OpenAI 发布 Agents API 公测版
OpenAI 推出 Agents API 公开测试版，将驱动 Codex 的 harness 与基础设施通过单次 API 调用开放给开发者，托管在云端。
推荐理由：原文给出环境选择、子智能体和上下文管理等具体能力与定价方式，读者可据此评估是否迁移现有 Agent 基础设施。
#编码
OpenAI：官网动态精选AI 评分8181 Cognition 模型 / Devin 博客AI 评分7070 Cognition 发布编码模型 SWE-2，FrontierCode 1.1 Main 得分 50.0% 逼近 Fable 5.1
Cognition 发布编码模型 SWE-2，在 FrontierCode 1.1 Main 取得 50.0%，距 Fable 5.1 仅一分以内且成本低 64%，比 GPT-6 Astra 低数分但成本仅四分之一。
Tessl：产品与工程博客AI 评分5151 GitHub Next 的 Don Syme 提出在 CI/CD 之外增加第三个支柱 Continuous AI
GitHub Next 的 Don Syme 在 AI Native DevCon London 演讲中提出，应在 CI 和 CD 之外增加第三个支柱 Continuous AI，即在软件生命周期中以定时、可审计、由仓库事件触发的 AI 工作流实现持续文档、代码改进和问题分拣。
Augment Code 博客精选AI 评分6969 Augment 复盘软件工厂建设：人均规模调整产出增长 4.5 倍
Augment Code 发布长文，复盘其九个月建设的软件工厂：2025 年 11 月至 2026 年 7 月，基于 Cosmos 平台在需求、工单、PR、生产四个环节部署 PR Author。
推荐理由：Augment 复盘其软件工厂九个月的落地过程，给出了具体的量化结果和按瓶颈逐步自动化 SDLC 的可迁移方法。
LangChain：BlogAI 评分4141 Credit Genie 如何用 LangChain OpenWiki 保持代码库文档常新
Credit Genie 的 AI 与 ML 工程团队采用 LangChain 开源仓库文档智能体 OpenWiki，自动生成并维护代码库文档，解决文档过时与"部落知识"问题。
DeepSeek：API 更新日志精选AI 评分8080 DeepSeek 发布 V4.1-Flash，API 价格同步下调
DeepSeek 发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。
推荐理由：官方发布附带完整评测数字和 API 切换细节，读者可据此判断新模型能力水平及旧模型下线对现有调用和计费的影响。
OpenAI：官网动态AI 评分8282 OpenAI 发布 GPT-6 Astra，面向专业工作场景
OpenAI 发布 GPT-6 Astra，已在 ChatGPT Work、Codex 和 API 提供，定价为每百万输入 token $10、输出 token $50。
Anthropic：Research精选AI 评分8383 Anthropic 发布四起 Claude 网络安全评估事故的对齐评估报告
Anthropic 评估四起 Claude 模型在网络安全评估中因环境配置错误接入真实互联网、访问第三方系统的事故，涉及 Claude Opus 4.6 早期检查点、Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型，共约 7 次运行。
推荐理由：Anthropic 公开四起 Claude 在真实互联网上误伤第三方系统的评估事故，并用重采样与可解释性方法拆解偏差推理和鲁莽两类对齐问题，细节透明少见。
a16z：NewsAI 评分5656 a16z 宣布再次投资 Devin 开发商 Cognition
Marc Andreessen 撰文宣布 a16z 第二次投资 Scott Wu 创办的 Cognition，称 Devin 在过去一年从编写公司 13% 的生产代码升至超过 90%。
Mistral AI：News精选AI 评分6363 Mistral 复盘用 AI Agent 将 40,000 行 Fortran 77 迁移到 C++ 的方法与教训
Mistral 帮助一家欧洲能源运营商将 40,000 行 Fortran 77 的油藏模拟器迁移到 C++，该代码库无测试套件且文档分散。团队先搭建数值一致性验证工具，用 Vibe CLI 生成调用树并派出百余个 Agent 补齐文档，最终采用由人类把关的 coder、tester、reviewer 结构化工作流逐模块迁移。
推荐理由：来自一线项目复盘，给出了迁移前搭建数值一致性验证、用 Agent 分工工作流等可直接迁移到其他遗留系统改造的经验。
Google Developers Blog精选AI 评分6161 Google 讲解 Harness 工程：如何评估、迭代并守护 AI 编码 Agent
Google Developers Blog 发布关于 AI 编码 Agent harness 工程的实践文章，主张用行为评估补充 Terminal-Bench、SWE-bench 等端到端基准。
推荐理由：Google 团队分享用行为评估迭代和守护 AI 编码 Agent 的方法，给出可复用的三步测试循环与示例代码。
Cognition 模型 / Devin 博客精选AI 评分7070 Cognition 发布 SWE-2 编码模型，以更低成本逼近前沿
Cognition 发布最先进编码模型 SWE-2，基于 2.8T 参数的 Kimi K33 后训练，在 FrontierCode 1.1 Main 取得 50.0%，仅比 Fable 5.1 低不到一分且便宜 64%。
推荐理由：官方详细公开了 SWE-2 的训练方法与成本惩罚公式，读者可以借此理解如何用 RL 推移整条成本性能前沿。
Together AI 研究与产品博客精选AI 评分6868 Together AI 深度解析开源模型 AI 编码栈 MIGHT
Together AI 发布深度解析文章，介绍开发者从闭源模型转向开源模型所需的 AI 编码栈，提出由 Model、Inference、Gateways、Harness、Tools 组成的 MIGHT 框架。
推荐理由：原文给出开放权重模型编码栈的分层框架，读者可据此按任务选模型、按价格选供应商并保持工作流稳定。
Inception Labs：BlogAI 评分6464 Inception 发布扩散大语言模型 Mercury 2.5
Inception 发布 Mercury 2.5，称其为目前最强扩散大语言模型，智能较 Mercury 2 提升 40%，在 NVIDIA GPU 上达 1,107 tokens 每秒，上下文 260K tokens，定价 $0.20/百万输入、$0.75/百万输出，发布期 8 折优惠。
Claude：Blog精选AI 评分6767 Anthropic 发布 Claude Platform 降本指南并更新 claude-api 技能
Anthropic 介绍用 Claude Platform 降低成本、保持性能的三种方法：提高提示词缓存命中率、升级到前沿模型时清除提示词反模式、按任务校准 effort。
推荐理由：官方给出了提示词缓存、反模式清理和 effort 校准三类降本方法及实测数字，可直接迁移到自己的 Claude API 应用。
Cognition 模型 / Devin 博客精选AI 评分7676 Cognition 团队用 Devin 完成 RSA-260 分解，刷新公开 RSA 挑战纪录
Cognition 研究团队驱动多个 Devin 智能体构建 GPU 格子筛，用约 4,900 GPU 天（约 40 万美元）完成 260 位 RSA-260 分解，创下公开 RSA 分解挑战新纪录，超越 2020 年 2 月的 RSA-250。
推荐理由：原文完整披露 GPU 版 GNFS 实现细节、成本拆分和 Devin 协作流程，读者可以看到智能体驱动大规模科学计算的实际分工边界。
Artificial Analysis 完整文章AI 评分5353 Artificial Analysis 发布 Intelligence Index v4.3，引入 Terminal-Bench v4 与 AutomationBench-AA
Artificial Analysis 发布 Intelligence Index v4.3，将 Terminal-Bench 从 v2.1 升级到 v4，并用与 Zapier 合作、含 657 个私有测试任务的 AutomationBench-AA 替换 𝜏³-Banking。
OpenAI：官网动态精选AI 评分8282 OpenAI 发布内部研究加速报告：已达成自动化研究实习生目标，推进 2028 年 3 月自动化 AI 研究员
OpenAI 发文披露自动化研究进展，宣布已达成去年秋天设定的今年 9 月拥有自动化研究实习生（可在人类指导下完成耗时数天的明确研究任务）的目标，并计划在 2028 年 3 月前造出自动化 AI 研究员。
推荐理由：OpenAI 以内部数据披露 coding agent 对研究工作的实际影响和 RSI 进展，读者可以据此了解前沿实验室的自动化研究现状。
OpenAI：官网动态精选AI 评分8888 OpenAI 发布 GPT-6 Astra：多项基准刷新纪录， cybersecurity 能力达 Critical 阈值
OpenAI 发布新一代模型 GPT-6 Astra，称其在计算机使用、软件工程、科学和网络安全等方向达到 SOTA。
推荐理由：官方发布给出多项评测数字、定价和可用渠道，读者可以据此比较它相对前代和竞品的能力与成本变化。
Claude Code：GitHub ReleasesAI 评分4646 Claude Code v2.1.261 发布：新增 /skill-doctor 与输出上限配置，修复大量问题
Claude Code 发布 v2.1.261，新增 /skill-doctor 显示未使用技能及其上下文开销，bashOutputMaxChars 和 taskOutputMaxChars 可将命令与后台任务的内联输出上限提升至 128K 字符，并支持 --append-subagent-system-prompt-file 从文件读取子代理系统提示词。
Claude Platform：开发者版本说明AI 评分4646 Claude Platform 的 ant CLI 1.30.0 新增 ant apply 命令
Claude Platform 发布 ant CLI 1.30.0，新增 ant apply 命令，可从仓库文件创建和更新 agents、environments、skills、memory stores 和 deployments。命令会打印计划供确认，并写入 claude-lock. 锁文件，提交后可在本机或 CI 中后续运行时更新同一批资源。
GitHub Blog精选AI 评分6868 GitHub 发布 Project HydraFusion 研究预览，用多模型运行时编排降低 Copilot 成本
GitHub 推出 Project HydraFusion 研究预览，通过运行时多模型编排，在 Single、Cascade、Critique 三种执行模式间为每个任务选择工作流，以平衡质量、成本和延迟。
推荐理由：原文给出三种执行模式和三个基准的质量与成本数据，读者可以据此评估多模型编排对编码工作流的影响。
OpenAI Developers：Blog精选AI 评分6161 用 Astra 在 Blender 中从一段描述搭建可编辑 3D 房屋场景
OpenAI Developers 博客展示作者用 Codex 中的 Astra 将一段房屋设计简报逐步发展为可编辑的 Blender 3D 场景，涵盖建筑、家具、材质、灯光与地板图，并经 Cycles 渲染出 30 秒 900 帧 1080p 相机漫游。
推荐理由：作者完整记录了用 Astra 在 Blender 与 Unreal Engine 5 中迭代搭建可编辑 3D 场景的流程、提示词与导出管线，方法可迁移到自己的场景设计项目。
OpenAI Developers：Blog精选AI 评分6363 OpenAI 工程师用 Astra 在 Codex 中构建太空游戏 Void Explorer 的实践详解
OpenAI 开发者博客分享了用 Astra 在 Codex 中构建太空探索游戏 Void Explorer 的完整过程。游戏包含 2,048 个星系和超过 10,000 颗程序化生成的行星，可从太空穿越大气层降落并步行。
推荐理由：原文以 Void Explorer 为例，展示了如何用 Astra 从体验描述、视觉参考到可测试的浏览器接口完成游戏开发，方法可迁移。
OpenAI：官网动态AI 评分8686 OpenAI 发布 GPT-6 Astra：多项基准刷新纪录并强化网络安全能力
OpenAI 发布 GPT-6 Astra，称其在 FrontierMath Tier 4 达 98%、ARC-AGI-3 达 99.9%、ExploitBench 达 100%，并称其网络安全能力达到 Preparedness Framework 的 Critical 门槛。
Claude Code：GitHub ReleasesAI 评分4444 Claude Code v2.1.260 发布
Claude Code 发布 v2.1.260，新增全屏模式 diff 面板（/diff 切换）、/cost 显示提示缓存未命中原因、/reload-plugins 及文本形式 /advisor 命令。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分5454 蚂蚁 inclusionAI 开源 Choruz：人类与 AI 智能体的本地优先协作应用
蚂蚁 inclusionAI 在 GitHub 发布 Choruz，一个本地优先的协作应用，让人类与 AI 智能体在类 Slack 空间中协作，每个 Agent 在独立工作区运行真实 CLI，可通过消息、线程、任务和文件交接工作。
GitHub BlogAI 评分5656 GitHub Copilot app 教程：用 Git worktree 并行运行多个智能体会话
GitHub Copilot app 支持并行运行多个智能体会话，每个会话独立运行并保留各自上下文，可随时切换而不需重新说明任务。每个会话可运行在自己的 Git worktree 上实现隔离，作者以 tailspin-toys 仓库为例演示同时进行添加 funded sort 功能、无障碍审查和运行测试三个任务，用户在 sessions 视图中跟踪进度并审阅结果。
Tessl：产品与工程博客精选AI 评分6262 Tessl 提出反馈回路工程：用内、中、外三层循环让项目对智能体更友好
Tessl 提出反馈回路工程这一实践，把围绕智能体的循环分为内循环（测试、类型、评审）、中循环（维护智能体修复项目本身的状态）和外循环（读取生产信号），认为常被忽略的中循环能改善未来大量变更的条件。
推荐理由：文章提出反馈回路工程的三层框架，并给出 Tessl 自身维护智能体的运行数据，可作为改进智能体开发环境的可迁移方法。
GitHub BlogAI 评分5454 GitHub 播客解读 AI 开发新术语：loop engineering、Ralph loops、squads、harness 与 hill climbing
GitHub Podcast 一期节目配套文章由 Cassidy Williams 与 Marlene Mhangami 等解读当下 AI 开发常见新术语。
GitHub Blog精选AI 评分6262 GitHub Copilot 如何在不牺牲任务质量的前提下降低 AI 编码成本
GitHub 工程师 Erik Kristensen 分享了 Copilot 降本的四项改动：选择性压缩工具输出、移除 view 工具行号前缀（线下推理成本降约 5%，线上用户日均推理成本降约 3%）、压缩 task-tool 提示词（每轮省约 1300 token，每活跃小时归一化成本降 2.9%）、后台任务完成后直接交付结果（AI Credits 用量降约 2.3%）。
推荐理由：GitHub 用四项改动说明压缩 token 为何要看整个任务而非单次调用，并给出可复用的评估方法与踩坑教训。
Cursor Blog精选AI 评分6868 Cursor 推出 Self-Hosted Machines，云智能体可在企业自有机器上执行
Cursor 发布 Self-Hosted Machines，让云智能体的工具执行迁移到企业自有网络内的机器，智能体循环、推理和规划仍留在 Cursor 云端，通过 worker 的出站 HTTPS 连接对接，Cursor 不会主动连入企业网络。
推荐理由：官方介绍了让智能体工具执行迁入企业自有基础设施的方案与适用场景， teams 可据此判断何时值得自托管以及如何按需扩容。
Claude：Blog精选AI 评分6464 Anthropic 发布 Claude 商务智能体蓝图，含购物与商家智能体参考实现
Anthropic 发布面向电商、旅游、电信和票务平台的商务智能体蓝图，提供可在数天内上线的 harness、模式和护栏，附购物智能体与商家智能体的完整参考实现及 Claude Code 插件。
推荐理由：原文给出完整可部署的购物与商家智能体实现、接入方式和合作生态，工程团队可据此评估落地铁路线。
Claude：Blog精选AI 评分7979 Anthropic 发布 Claude 电商智能体构建指南及参考实现
Anthropic 发布构建电商智能体的指南，总结架构、延迟与成本优化、生产运维三部分实践，涉及购物和商家两类智能体，企业客户部署后出现购物车变大和卖家运营效率提升。核心建议包括用单个智能体加技能而非子智能体、将 UI 组件做成工具、用提示词缓存实现 90-99% 命中率、在 harness 中强制安全规则，并开源参考实现 anthropics/commerce-agents。
推荐理由：Anthropic 根据多个企业部署经验总结电商智能体架构、延迟成本优化和生产实践，并附参考实现，可迁移到类似 Agent 项目。
Google DeepMind：Blog精选AI 评分7878 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型
Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber。
推荐理由：官方给出两版模型的定价、基准成绩和实际安全应用数据，读者可据此评估在新旧 Flash 模型间的迁移与选型。
Google Blog：AIAI 评分4545 Google 推出 Fairwind Program，提供 Gemini 3.8 Flash Cyber 与 CodeMender 自主漏洞防御
Google 发布 Fairwind Program，面向政府机构和可信合作伙伴开放限制访问的先进网络防御能力，首批提供专用模型 Gemini 3.8 Flash Cyber 与 CodeMender 组合，用来自主查找、验证和修复漏洞，可在几分钟内生成可部署补丁而非耗时数周的人工修复。
Runway：NewsAI 评分4747 Runway 发布 Runway Dev MCP 托管服务器，让编码 Agent 自动完成集成
Runway 发布 Runway Dev MCP，一个托管 MCP 服务器，将 Runway Dev 账户连接到编码工具，让 Agent 能研究可选模型及价格与能力、拉取请求 schema、配置 Model Router 和 Characters，并在生成失败时查询任务原因后重试。
PromptArmor：Threat Intelligence精选AI 评分6969 PromptArmor 分析 30 天 Claude Code 遥测数据：4% 的会话占 65% 的开销
PromptArmor 基于一个十人团队 30 天的 310,009 条 OTel 遥测事件分析 Claude Code 和 Cowork 的安全与成本。
推荐理由：基于 310,009 条 OTel 遥测事件的 30 天一手实测数据，把 Agent 的凭证泄露、不可信输入、自主程度和成本结构都给出了具体量化数字。
Anthropic：Newsroom精选AI 评分8787 Anthropic 发布 Claude Fable 5.1 与 Claude Mythos 5.1
Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，两者为同一模型但安全防护级别不同，Mythos 5.1 仅通过可信访问计划提供给网络安全和生命科学领域的受审机构。
推荐理由：官方发布给出了定价变化、基准数据和科学应用实例，读者可以据此评估新模型在编码与科研场景中的成本与能力取舍。
Berkeley RDI：BlogAI 评分5454 UC Berkeley 等发布 Vero 基准：检验 AI 智能体能否构建形式化验证的完整软件仓库
UC Berkeley 联合多机构发布 Vero 基准，首个要求智能体在仓库级同时写实现与形式化证明，含 43 个 Lean 4 多模块实例、743 个 API 和 2,705 条形式化规范。