Trail of Bits 发文批评 1Password 8月6日发布的 FLAWED 报告，称其 26% 的 AI 干净修复率受四项实验设计选择影响而失真，包括刻意指示智能体应用错误修复的提示词占 22% 数据、36% 的试验禁止编译测试，以及不同推理档位设置。
推荐理由：原文针对1Password基准的26%头条数字给出逐项方法学批评，并补充自身人类修复失败率与开源合并数据作对照。
百度智能云宣布千帆Token Plan个人版秋季升级，积分制套餐正式上线，与Token制并行运营，按输入、输出、缓存命中分别折算积分，四档套餐¥4.9起，最高165,000积分/月。
Rohan Paul@rohanpaul_aiAI 评分5555
Jensen Huang on today's All-In Summit: open-source AI is what allows an entire economy to compete. "in the last six months, $400 billion of venture funding went into AI-native companies. Eighty percent of them use open models. If not for open models, how could they build their dream? The vast majority of the world’s contribution to open source today is coming from China. But once you download it, it’s yours. We fork it. We improve it. We make it ours." ---- Full video on "All-In Podcast" YouTube channel (link in comment)
据 Business Insider 报道，谷歌向全公司工程师开放 Anthropic Claude 使用权限，此前通常要求员工使用自家 Gemini。工程师可通过内部开发平台 Antigravity 访问 Anthropic Opus 5，按每用户配额提供，定位为 Gemini 的补充；此前 DeepMind 团队和部分高优先级项目已获授权。
Fireworks 发布 DeepSeek-V4.1-Flash，在 DeepSWE 上取得 74.34% pass@1、每任务 $0.43，与 GPT-6 Astra 同一精度区间但成本仅 1/15。
推荐理由：官方以多基准实测给出 DeepSeek-V4.1-Flash 与闭源模型的成本质量对比和架构细节，可帮助开发者做选型与成本权衡。
开发者发现 Claude Code 中前端名为 Opus 5 的请求已被路由到 Opus 5.2，Anthropic 大概率跳过 5.1 直接灰度测试新版本。实测显示响应更快、输出更干净，长任务不再要求用户「按继续」，会自主进行「严酷循环（gauntlet loop）」迭代代码。
Factory 宣布融资 2 亿美元，估值 50 亿美元，投资方包括 Blackstone、Khosla Ventures、Sequoia Capital、Insight Partners 等，累计融资超过 4 亿美元。
Entelligence 在 50 个公开基准 PR 上用相同提示词对比 GPT-5.6 Luna 和 GPT-6 Astra 的代码评审能力，Luna 找到 69 个经验证 bug（Astra 92 个），总成本 $0.20 对 $5.66，精度 74% 对 96%。
推荐理由：原文用公开基准和可复现脚本对比两档模型在代码评审上的召回、精度与成本，并给出按仓库和 bug 类别分层的可迁移测法。
Anthropic 工程师撰文分享如何在智能体编程压力下扩展测试影响分析服务。Claude 编写约 80% 的代码，测试数量增长 10x，六个月内 CI 任务增加 25x。文章复盘了三个临时补丁（扩容、按包分片、每日重启）分别只维持 70 天、29 天和不到一天，最终用三周重设计为无状态、内存存储加 journal 的可水平扩展架构，并建议团队按两季度内 25x 负载做容量规划。
推荐理由：作者复盘了智能体编程把 CI 推向 25x 负载的完整演进，给出可迁移的架构与容量规划经验。
Rohan Paul@rohanpaul_aiAI 评分6161Introducing Bolt Forge. Free until Oct 14th: - Up to 50x more usage - The new frontier: GLM, DeepSeek, Kimi - Zero usage charges Live now in your model picker on https://bolt.new And one more thing... 👇
Tessl 发文提出智能体转型的真正难点是上下文等要素的归属问题，而非 Agent 本身。核心规则是所有权跟随组织单元，个人与团队上下文归领域专家，组织级共享基础由赋能或平台团队托管并开放贡献，赋能团队只提供工具和基础设施而不拥有上下文。
推荐理由：文章把智能体转型的难点从模型转向上下文归属，给出按组织单元分层确权和赋能团队只供工具不拥有上下文的可迁移框架。
SiliconFlow@SiliconFlowAI精选AI 评分6666推荐理由：原文给出了参数规模、上下文长度、开源协议和定价，读者可据此评估它能否接入现有编码与 Agent 工具链。
OpenRouter 发布教程，讲解如何用独立的裁判模型按自定评分标准自动给 AI 智能体输出打分，覆盖确定性测试无法检查的开放式回答质量。
推荐理由：原文给出 LLM-as-a-judge 的适用边界、偏差来源和用 Ori Eval 落地的可复用步骤，还包含用人工标注校准裁判模型的方法。
Anthropic 9 月威胁报告披露，据评估极可能关联胡塞组织的也门小组使用 Claude Code 开发制导火箭、射程超 2,000 公里弹道导弹及名为 R2000 的高超声速滑翔载具概念的相关软件。
推荐理由：原文梳理了 Anthropic 威胁报告中也门组织用 Claude Code 并行推进导弹研发的完整链条，可帮助读者理解 AI 滥用如何绕过安全防护。
Fireworks 对上周发布的 DeepSeek-V4.1-Flash 进行全套基准评测，在 DeepSWE 上以 74.34% pass@1 达到 GPT-6 Astra 级编码准确率，每任务 $0.43、约为 Astra 的 1/15。
推荐理由：原文给出 DeepSeek-V4.1-Flash 与多款前沿模型的实测成本与准确率数据，可帮助读者按任务匹配合适模型。
工业和信息化部 9 月 11 日发布《“人工智能 + 软件”专项行动实施方案》，提出到 2030 年关键软件全面实现智能化升级。
AgentsDock 发布，这是一款面向智能体 AI 研究的 IDE，在同一个桌面和移动工作区中支持 Claude Code、Codex 和 Cursor。
Cognition 发布编码模型 SWE-2，从 2.8T 参数的 Kimi K3 经强化学习后训练而来，在 FrontierCode 1.1 Main 得分 50.0%，与 Fable 5.1 相差不到 1 分且成本低 64%。
Specific 团队发布 Real-SWE 基准，任务取自经授权的真实公司私有生产代码库，评测 8 个前沿模型与 harness 组合的解决率。
OpenAI Developers@OpenAIDevsAI 评分8080OpenAI 开发者账号宣布发布 GPT-6 Astra，并汇总社区开发者基于它做出的构建案例，包括 2234 个建模解剖部件的 3D 展示、Unreal Engine 曼哈顿复刻。
据《商业内幕》报道，谷歌完成对旧金山 AI 编程初创企业 Mechanize 的人才收购，联合创始人塔迈·贝西罗格鲁自 8 月起加入谷歌 DeepMind，另有十多名工程师一同转投。
OpenAI 的 Eric Provencher 撰文建议，切换到 GPT-6 Astra 时应精简技能描述、AGENTS.md 规则和任务提示词，因为过长的指令会占用上下文或导致模型过早停止。
据《商业内幕》报道，Anthropic Claude Code 创作者鲍里斯·切尔尼 9 月 10 日回复开发者来信称，两种 AI 编程方式各有适用场景，而非二选一。
DeepSeek 本周在 HuggingFace 开源 DeepSeek-V4.1-Flash 权重，模型总参数 552B，prefill 激活 8B、decode 激活 16B，支持 1M token 上下文和文本加图像输入，已上线 Baseten Model APIs。
推荐理由：文章解释了 CED 架构如何把 prefill 降到 8B 激活参数并压缩 KV cache，读者能理解它为何更适配编码智能体的高 prefill 负载。
Anthropic 为 Claude Code 发布 plugin evals 工作流，claude plugin eval 命令用真实提示词运行插件、评分并与未加载插件的运行对比。
Artificial Analysis@ArtificialAnlysAI 评分6464
ClaudeDevs@ClaudeDevsAI 评分5353GitHub 日韩地区营销负责人 Tomoko Tanaka 分享如何不写代码，把活动运营交给 GitHub Copilot 自动化。
推荐理由：作者以自身营销工作为例，展示了用 Issue、Actions 和 SKILL.md 复用开发者治理流程落地自动化的完整路径。
OpenAI Developers@OpenAIDevsAI 评分5656
Grok@grokAI 评分4343在 Warp 中直接使用 Grok Build CLI 和你的 Grok 订阅
Warp now has built-in support for the Grok Build CLI. - Use Warp's rich input for agent prompts, with support for longer pasted prompts and multi-cursor - Use /remote-control to share your agent session to another device - Access the file explorer and code review panels
Google 发布 autofinetune 项目，把 autoresearch 的自主研究循环应用到 LLM 后训练（SFT 和 GRPO），使用 Tunix、Gemma、Cloud TPU，由 Antigravity CLI 和 Gemini Flash 3.7 编排。
Quesma 在 Terminal-Bench 2.1 上用 Claude Code（Fable 5.0）和 OpenCode（DeepSeek V4 Pro 0813）实测 RTK（Rust Token Killer），共 1740 次尝试、花费超 1500 美元，结论是 RTK 并不普遍降低成本。
作者实测 DeepSeek V4.1 Flash，缓存命中输入降价 7 倍多、输出砍三分之二，9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。
推荐理由：作者实测 DeepSeek V4.1 Flash 的价格、架构参数和多个生成任务，并给出与 GLM 5.3 Flash 的对比结果和暴露的缺陷。
月之暗面 Kimi K2.8 Preview 全量上线 Kimi Code，Model ID 仍为 kimi-for-coding，客户端与第三方工具无需修改配置。
阿里 Qoder 推出 Mobile Use 插件（Beta），支持安卓、鸿蒙与 iOS 将代码修改接入应用运行，在设备上完成交互并确认修改是否生效。
OpenAI 针对编码智能体发布指南，说明迁移到 GPT-6 Astra 后应重写 skills、AGENTS.md 和任务提示词，避免旧指令拖慢工作。要点包括技能描述要尽量短并遵循渐进式披露、删掉强制通读文档的指令、Astra 会自主运行测试但可能提前停下，需要用户在 AGENTS.md 中定义完成标准并授权安全工作流。
推荐理由：来自 OpenAI 官方，针对 GPT-6 Astra 给出技能、AGENTS.md 和提示词的迁移调整方法，读者可直接对照清理自己的仓库指令。
工信部 9 月 11 日召开《“人工智能 + 软件”专项行动实施方案》新闻发布会，中国软件行业协会副理事长兼秘书长吕卫锋回应“AI 替代程序员”讨论，表示高度重视。
微软于 9 月 10 日发布 Visual Studio Code 1.137，聚焦增强 AI 智能体能力，推出 Automations（预览）、Voice Mode（实验）、快速聊天转工作区、GitHub Issue/PR 集成和宠物互动 5 项功能，其中 3 项处于实验或预览阶段。
Tibo@thsottiauxAI 评分7171Today we're launching the Agents API, a brand new way to build Agents in the cloud, backed by the Codex harness. Bring along all your favorite tools and connectors, connect it to any sandbox, and let Astra cook. Can't wait to see what you whip up 👨🍳 https://openai.com/index/introducing-the-agents-api/