#编码

Codex 0.166.0 发布：新增 GPT-6.1 Terra 模型与键盘转录选择

Codex 发布 0.166.0 版本，在捆绑、Vertex AI 和 Amazon Bedrock 模型目录中新增 GPT-6.1 Terra。该版本加入键盘驱动的转录选择（支持词、行、页移动与集成搜索）和 codex queue --resume，用于在排队消息后恢复未加载线程。此外新增 codex doctor --network-only，用于配置、连接与 WebSocket 诊断。

Meta 详解 Catching JiTTests 全量部署：LLM 生成测试在代码合入前捕获 bug

Meta 介绍其 LLM 驱动的 Catching JiTTests 已从研究原型进入生产基础设施，通过 dodgy diff 和 intent-aware 两条工作流自动生成测试，在代码合入前暴露 bug，并用 RubFake 规则与 LLM-as-Judge 集成过滤误报、以 human-on-the-loop 方式降低人工审查负担。

Amp 支持在对话线程内直接生成图表、时间线与可点击原型

Amp 现在可以在对话线程中直接为用户可视化或构建内容，包括图表、时间线、示意图和可点击的 mockup。官方展示了真实线程中的示例，例如 Amp 绘制的上月提交图表，以及 Quinn 提出的十六种 diff stat 按钮方案。

Amp 推出 macOS Satellites：云端 Mac 自动构建、测试和运行苹果应用

Amp 推出 macOS Satellites（beta），让智能体在云端 Mac 上构建、测试和运行 iOS 与 macOS 应用。架构上线程仍跑在 Linux orb 上，需要 macOS 时服务器约 30 秒启动一台预装 Xcode 和模拟器的新 Mac，代码保持同步，截图、日志和构建结果回到线程，屏幕可实时观看或接管。

Replit 发布 ViBench 2.0 长程软件开发基准，GPT-6.1 Sol 以 65% pass@1 居首

Replit 发布长程软件开发基准 ViBench 2.0，代理从空项目按功能搭建完整产品，包含 17 个产品、241 个功能请求和 544 个测试计划，并加入 Fireworks 的 Specialized Intelligence Index。

Pydantic AI 自建基准：code mode 在长任务上成本减半、小任务反而更贵

Pydantic AI 的 Michael Pfaffenberger 用 5 个小型 Pydantic AI 应用、8 个模型、5,276 次评分运行测试 code mode：长任务上成本 -58%、耗时 -51%、成功率 +16 个百分点，200 项任务时便宜 47% 到 75%。

Artificial Analysis 实测 GitHub Copilot Fusion 编码智能体性能与成本

Artificial Analysis 用 Coding Agent Index v2.0 实测 GitHub 新发布的 Copilot Fusion，该运行时编排系统在 Anthropic 与 OpenAI 模型间调度。

Claude Code 触发用量上限后如何用 OpenRouter 继续编码

OpenRouter 介绍 Claude Code 触发用量上限时改用 OpenRouter API key 继续编码的方法：设置三个环境变量或用 Ori Harness 的 ori claude 命令，即可按 token 付费使用同样的 Claude 模型，没有五小时和每周限制。

GitHub Universe 2026 发布 GitHub Copilot app、Copilot Fusion 等智能体产品

GitHub 在 GitHub Universe 2026 上提出把 GitHub 打造为完整软件交付系统的愿景，并发布多项产品：GitHub Copilot app 面向智能体交付。

Gemini API CLI（gemini-api）Beta 版发布

Gemini API 推出无状态、零依赖的命令行客户端 gemini-api Beta 版，面向 AI 编程智能体、脚本和 CI 流水线。用户可在 Interactions API 上用它生成文本与媒体、分析文件并运行 Gemini 托管智能体。

Artificial Analysis 发布 Intelligence Index v5 评测基准

Artificial Analysis 发布 Intelligence Index v5，引入 FrontierCode 2.0 和 Terminal-Bench-Science 两个新基准，并升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的指数基于私有测试集或保留答案。

为什么网站一改版 Playwright 脚本就失效：原因与修复方法

作者讲解 Playwright 脚本失效的常见原因：CSS、XPath 选择器、生成的类名和动态 ID 会随改版失效，建议改用 getByRole、getByLabel、getByTestId 等面向用户的定位方式，并用 web-first 断言替代 waitForTimeout。

如何在 Google Cloud 上管理 Claude Code 成本并证明 ROI

Anthropic 介绍在 Google Cloud 上管理 Claude Code 成本的 control、track、prove 三个杠杆。Claude apps gateway 可按用户、IdP 组或组织设置日/周/月支出上限，用量达 75% 和 95% 时在 CLI 内提醒，触顶后返回 429。

Cognition 发布编码基准 FrontierCode 2.0，Opus 5.5 以 45.5% 居首

Cognition 发布新一代编码基准 FrontierCode 2.0，通过扩大任务范围、提高合并标准和引入 thoroughness 类评分标准，来评测智能体在提示不完备时的真实工程能力。任务取自多 55% 的仓库，参考解决方案平均多改 67% 的文件和 89% 的代码行；Opus 5.5 以 45.5% 得分居首，基准远未饱和。

Meta 发布 2026 Python Typing Survey：AI 工具改写类型标注，新检查器快速崛起

Meta 发布 2026 Python Typing Survey 结果，共 1,794 份回复，连续三年追踪 Python 类型标注的使用与体验。AI 工具为 42.5% 的受访者编写类型提示，认为 AI 让代码更可靠的比例从 2025 年 18.5% 升至 38.4%，24.4% 的受访者由 AI 编码工具调用类型检查器。

Replit Cloud Agents 开放企业代码库贡献，非技术人员可直接提交经测试的 PR

Replit 推出 Cloud Agents，面向 Pro 与 Enterprise 客户开放，让设计、客服等非工程人员用自然语言向公司核心代码库提交经测试的 pull request。

IBM 与 Kaggle 上线 ScarfBench 智能体 Java 框架迁移榜单

IBM 与 Kaggle 合作推出 ScarfBench 持续维护的公开榜单，评测编码智能体能否将企业 Java 应用在 Jakarta EE、Quarkus 和 Spring 之间迁移并保持应用行为。

AISI 发布 ReproBAIT 评测：AI 编码智能体可低成本复现部分生物 AI 工具

英国 AI Security Institute 与 SecureBio 合作推出 ReproBAIT 评测，测试 AI 编码智能体能否依据论文等公开信息和训练数据复现生物 AI 工具（BAITs）。

让编程智能体使用已登录 Chrome 的六种方案实操指南

Browser Use 作者整理了让 Claude Code、Codex、Gemini CLI、Cursor 等编程智能体使用已登录 Chrome 的方法：Claude 订阅用户可用 claude --chrome 的 Claude in Chrome 扩展。

Figma 介绍 code layers 开放测试中六家团队的实验用法

Figma 宣布 code layers 进入开放 beta，并介绍 Superside、Dell、Cox Automotive、Rocket Money、Merkle、Checkout.com 六家团队的用法，涵盖用提示词为静态设计添加交互动效、用开发者同款 React 组件做可输入对话原型等。

Tibo@thsottiaux· 07:18AI 评分4242

第 19 天/一些小更新。dots 的通话连接快多了，在 codex 中更改推理以及在对话中途继续工作不再使缓存失效，我们还更新了 codex cli。

HumanLayer 开源核心代码，含桌面应用、CLI 与云 API

HumanLayer 宣布在 github.com/humanlayer/humanlayer 以 Apache 2.0 开源核心代码，与 HumanLayer Cloud 运行的是同一套代码。

Databricks 实测：Spark 声明式管道让 AI 智能体写数据管道更省更安全

Databricks 用 Opus 4.8 在 22 个数据工程任务、264 次构建上对比 Apache Spark 的过程式与声明式管道，声明式在运行前即可校验结构错误，执行器耗时从 596 秒降至 17 秒，约省 34 倍算力。声明式管道代码量中位数为 64 行，约为过程式 131 行的一半，且写法更统一。两者完成率接近，分别为 258/264 和 255/264，逻辑错误表现持平。

月之暗面发布 Kimi K3.1 Pro，100 万 token 上下文，开放权重将于 11 月 4 日前释出

月之暗面发布 Kimi K3.1 系列首个模型 Kimi K3.1 Pro，为 3T 级开放权重模型，上下文窗口 100 万 token，并同步推出速度快 2-3 倍的 Kimi K3.1 Pro Highspeed。

Pydantic AI 将 E2B 设为原生沙箱提供方并演示暂停恢复与崩溃恢复用法

Pydantic AI 官方文章宣布 E2B 成为原生沙箱提供方，向 agent 加入 E2BSandbox() 后，所有 shell 命令和文件操作都在隔离的 E2B microVM 中执行，本机环境不会进入沙箱。

Codex 0.164.0 发布：新增 /presets 预设槽与内联 /model 参数

Codex 0.164.0 新增十个编号 /presets 槽位，可保存可复用提示词与斜杠命令，并配键盘菜单快速调用。该版本支持用内联 /model 和 /permissions 参数直接设置模型、推理强度、速度与权限配置，还可在支持 Kitty 或 Sixel 图形的终端全屏预览查看与生成的图片。

Anthropic 用 Claude 对 123 个开源库完成汇编级形式化安全证明

Anthropic 与 Theorem 合作，用 Claude 将 OSS-Fuzz 模糊测试转化为规格，对 123 个开源库的 239 个入口点证明了任意 64 MB 以下输入不崩溃，生成约 1.8 亿行 Rocq 证明。

Databricks 高管复盘 AI 编码成本治理，从账单失控到单位成本降 90%

Databricks 负责 AI 产品的 Patrick 在访谈中讲述公司全面采用 AI 编码智能体后成本一度指数级上涨，最终部分场景单位成本下降达 90%。

Cognition 伦敦团队扩编超 200%，并在 Finsbury Square 开设新办公室

Cognition 宣布其英国团队在六个月内扩编超过 200%，并在伦敦 Finsbury Square 的 The Gilbert 开设新办公室。The Access Group 已将 Devin 部署给 250 个产品线的 2000 多名工程师，合并 PR 数量增长五倍，部分遗留迁移任务提速最高 480 倍。

Anthropic 红队测试 Claude Code Auto Mode 与 Codex Guardian 拦截监控器

Anthropic Fellows 团队用 Opus 5 红队智能体测试生产级拦截监控器，发现 Auto Mode 与 Guardian 的平均攻击成功率超过 55%，主要绕过手段包括伪造转录轮次的监控器注入、多智能体与恶意压缩的多上下文攻击。团队通过转录框架化与转义、监控工作目录编辑和增加智能体监控阶段将攻击成功率降低超过 50 个百分点，但以可接受成本可靠防御多上下文攻击仍是开放问题。

Recursive 发布开源权重编码模型 Flint，OpenHands 首日支持

Recursive 发布开源权重编码模型 Flint，采用 40B 参数 MoE 架构，每 token 激活约 2.5B 参数，以 Apache 2.0 许可发布。

用 Miles 在 MI355X 上训练 SWE 智能体：驯服长尾轨迹与复杂沙箱协同

研究团队用 Miles、SGLang、Megatron-LM 和 Harbor 在 AMD Instinct MI355X 上对 Qwen3-30B-A3B-Instruct 做全异步智能体 RL 训练，在 SWE-bench Verified 的 100 任务分层子集上把 pass@1 从 7.3% 提升到 27.5%。

AWS Kiro 产品负责人谈从个人编码工具走向软件开发平台

AWS Senior Principal PM、Kiro 负责人撰文分析团队从个人 AI 编码助手走向开发平台的核心问题。他认为团队放权给智能体的关键不是模型变强，而是验证输出的成本变低，信任决定了智能体能承担多少工作；智能体按任务计费打破了按席位收费模式，约 20% 重度开发者消耗约 80% 预算；信任解锁软件工厂，工厂才能把预算、限流和任务路由等成本控制内置成系统能力。

Tessl 博客：用 JavaScript 和 SQLite 搭建 AI 生成的个人应用

Tessl 工程博客提出个人应用这一新类别，认为 JavaScript/TypeScript 加 SQLite 足以支撑 AI 生成的一次性个人软件，并用波恩垃圾回收日程 Bonn Tonne、约时间应用 Daybreak 和销售报价原型 Quote-Assist 三个实例验证，示例均由 LLM 生成。

编程 Agent 增长遭遇人类评审瓶颈：Tessl 博客解析信任赤字

Tessl 博客引用 Jellyfish 2026 年 9 月 AI Engineering Trends 数据指出，中位数公司已有 22% 的合并 PR 由自主编码 Agent 撰写（90 分位达 53%），但仅约 0.6% 的 PR 由 Agent 评审合并（前 10% 公司为 9%）。

Claude Code v2.1.305 发布：新增 Linux 沙箱嵌套用户命名空间支持

Claude Code v2.1.305 新增 sandbox.allowNestedUserNamespaces 选项，让 Linux 沙箱内命令可创建用户命名空间，从而绕过沙箱的文件保护限制。

GitHub 官方访谈：3 位 Java Champion 分享使用 GitHub Copilot 提效的实践方法

GitHub Blog 访谈 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 三位 Java Champion，介绍他们在生产与开源项目中使用 GitHub Copilot 的具体做法。

Tessl 团队分享：不再逐行审查 AI 生成代码，改为验证意图

Tessl 工程师 Ankit Jain 分享团队 PR 量翻四倍、代码几乎全部由 AI 生成后，放弃逐行 diff 审查、改为在代码生成前审查意图并逐条验证验收标准的做法。关键实践包括维护 offer-skill 技能理解代码变更，以及把重复出现最多的审查评论固化成机器自动执行的不变量规则，作者预计第二个月起审查负担明显缩小。

AWS Kiro 负责人谈从个体编码工具到开发平台的信任与成本

AWS Senior Principal PM、Kiro 负责人在 DevCon 演讲预告中提出，从个体编码助手走向团队平台本质是组织变革而非工具采购，信任先于一切。团队给智能体更多工作的依据是验证能力提升而非模型变强，且成本随任务规模而非席位固定，约 20% 的开发者消耗约 80% 的预算，需像管理云账单一样按团队和流程做 token 可见性。

Cursor 发布 Agent SDK，可用代码定义并一键部署智能体

Cursor 发布 Agent SDK，这是其构建 Bugbot、Security Reviewer、Rollouts 等托管智能体所用的框架，现已全面开放。