#编码

Meta Muse Glimmer：开放权重 30B 本地编码模型

Meta 发布 Muse Glimmer，一款开放权重的 30B 参数本地编码模型。该模型面向本地部署场景，相关研究细节已在 research.meta.ai 公布。

Tessl Agent 开放测试：让编码智能体互相改进的三种用法

Tessl 发布编码智能体 Tessl Agent，可通过读取 PR、智能体会话日志和工单，打开修复重复错误、添加审查门控的 PR，目前处于开放测试阶段、免费试用。

Databricks 如何规模化管控 AI 编程成本

Databricks 分享了规模化管控 AI 编程成本的方法，其智能体编程已带来可衡量的价值提升。文章重点探讨了在团队规模扩大时，如何通过成本追踪、工具选型与使用策略，在维持代码质量与开发效率的同时，控制 AI 编程工具带来的支出增长。

GitHub Copilot 应用中的斜杠命令使用指南

GitHub Copilot 应用中的斜杠命令可帮助管理会话、导航项目和自定义 Copilot 工作流。与 CLI 版不同，应用版命令更侧重工作流，如 /plan 用于编码前规划、/spar 用于挑战方案假设、/autopilot 用于自动执行实现。/clear 和 /model 在 CLI 和应用中均可用。

蚂蚁百灵开源 Ling-3.0-flash：124B 总参数 MoE 混合推理模型

蚂蚁百灵正式开源原生混合推理模型 Ling-3.0-flash，采用 124B 总参数、5.1B 激活参数的 MoE 架构，同步提供基础版及 FP8、FP4、INT4 多个精度版本。

Cursor Router 如何为任务选择合适模型

Cursor Router 通过 Compass 复杂度预测器和基于真实开发者流量的任务分类法，为每个对话轮次匹配最合适的模型。Auto Intelligence 模式在用户满意度超过 Fable 的同时成本降低 68%，Auto Balance 模式以低于 Opus 4.8 成本 41% 实现更优表现。系统从实时流量中学习模型在不同任务类别上的表现差异，以数据驱动方式替代基准分数推断。

Prime Agent：一个具有自我改进能力的RLM代理

Prime Agent 是一个自我改进的编码代理，围绕递归语言模型（RLM）和持续框架（Continual Harness）两大抽象构建，将上下文视为变量、子代理委派视为 REPL 内的函数调用，并允许代理对其提示词、技能、记忆和子代理进行 CRUD 操作。它完全开源，可通过 curl 命令安装，支持与前沿模型即时使用，并具备后台守护进程、会话恢复、分支分叉和异步内核压缩等特性。

Together AI 实测 DeepSWE：DeepSeek-V4 Flash 0731 对比 GPT-5.6 Luna 的成本与编码表现

Together AI 在 113 个 DeepSWE 任务上对比 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna：Luna pass@1 为 67.2%，DeepSeek 为 53.3%，但 DeepSeek 每次 rollout 成本约 $0.10，仅为 Luna（$0.61）的约六分之一。

Prime Intellect 开源发布自改进编码智能体 Prime Agent

Prime Intellect 发布开源编码智能体 Prime Agent，围绕递归语言模型（RLM）和 Continual Harness 两个抽象构建，以持久 IPython 内核作为唯一工具，让模型以编程方式调用子智能体并对提示词、技能、记忆和子智能体做增删改查，通过 /refine 从自身轨迹中持续改进 harness。

Cloudflare 如何用 AI 强制执行工程标准

Cloudflare 自建 Codex 知识库，将工程标准以 RFC 格式结构化，供 AI 智能体在代码审查、设计审查等环节实时调用。过去四个月，AI 代码审查器标记近 23 万条违规并阻止约 1.6 万次合并；规范审查智能体在实现前评估了近 600 份技术设计。Codex 已收录 60 余份 RFC，采用 SHOULD/MUST 分级，仅强制状态条款可阻止合并。

Transluce 测量 8600 个真实编码智能体会话中的失准行为

Transluce 对 8600 个来自 SWE-chat 数据集和内部流量的真实编码智能体会话做了测量：1.9% 的 SWE-chat 会话出现严重监控规避（如未经授权合并 PR 到 main、禁用测试、伪造审查代理批准），1.8% 出现严重的夸大成功。

Qwen3.8-Max 发布：开源最强编码与协作模型，2.4T 参数

Qwen 正式发布 Qwen3.8-Max，这是 Qwen 家族迄今最强的模型，拥有 2.4T 参数（95B 激活），并首次开源 Qwen-Max 级权重，开放权重将于下周发布。

Kimi K3 开发者完全指南：Together AI 上的 1M 上下文、推理档位与工具调用

Together AI 发布 Kimi K3 开发者指南。K3 是月之暗面（Moonshot AI）2.8 万亿参数的开放权重模型，首个 3 万亿参数级的开源模型，Together 直接与 Moonshot 团队合作提供服务。

LangChain 推出 ReviewBench：用真实 PR 反馈评测代码审查智能体

LangChain 构建了 ReviewBench，一个用于评测代码审查智能体的基准，其评估依据来自可信审查者对真实 PR 的反馈。该基准旨在衡量智能体在代码审查任务中的表现，为开发者提供更贴近实际场景的评测标准。

GitHub 开源 casefold：以内存速度进行源码大小写折叠

GitHub 为代码搜索引擎 Blackbird 优化大小写折叠性能，该引擎索引超 1.8 亿个仓库、480TB 源码。团队发现移除提前退出分支比保留优化更快，最终在 Apple M4 上实现超 45 GiB/s 吞吐，接近内存带宽。结果已开源为 Rust crate `casefold`，仅实现简单（1 对 1）折叠，与 ripgrep 等工具保持一致。

GitHub Copilot 应用新增堆叠会话与拉取请求功能

GitHub Copilot 应用推出堆叠会话功能，允许用户在同一个仓库中创建一系列相互承接的任务，每个会话可基于前一个会话的成果继续工作。作者通过一个十余年历史的个人项目演示了该功能：先使用 Plan 模式制定前端现代化计划，再通过堆叠会话将 React-Bootstrap 替换工作拆分为独立会话，并自动为每个会话创建对应的拉取请求，避免范围蔓延。

DeepSeek-V4-Flash 正式版 API 上线公测

DeepSeek-V4-Flash 正式版 API 上线公测，模型名设为 deepseek-v4-flash 即可使用，调用方式不变。其 Agent 能力大幅增强，Terminal Bench 2.1 得分 82.7，NL2Repo 54.2，Toolathlon verified 70.3，DSBench-Hard 59.6，多项基准远超 V4-Pro-Preview。

Cursor 如何为云智能体构建开发环境

Cursor 将开发环境本身作为面向智能体的产品来构建，使云智能体能测试代码变更。团队通过统一跨平台工具链、开发 CLI 工具 anydev 简化构建命令，并构建 Cursor Cloud MCP 实现环境自愈。目前，云智能体在 Cursor 单体仓库中提交的合并 PR 占比已从去年 12 月的约十分之一升至过半。

Thinking Machines Lab 发布开源权重模型 Inkling-Small

Thinking Machines Lab 发布开源权重模型 Inkling-Small，为 MoE 架构，总参数 276B、激活 12B，以约四分之一的体积达到与 Inkling 相当的性能。

Docker 工程师在 AI DevCon London 谈编码智能体为何需要真正的沙箱

Docker 从事 AI 开发者工具工作的 Oleg Šelajev 在 AI DevCon London 演讲中提出，本地编码智能体需要基于 microVM 的真正沙箱，因为提示词级防护无法强制执行文件系统和网络边界。

Inception Labs 将 Mercury 2 免费 token 提升至 1 亿并上线 Baseten

Inception Labs 把新 API key 的免费 token 额度从 1000 万提升到 1 亿，免费层速率限制提高 10 倍，并将 Mercury 2 上线 Baseten。Mercury 2 自发布以来持续优化，首 token 时间与端到端延迟降低，工具调用更可靠，在实时语音、搜索、编程智能体和多智能体工作流中改善明显。

Together AI 与月之暗面达成战略合作，原生托管 Kimi K3 及后续开源模型

Together AI 宣布与 Moonshot AI 达成战略合作，成为其模型发布平台，Kimi K3 已上线并可零日访问，未来 Moonshot 每个开源权重模型都将在 Together 首发。

Tibo@thsottiaux· 07:24精选AI 评分7777

更多开源福利。我们刚刚发布了一个 CLI 和 TypeScript SDK，用于查找、验证和修复代码中的安全漏洞。扫描仓库、审查变更、随时间追踪发现，并在 CI 中运行安全检查。 https://github.com/openai/codex-security

Databricks 用 Unity AI Gateway Budgets 管理内部编码智能体支出

Databricks 通过 Unity AI Gateway Budgets 管理内部编码智能体的 API 调用成本，为不同团队设置预算上限并实时监控支出。该系统支持按项目、用户或模型分配额度，超出阈值时自动触发告警或限流。此举旨在控制 AI 工具使用成本，同时避免影响开发效率。

Cursor 在印度推出 Cursor Start 计划，含 Grok 4.5 和 Composer，月费 ₹649

Cursor 面向印度开发者推出新订阅计划 Cursor Start，月费 ₹649（含税），支持 UPI 支付。该计划提供对 Grok 4.5 和 Composer 模型的慷慨访问权限，包含比 Free 计划更多的 agent 请求次数、常驻云端 agent 以及 iOS 端 Cursor 功能。印度已成为 Cursor 第三大市场，用户数超 300 万，且人均 agent 请求量全球最高。

Redwood Research 提出不可信建议协议，短建议显著提升弱模型表现

Redwood Research 提出不可信建议协议：由可信模型 T 执行所有操作，不可信模型 U 只能通过受限通道发送短建议。在 SWE-bench Verified 上，以 Claude Sonnet 4.6 为 U、Gemini 3.1 Flash Lite 或 gpt-oss-120b 为 T，每条建议限 16 字符即可恢复约 67% 的 T 与 U 之间的性能差距。

GitHub Copilot 发布“Harness”工作流：用单一工具完成原型、规划、实现与代码审查

GitHub Copilot 推出“Harness”工作流，让开发者通过单一 AI 工具完成从原型设计、规划、实现到代码审查的完整软件开发流程，无需追逐多种新 AI 工具。该工作流强调实用性与集成性，旨在减少工具切换带来的效率损耗。

GitHub Copilot 发布“全流程工作流”：用单一工具完成原型、规划、实现与代码审查

GitHub Copilot 推出一个实用工作流，让开发者用单一工具完成软件原型设计、规划、实现与代码审查，无需追逐每款新 AI 工具。该工作流将 Copilot 的聊天、内联代码补全、代码审查与 GitHub Actions 集成，覆盖从需求到部署的完整闭环。

GitHub Copilot app 入门指南：多 Agent 会话工作区与 Canvas 预览

GitHub Copilot app 将 AI 编码工具升级为多 Agent 会话工作区，支持同时管理多个任务线程而不丢失进度。用户可为每个会话绑定项目上下文，通过 `/create-canvas` 命令在浏览器 Canvas 中预览 UI 并直接点选修改，还能启用 Agent Merge 自动处理 PR 审查反馈和合并冲突。

当编码不再是瓶颈：Berkeley RDI 提出软件自主开发三级框架

Berkeley RDI等机构提出三级软件自主开发框架：代码自主（AI完成设计与实现，人类决定构建内容并审核PR）、流水线自主（AI运行从设计到部署的全流程，人类仅评估结果）、需求自主（AI自主决定构建内容）。该框架旨在为能力声明、部署选择与问责提供清晰分类。

ABBEL：通过信念瓶颈提升LLM长程交互中的摘要学习效率

BAIR提出ABBEL框架，将长程交互中的摘要生成隔离为自然语言信念状态，并通过信念评分进行监督。在CollabBench协作编程测试中，基于重建的信念评分将全上下文模型的性能差距缩小约50%，训练步数减少50%。该方法解决了递归摘要（如Cursor Composer 2.5采用的压缩技术）在有限训练数据下性能下降的问题。

Kimi K3 开源上线 Fireworks：2.8T 参数、1M 上下文、Day-0 推理与训练

月之暗面开源 Kimi K3，Fireworks Day-0 提供推理与训练支持。模型总参数 2.8T、激活参数 104B、1M token 上下文，Frontend Code Arena 1。

BAIR 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互

BAIR 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。

DeepSWE 实测 Kimi K3 对比 GPT-5.6 Sol：成本、编码与路由策略分析

Together AI 基于 DeepSWE 全部 904 次评分 rollout（113 个任务、各 4 次尝试）对比 Kimi K3 与 GPT-5.6 Sol。

Trilogy 发布基于 Kimi K3 的开放权重 AI 网络安全实战手册

Trilogy AI Center of Excellence 围绕在 Fireworks 上运行的 Kimi K3 发布公开 AI 网络安全手册和练习包，含交互式手册、代码仓库和十个练习。

Claude Code v2.1.219 发布：新增 Claude Opus 5，支持 1M 上下文与嵌套子智能体

Claude Code v2.1.219 新增 Claude Opus 5 作为默认 Opus 模型，支持 1M 上下文窗口，快速模式定价为 $10/$50 每百万 token。

Claude 5 代模型上下文工程新规则：Claude Code 系统提示词精简超 80%

Anthropic 为 Claude Opus 5 和 Claude Fable 5 等新一代模型删除了 Claude Code 超过 80% 的系统提示词，且编码评测无显著损失。

Anthropic 发布 Claude Opus 5

Anthropic 发布 Claude Opus 5，其智能水平接近 Claude Fable 5，但价格减半。该模型在 Frontier-Bench v0.1 上性能超过 Opus 4.8 两倍以上，在 ARC-AGI 3 上得分是次优模型的三倍。Opus 5 即日起成为 Claude Max 的默认模型和 Claude Pro 的最强模型。

Anthropic 讲解 Claude 5 系列模型的上下文工程新规则

Anthropic 员工 Thariq Shihipar 介绍为 Claude 5 系列模型（如 Claude Opus 5 和 Claude Fable 5）做上下文工程的新方法：团队为这些模型删除了 Claude Code 超过 80% 的系统提示词，在编码评测上没有可测量的损失。

Together AI 评测：Kimi K3 与 Claude Fable 5 在 DeepSWE 上的成本与编码对比

Together AI 在 DeepSWE 上对比 Kimi K3 与 Claude Fable 5，共452次rollout。