、VPC 和本地部署，企业可将开发、审查与测试时间缩短 50%。
OpenAI DevelopersAI 评分4545 OpenAI 发布前端自动化测试演示项目
OpenAI Developers 发布了一个名为 Frontend testing demo 的 GitHub 示例项目，展示如何使用 Computer Use API (CUA) 来自动化前端测试流程。该资料仅提供了项目名称、简要描述及代码仓库链接，未包含具体的技术实现细节或教程内容。
Linear：NowAI 评分4242 Mercury 工程师六个月内用 AI 智能体重构工作流：从内部黑客松到 Linear for Agents 集成
金融科技公司 Mercury 的工程师 Matt Russell 在三月内部黑客松中创建工具，将 Linear 任务分配给第三方 AI 智能体，后者返回拉取请求供人工审查。
OpenRouter：AnnouncementsAI 评分4949 使用OpenRouter在Cursor中调用模型：试试月之暗面的Kimi K2
OpenRouter的灵活模型路由现已集成到Cursor，用户可在Cursor中直接调用Moonshot AI的Kimi K2模型进行编码操作。
OpenRouter：Announcements精选AI 评分5656 OpenRouter 模型现可在 Cursor 中使用：试试月之暗面 Kimi K2
OpenRouter 宣布其灵活模型路由支持在 Cursor 中运行月之暗面的 Kimi K2。用户可直接在 Cursor 中调用 OpenRouter 路由的模型，无需额外配置。
推荐理由：一篇将 OpenRouter 模型接入 Cursor 的实操指南，虽然已过时三百多天，但对想免配置用 Kimi K2 的 Cursor 用户仍有参考价值。
OpenRouter：AnnouncementsAI 评分5454 在 Cursor 中使用 OpenRouter 模型：以 Moonshot AI 的 Kimi K2 为例
用户现可通过 OpenRouter 灵活的路由服务，在 Cursor IDE 中直接调用 Moonshot AI 最新推出的 Kimi K2 模型。这一集成简化了开发流程，无需复杂配置即可在编码环境中访问高性能大语言模型。OpenRouter 作为统一接口，支持用户便捷切换包括 GPT、Claude、LLaMA 及 Kimi 在内的多种模型，显著提升了 AI 辅助编程工具的可用性和选择自由度。
Cognition 模型 / Devin 博客精选AI 评分7979 Cognition 签约收购智能体 IDE 公司 Windsurf
Cognition 签署最终协议收购智能体 IDE 公司 Windsurf，交易包括其 IP、产品、商标、品牌和业务，Windsurf 团队将加入 Cognition。
推荐理由：官方公告披露了交易范围、Windsurf 的 ARR 和用户规模及员工待遇安排，读者可以据此了解这起收购的实际内容。
Moonshot AI：Kimi Blog精选 Kimi 发布 K2 模型
Kimi K2 采用混合专家（MoE）架构，拥有 320 亿激活参数和 1 万亿总参数，在非推理模型的前沿知识、数学和编程任务上达到 SOTA 性能。
推荐理由：月之暗面发布 Kimi K2，万亿参数 MoE 架构，多基准 SOTA
METR：Research精选AI 评分7979 METR 研究发现早期2025年AI工具使资深开源开发者完成任务耗时增加19%
METR 的随机对照实验让16名资深开源开发者处理246个真实issue，允许使用AI（主要是Cursor Pro 搭配 Claude 3.5/3.7 Sonnet）时完成耗时反而增加19%。
推荐理由：原文给出RCT实验设计和开发者预期与实测的反差数据，读者可以据此校准对AI编码工具收益的判断。
Mistral AI：News精选AI 评分6161 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作推出 Devstral Medium，并升级开源的 Devstral Small 1.1。
推荐理由：官方给出 SWE-Bench Verified 分数、价格与开源许可细节，读者可以据此比较两个 Devstral 模型在成本和部署方式上的取舍。
Factory 研究 / 产品精选AI 评分7070 Factory 提出 Agent Native Development：用自主智能体开发软件的方法论
Factory 发布 Agent Native Development 方法论，主张让 agent 运行收集上下文、规划、实现、验证、提交的完整内循环，人来负责架构决策和护栏。
推荐理由：Factory 提出的 Agent Native Development 方法论给出写精确规格、验证环境和 drift 恢复的可迁移做法，适合想系统化用 agent 写代码的开发者参考。
TensorZero：实验与工程博客AI 评分5555 TensorZero 如何用每次 Git 提交自动评估 AI 编码助手
TensorZero 发布一套开源方法，通过 post-commit Git hook 自动评估 Cursor 等编码智能体在实际工程流程中的效果。方法将生成代码与提交代码解析为语法树，用 tree-sitter 和 Zhang-Shasha 树编辑距离（TED）计算语言感知的奖励分数，并以 Rust 二进制配合 rayon 并行计算反馈存入 ClickHouse。
Cognition 模型 / Devin 博客精选AI 评分7171 Cognition 撰文反对构建多智能体系统，提出上下文工程两条原则
Cognition 发文《Don't Build Multi-Agents》，提出上下文工程两条原则：共享完整 agent 轨迹的上下文，以及行动携带隐含决策、冲突决策导致糟糕结果。
推荐理由：Cognition 以自身 agent 构建经验提炼上下文工程两条原则，并解释为何多智能体架构在 2025 年仍然脆弱。
TensorZero：实验与工程博客精选AI 评分7272 TensorZero 逆向 Cursor 的 LLM 客户端并公开其系统提示词
TensorZero 团队将自家的开源框架作为自托管代理接入 Cursor，经 Ngrok 和 Nginx 绕过 Cursor 服务器与 CORS 限制后，成功观察并控制其全部 LLM 调用。
推荐理由：作者实测把自托管代理接进 Cursor，读者可以照着复现并查看其真实提示词与模型调用。
Mistral AI：NewsAI 评分5454 Mistral 发布企业级 AI 编程助手 Mistral Code，开启 JetBrains 和 VSCode 私测
Mistral 发布企业级 AI 编程助手 Mistral Code，基于开源项目 Continue 构建，即日起面向 JetBrains IDE 和 VSCode 开放私测，正式版即将推出。
Factory 研究 / 产品AI 评分5757 Factory 的 Droids 智能体正式开放通用访问
Factory 宣布其软件开发智能体 Droids 正式开放通用访问（GA），覆盖从编码、PR 评审到值班事故处理、产品规格撰写的全软件开发生命周期。平台通过原生集成 GitHub/GitLab、Jira、Slack、PagerDuty 及实时索引提供组织级上下文，支持 MCP 引入自定义上下文、本地与云端执行切换和组织级记忆；定价为每活跃用户每月 $10，无最低席位要求。
Mistral AI：NewsAI 评分4646 Mistral 发布 Codestral Embed 代码嵌入模型
Mistral 发布首个专为代码打造的嵌入模型 Codestral Embed，在真实代码检索任务上显著优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
OpenRouter：AnnouncementsAI 评分5252 OpenRouter 推出通行密钥、开发者体验升级与 TypeScript 智能体新指南
OpenRouter 新增通行密钥（passkeys）功能以提升账户安全性，同时开放 provider slugs（提供商标识符）方便用户探索，并发布面向 TypeScript 智能体（Agent）的完整开发指南，帮助开发者更高效地构建和部署智能体应用。
OpenRouter：AnnouncementsAI 评分4040 OpenRouter 推出通行密钥、DevEx 升级以及 TypeScript Agents 新指南
OpenRouter 发布三项更新：支持通行密钥（passkeys）加强账户安全、新增 provider slugs 功能便于探索提供商、以及发布面向 TypeScript Agents 的新开发指南，帮助开发者更快速地构建 AI 智能体。
Mistral AI：News精选AI 评分7070 Mistral AI 与 All Hands AI 联合发布开源编码模型 Devstral
Mistral AI 与 All Hands AI 联合发布面向软件工程任务的智能体编码模型 Devstral，以 Apache 2.0 许可开源。
推荐理由：官方发布给出 SWE-Bench Verified 具体分数、开源许可和本地部署门槛，读者可据此评估它是否适合放入自己的编码模型列表。
OpenAI：官网动态精选AI 评分7171 OpenAI 发布云端编码智能体 Codex，由 o3 优化版 codex-1 驱动
OpenAI 在 o3 与 o4-mini 系统卡附录中介绍云端编码智能体 Codex，其由针对软件工程优化的 o3 版本 codex-1 驱动。codex-1 通过强化学习在多种环境的真实编码任务上训练，目标是生成贴近人类风格与 PR 偏好的代码、精确遵循指令，并迭代运行测试直到通过。
推荐理由：原文来自官方系统卡附录，说明 codex-1 的训练方式与目标，读者可以据此了解该编码智能体的技术来源。
Cognition 模型 / Devin 博客精选AI 评分6565 Devin 2.1 发布：任务置信评级、Linear/Jira 集成与内置代码库理解
Cognition 发布 Devin 2.1，新增 🟢🟡🔴 置信评级，置信分与任务成功率高度相关，🟢 得分任务的 PR 合并可能性是 🔴 的两倍。同时为 Linear 和 Jira 集成加入批量自动评分，可在不启动会话的情况下为多个 issue 打分；并内置 DeepWiki 同源的代码库理解能力，可用 !ask 提问，不确定计划时等待用户确认。
推荐理由：原文给出置信分与任务成功率的关联数据，以及按置信度筛选任务的用法，读者可据此改进 Devin 工作流。
Google DeepMind：Blog AlphaEvolve：Gemini 驱动的编程智能体，用于设计先进算法
Google 推出 AlphaEvolve，一款由 Gemini 驱动的编程智能体。该工具结合大语言模型的创造力与自动化评估器，能够演化出适用于数学及实际计算场景的先进算法。
Mistral AI：News精选AI 评分6767 Mistral AI 发布 Mistral Medium 3
Mistral AI 发布 Mistral Medium 3，定位以约 1/8 成本提供接近旗舰模型的性能，价格为每 M token 输入 $0.4、输出 $2，基准成绩达到或超过 Claude Sonnet 3.7 的 90%。
推荐理由：官方给出了与 Claude Sonnet 3.7、Llama 4 Maverick 的基准对比、定价和部署门槛，读者可据此评估其在企业场景的性价比。
Google DeepMind：Blog精选 Gemini 2.5 Pro Preview 提前发布：编程性能进一步提升
鉴于开发者反馈积极，Google 提前两周发布 Gemini 2.5 Pro Preview 更新版本，编程性能进一步提升，现已开放获取。
推荐理由：Gemini 2.5 Pro 提前发布更新版本，编码性能显著提升，开发者可即刻体验
Cognition 模型 / Devin 博客AI 评分5555 Cognition 发布 Kevin-32B：用多轮强化学习训练模型编写 CUDA kernel
Cognition 发布 Kevin-32B，基于 QwQ-32B 用多轮强化学习训练 CUDA kernel 生成，在 KernelBench 前两级数据集上 8 步细化后平均正确率 65%，解决 89% 的任务，超过 o4-mini（53%）和 o3（51%），best@16 加速比 1.41x。
Cognition 模型 / Devin 博客精选AI 评分7474 Cognition 发布 DeepWiki，为任意 GitHub 仓库生成免费 AI 文档
Cognition 推出 DeepWiki，将 Devin Wiki 和 Devin Search 免费公开，把 URL 中的 github.com 换成 deepwiki.com 即可查看任意仓库的 AI 文档。已索引超过 50,000 个热门公开仓库，涵盖 Model Context Protocol、LangChain 等；公开仓库可免费添加，私有仓库需 Devin 账号。
推荐理由：原文给出了使用方式和已索引规模，读者可以据此判断如何用 DeepWiki 快速理解陌生代码仓库。
Anthropic：Engineering精选AI 评分7777 Claude Code：智能体编码最佳实践指南
Claude Code 提供了一套完整的智能体编程工具与框架。其核心遵循“先探索、再计划、后编码”的工作流，并通过配置 CLAUDE.md 文件、管理权限和连接 MCP 服务器来优化环境。最佳实践强调为 Claude 提供工作验证方法、积极管理上下文、使用子代理进行调查，以及利用检查点回退来处理复杂任务。文档还详细介绍了在 VS Code、JetBrains IDE、Slack 及 CI/CD 中的集成使用，并提供了避免常见失败模式的实用建议。
推荐理由：Anthropic 官方出的 Claude Code 最佳实践，不是泛泛而谈的入门指南，而是从 CLAUDE.md 配置到 subagent 编排的完整工程手册，用 Claude Code 做日常开发的人直接照抄就能少踩一半坑。
OpenAI：官网动态精选AI 评分7373 OpenAI 在 API 中发布 GPT-4.1 系列模型
OpenAI 在 API 中发布 GPT-4.1 系列模型，带来编码、指令遵循和长上下文理解方面的全面提升，并同时推出其首个 nano 模型，即日起向全球开发者开放。
推荐理由：官方宣布 API 上线 GPT-4.1 系列并首次推出 nano 模型，读者可据此了解编码与长上下文等能力的更新方向。
Zyphra ResearchAI 评分5151 Zyphra 发布 ZR1-1.5B 数学与代码推理模型
Zyphra 发布 ZR1-1.5B，一个基于 DeepSeek-R1-Distill-Qwen-1.5B、用强化学习在数学和代码问题上训练的小型推理模型。
Cognition 模型 / Devin 博客精选AI 评分6767 Cognition 发布 Devin 2.0，推出 Agent 原生 IDE 并新增 $20 起的灵活方案
Cognition 发布 Devin 2.0，带来 Agent 原生 IDE 体验和 $20 起的新方案。用户可并行运行多个 Devin，各自配备云端 IDE，可在 IDE 内用 Cmd+I、Cmd+K 等快捷键审查和修改 Devin 的代码。
推荐理由：官方公告列出新 IDE 体验、三项新功能和 $20 起的新定价，读者可据此评估 Devin 在编码工作流中的可用性变化。
DeepSeek：API 更新日志精选AI 评分7272 DeepSeek 将 deepseek-chat 升级为 DeepSeek-V3-0324
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V3-0324，推理能力增强，MMLU-Pro 升至 81.2，AIME 升至 59.4。同时优化了 Web 前端开发、中文写作（对齐 R1 风格）、中文搜索及 Function Calling 准确率，并修复了此前问题。
推荐理由：这是 DeepSeek V3 发布后的一次重要版本更新，推理和代码能力提升显著，AIME 提升近 20 分，前端和中文写作体验优化，API 用户应该尽快切换。
Cognition 模型 / Devin 博客AI 评分5454 Devin 2025 年 2 月产品更新：速度翻倍并接入 Sonnet 3.7
Cognition 发布 Devin 2025 年 2 月产品更新，Devin 比 2024 年 10 月快约 2 倍，内部评估中完成初级开发者任务平均约 7.8 分钟，并于 2/24 接入 Sonnet 3.7。新功能包括批量并行编辑、主动反馈次优提示词、GitLab（beta）支持、浏览器多标签与本地 UI 测试改进等。
OpenAI：官网动态AI 评分5959 OpenAI 发布 SWE-Lancer 基准，检验前沿 LLM 能否靠真实软件工程自由职业赚取 100 万美元
OpenAI 发布 SWE-Lancer 基准，探讨前沿大语言模型能否通过真实世界的自由职业软件工程任务赚取 100 万美元。当前仅有官方摘要，基准的任务构成与具体结果暂未公布。
METR：ResearchAI 评分5858 METR 改进 KernelBench 评测：AI 智能体优化 GPU 内核加速达 2.01x
METR 构建了 KernelAgent，在改进版 KernelBench 上测量 AI 智能体优化 GPU 推理内核的能力，同模型下加速从原 KernelBench 的 1.05x 提升到 1.81x，取各模型最优达 2.01x。
Cognition 模型 / Devin 博客精选AI 评分6464 Linktree 复盘用 Devin 一个月写约 300 个 PR 的实践经验
Linktree 团队分享使用 Cognition 的 AI 智能体 Devin 一个月的成果：Devin 完成约 300 个 PR，其中约 100 个已合并，主要是修复客户报告的 bug、实现小功能和原型验证。
推荐理由：Linktree 官方复盘 Devin 落地细节，给出任务筛选标准、多 Devin 协作和 API 用法等可直接迁移的经验。
Sam Altman：Blog精选 三点观察
OpenAI 阐述关于 AI 经济学的三点观察：模型智能与训练资源的对数成正比，可预测扩展；AI 使用成本每 12 个月下降约 10 倍，远超摩尔定律速度；智能线性增长将产生超指数级社会经济价值。据此，AI 代理将如虚拟同事般渗透各领域，科学进步将大幅加速，虽然短期内生活照旧，但长期将深刻重塑社会经济结构，个人意志力和适应能力将成为关键价值。
推荐理由：Sam Altman 提出 AI 经济学三大观察，描绘 AGI 时代 Agent 工作图景