Mistral AI 发布全新 le Chat，登陆 iOS 和 Android 并推出 Pro、Team 与 Enterprise 版本
Mistral AI 发布全新 le Chat AI 助手，上线 iOS 和 Android，并推出 Pro（$14.99/月）、Team 及 Enterprise 私测版本。
推荐理由：Mistral 官方完整列出新 le Chat 的功能、定价和部署选项，读者可以据此与同类助手做横向比较。
#编码
Mistral AI：News精选AI 评分7474
Modal 官方工程博客精选AI 评分6565 Modal Sandboxes 正式可用，为不可信代码提供安全执行环境
Modal 宣布 Sandboxes 正式可用，这是安全运行 LLM、用户或第三方来源不可信代码的隔离执行环境。它提供 exec API，可在运行时用与 Functions 相同的 Image API 动态配置任意语言依赖，支持文件系统快照以持久化和多 Sandbox 扇出，并复用 Functions 基础设施带来快速冷启动、GPU 和全球区域选择。
推荐理由：Modal 官方宣布 Sandboxes 正式可用，给出 exec API、动态镜像和 SWE-bench 7 分钟跑完 Verified 等实测数字，可据此评估智能体代码执行方案。
Cognition 模型 / Devin 博客AI 评分6060 Devin API 教程：用 GitHub Actions 自动化 PR 代码审查
Cognition 官方教程介绍如何用 Devin External API 与 GitHub Actions 在 PR 打开、更新或重新打开时自动启动 Devin 实例做代码审查，通常 5 到 10 分钟开始发布评论。
Cognition 模型 / Devin 博客AI 评分5252 Devin 2025年1月产品更新：仓库上下文推理改进、浏览器登录与企业账户
Cognition 发布 Devin 1月产品更新，改进了 Devin 在仓库中的上下文推理，能更全面找到相关文件、复用现有代码和模式，生成更准确的 PR，将逐步向全部用户推出。
Mistral AI：News精选AI 评分6363 Mistral AI 发布 Codestral 25.01，代码生成速度提升约 2 倍
Mistral AI 发布 Codestral 25.01，采用更高效的架构和改进的 tokenizer，代码生成与补全速度较原版提升约 2 倍。
推荐理由：官方给出与同类模型的多项基准对比和可用渠道，读者可以据此评估它在代码补全工作流中的替换价值。
Answer.AI 官方研发博客精选AI 评分7878 Answer.AI 实测 Devin：20 项任务仅 3 次成功，自主编程能力存疑
Answer.AI 团队对 AI 软件工程师 Devin 进行了为期一个月的深度测试。尽管早期在 API 集成等简单任务中表现尚可，但在扩展至新项目创建、研究及代码修改等 20 项真实任务时，结果令人失望：仅 3 项成功，14 项失败，且无法预测成败规律。Devin 常陷入技术死胡同、生成过度复杂的“面条代码”，或在面对不可行任务时产生幻觉并浪费大量时间。文章指出其实际表现远低于宣传预期，难以替代人类开发者。
推荐理由：来自知名 AI 评测机构的详实一手数据，揭示了明星产品 Devin 在真实工作流中的局限性，为评估当前自主编程 Agent 的实际成熟度提供了重要参考。
Anthropic：Engineering精选AI 评分7272 Claude 3.5 Sonnet 在 SWE-bench Verified 基准测试中刷新纪录
升级版 Claude 3.5 Sonnet 在软件工程评估基准 SWE-bench Verified 上取得 49% 的解决率，超越此前最佳模型的 45%。该基准通过真实 GitHub 问题测试 AI 模型完成软件工程任务的能力，要求模型在给定环境中理解、修改并测试代码，最终通过原始单元测试验证。Claude 团队构建的智能体设计简洁，仅包含提示词、Bash 工具和编辑工具，赋予模型充分的自主判断空间，以灵活步骤解决问题。目前尚无模型在该基准上突破 50% 的解决率。
推荐理由：Anthropic 把自家 SWE-bench agent 的 prompt、工具设计和踩坑经验全公开了，做 coding agent 的人可以直接抄作业，比看十篇二手解读都管用。
Cognition 模型 / Devin 博客AI 评分6060 Cognition 宣布 Devin 全面开放，订阅每月 500 美元起
Cognition 宣布 Devin 正式全面开放，所有工程团队可在 app.devin.ai 使用，订阅每月 500 美元起，含无限席位、API、Slack 集成、IDE 扩展及 Cognition 团队直接支持。
Cognition 模型 / Devin 博客AI 评分5858 Cognition 推出 Devin 开源计划，为开源维护者提供 500 免费 ACU
Cognition 宣布 Devin Open Source Initiative，在 Devin 正式发布之际向被选中的开源维护者提供 Devin Teams 计划 500 免费 ACU。
Cognition 模型 / Devin 博客精选AI 评分7373 Cognition 宣布 Devin 正式全面开放使用
Cognition 宣布 Devin 正式全面可用，无席位限制，所有工程团队可在 app.devin.ai 开始使用，并提供 Slack 集成、IDE 扩展（VSCode 及分支，Beta）和 API，以及 Cognition 工程团队的 onboarding 支持。
推荐理由：官方宣布 Devin 全面开放并给出适用任务、使用建议和多个开源 PR 实例，读者可据此评估如何把 Devin 接入自己的工程流程。
Answer.AI 官方研发博客AI 评分4545 Answer.AI 推出终端 AI 助手 ShellSage，利用 tmux 上下文辅助运维
Answer.AI 发布开源工具 ShellSage（代号 BashBuddy），旨在解决开发者在终端使用 AI 时频繁切换上下文的痛点。该工具集成 tmux 的 capture-pane 功能，使 AI 能“看见”当前终端状态和历史记录，从而提供更具针对性的命令建议和安全警告。文章通过一个 Let's Encrypt 证书泄露排查案例，展示了人机协作在系统管理中的价值，强调其核心是增强而非替代人类直觉。
Cognition 模型 / Devin 博客AI 评分5959 Devin 12 月产品更新：加强 Slack 协作、IDE 扩展、REST API 与 Repo Knowledge
Cognition 发布 Devin 12 月产品更新，覆盖 Slack 协作、PR 改进、IDE 测试版扩展（Cmd+G 呼出，可与 Copilot 和 Cursor 配合）、支持结构化输入输出的 REST API，以及自动扫描代码库生成的 Repo Knowledge。
METR：Research精选AI 评分6262 METR 发布 RE-Bench：对比语言模型智能体与人类专家的 AI 研发能力
METR 发布 RE-Bench 基准，用 7 个 ML 研究工程环境衡量人类专家与前沿模型智能体的表现，并公开 71 次人类专家尝试及 Claude 3.5 Sonnet 和 o1-preview 的全部运行转录。
推荐理由：原文在同一环境公平对比人类专家与前沿模型智能体，并给出长短时间预算下得分反转的关键数据和完整开源转录。
OpenAI：官网动态精选AI 评分7272 OpenAI 发布 canvas：与 ChatGPT 协作写作和编码的新方式
OpenAI 推出 canvas，一种与 ChatGPT 协作写作和编码的新方式。
推荐理由：原文来自 OpenAI 官方发布，读者可据此了解 ChatGPT 在写作和编码场景上的新交互方式。
Cognition 模型 / Devin 博客精选AI 评分6060 Cognition 评测 OpenAI o1 系列在 Devin 编码智能体上的表现并公开评测方法
Cognition 公布在 Devin 中测试 o1-mini 和 o1-preview 数周的早期结果：在内部基准 cognition-golden 上，Devin-Base 从 GPT-4o 的 25.9% 提升到 o1-mini 的 34.6%、o1-preview 的 51.8%，生产版 Devin 达 74.2%。
推荐理由：Cognition 作为 Devin 开发方给出 o1 系列的实测对比数据，并完整披露其内部基准 cognition-golden 的评测方法。
Cognition 模型 / Devin 博客AI 评分5353 Devin 发布 9 月产品更新：MultiDevin、VPC 部署与能力提速
Cognition 发布 Devin 9 月产品更新，新增 MultiDevin（1 个 manager Devin 配最多 10 个 worker Devin 并行分工合并改动，限 Enterprise 用户）、VPC 部署、Custom Devins 微调版本、会话回滚与 Knowledge 自动建议等功能。
DeepSeek：API 更新日志精选AI 评分7878 DeepSeek V2.5 模型发布：合并升级并提升代码与通用能力
DeepSeek 将 V2 Chat 与 Coder V2 合并升级为 V2.5，API 用户通过 deepseek-coder 或 deepseek-chat 均可访问。新模型在通用与代码能力上显著提升，ArenaHard winrate 升至 76.3%，HumanEval 达 89%。
推荐理由：DeepSeek 把 coder 和 chat 合并成 V2.5，API 端点不变但性能全线拉高，已有的集成直接受益，代码和通用能力不再是两张皮。
OpenAI：官网动态AI 评分5454 OpenAI 发布人工校验版 SWE-bench Verified 评测集
OpenAI 发布 SWE-bench 的人工校验子集 SWE-bench Verified，用于更可靠地评估 AI 模型解决真实世界软件问题的能力。
DeepSeek：API 更新日志精选AI 评分6363 DeepSeek-Coder 升级为 DeepSeek-Coder-V2-0724
DeepSeek 将 deepseek-coder 模型升级为 DeepSeek-Coder-V2-0724。此次升级为模型版本更新，具体参数规模、性能基准及可用性细节未在更新日志中披露。
推荐理由：DeepSeek Coder 升级到 V2-0724，编码能力再进一步，对 API 用户是直接可用的提升，虽然官方没给技术细节，但仍值得关注。
Factory 研究 / 产品AI 评分5151 Factory 获红杉领投 1500 万美元 A 轮融资，估值 1.2 亿美元
Factory 宣布完成 1500 万美元 A 轮融资，由 Sequoia Capital 领投，Lux Capital 和 Mantis VC 参投，总融资超 2000 万美元，估值 1.2 亿美元。
Cognition 模型 / Devin 博客AI 评分5353 Devin 6 月产品更新：可直接接管其机器、Playbooks、Knowledge 与 Slack/GitHub 集成
Cognition 发布 Devin 6 月产品更新，用户可通过 VSCode 直接读写 Devin 的文件并在其机器上开终端，还能用 Interactive Browser 直接操作其浏览器。
Mistral AI：News精选AI 评分7373 Mistral 发布首个代码模型 Codestral，22B 开放权重支持 80+ 编程语言
Mistral 发布其首个代码生成模型 Codestral，为 22B 开放权重模型，训练覆盖 80+ 编程语言，采用 32k 上下文窗口，并支持 Fill-in-the-middle 补全。
推荐理由：官方发布首次给出模型规模、语言覆盖和专用端点细则，读者可据此评估是否将其接入现有编码工作流。
Cognition 模型 / Devin 博客精选AI 评分6868 Cognition 发布 Devin 的 SWE-bench 技术报告
Cognition 发布 Devin 在 SWE-bench 上的技术报告，Devin 在随机抽取的 570 个测试集中解决 79 个问题，成功率 13.86%，高于此前最强的辅助设定基线 Claude 2 的 4.80% 和无辅助设定的 1.96%。
推荐理由：Cognition 公开了评测方法和 Devin 的代码编辑结果，读者可以对照复现并理解智能体在真实仓库上解题的边界。
Cognition 模型 / Devin 博客精选AI 评分6868 Cognition 发布 AI 软件工程师 Devin，SWE-bench 端到端解决 13.86% 问题
Cognition 发布 AI 软件工程师 Devin，可规划并执行需要数千次决策的复杂工程任务，配备 shell、代码编辑器和浏览器等沙盒开发环境，并能实时汇报进度、接受反馈与用户协作。
推荐理由：官方宣布 Devin 并给出 SWE-bench 13.86% 的成绩与具体能力示例，读者可据此评估智能体在真实工程任务中的可用性。
LlamaIndex：产品、工程与评测AI 评分4040 LlamaIndex.TS 如何用 TypeScript 构建 LLM 智能体
LlamaIndex.TS 发布教程，演示如何用 TypeScript 构建 LLM 智能体：先通过 FunctionTool 和 OpenAIAgent 搭建计算智能体，让模型自动调用 sum、multiply 函数完成"5+5 再乘 2"的多步计算。
Andrej Karpathy：Blog精选 Licklider 1960《人机共生》评述
Licklider 1960年论文《人机共生》提出"智能增强"(IA)是通向AI的过渡阶段，预测人机能力互补——计算机处理机械工作、人类负责思考，这一范式延续64年直至LLM打破界限。他预见云计算雏形，但误判技术路径：当时看好的逻辑推理AI成死胡同，而因缺乏数据被忽视的统计方法（LLM）终成主流。对交互预测也偏离现实：设想的多人协作大屏未普及，键盘鼠标仍是主导；对语音识别"5年实现"的乐观估计，实际耗时64年未成熟。
推荐理由：Karpathy 借 1960 年文献反思人机共生与 AI 发展路径，历史洞察深刻
LlamaIndex：产品、工程与评测精选AI 评分6262 LlamaIndex 发布 AutoTranslateDoc 命令行工具，用 GPT 模型自动翻译技术文档
LlamaIndex 发布 AutoTranslateDoc，一款命令行工具，可从 GitHub 仓库抓取 .md 和 .mdx 文档，用 GPT-3.5、GPT-4 分块翻译并自动校验后合并输出。
推荐理由：工具通过分块翻译加多重校验来保证文档翻译质量，并支持差量更新，适合需要维护多语言文档的开发者参考。
LlamaIndex：产品、工程与评测AI 评分5252 FinSight 获胜应用复盘：如何用 LlamaIndex 构建 10-K 年报 RAG 分析工具
作者复盘了 Streamlit LLM Hackathon 冠军应用 FinSight 的构建过程，用 LlamaIndex、FAISS 和 Streamlit 对公司 10-K 年报做 RAG 分析。
LlamaIndex：产品、工程与评测AI 评分4242 LlamaIndex 为代码库自动生成知识转移（KT）内容
开发者基于 LlamaIndex 与 D-ID 构建了一套代码库知识转移（KT）自动生成系统，可将代码解析为独立代码块，用 LlamaIndex 的 SummaryIndex 生成整体摘要与逐块详解，再经 D-ID 结合微软文本转语音合成讲解视频，并与对应代码片段拼接。
LangChain：Blog精选AI 评分6060 LangChain 发布 LLM 与 SQL 结合的实践指南
LangChain 与社区成员 Francisco Ingham、Jon Luo 发布 LLM 与 SQL 结合的实践指南，并宣布 3 月 22 日举行一小时网络研讨会。
推荐理由：LangChain 团队系统整理了让 LLM 生成有效 SQL 的三类问题与对应解法，方法可直接迁移到自己的 Text-to-SQL 场景。
OpenAI：官网动态精选AI 评分6666 OpenAI 发布改进版 Codex，通过 API 开启私有测试
OpenAI 发布改进版 Codex，该系统可将自然语言翻译为代码，即日起通过 API 以私有测试版形式开放。
推荐理由：OpenAI 官方宣布 Codex 改进版上线 API 私测，读者可以据此了解自然语言转代码能力的开放入口。
OpenAI：官网动态精选AI 评分6666 OpenAI 发表针对代码训练大语言模型的评估研究
OpenAI 发布论文《Evaluating large language models trained on code》，主题是在代码上训练的大语言模型的评估。（仅标题可用，正文抓取失败）
Mistral AI：NewsAI 评分5959 Mistral 发布开源 Lean 4 证明智能体 Leanstral
Mistral 发布 Leanstral，据称是首个面向 Lean 4 的开源代码智能体，权重以 Apache 2.0 许可开放，并提供 Mistral Vibe 集成与 labs-leanstral-2603 免费 API 端点。