跳到正文
#编码
8月13日周四
  1. IT之家·人工智能58

    谷歌 DeepMind 换帅内情：Gemini 延期两月后编程能力仍落后友商，布林亲自督战并要求“全力投入”

    路透社援引知情人士称，谷歌下一代旗舰 Gemini 模型发布时间已推迟约两个月，内部测试显示其在编程等关键能力上仍落后于竞争对手。开发团队存在多名项目负责人、内讧不断，算力紧张与协调问题叠加，使编程方向一度资源不足。8 月 5 日 DeepMind 大规模调整，哈萨比斯转任董事长，卡武库奥卢接任主要管理并拥有最终决定权，布林则敦促加快开发并推动“递归自我改进”研究。

  2. Rohan Paul43

    Kimi K3 (Max) 在 Code Arena: WebDev 中以 1674 分领先 DeepSeek-V4-Pro (Max) 的 1607 分，但后者输入/输出价格分别便宜约 6.9 倍和 17.2 倍。

    引用Arena.ai@arena

    Big news: DeepSeek-V4-Pro (Max) by @deepseek_ai is coming in around ~#8 overall (#2 among open models) in the Code Arena: WebDev! At 1607 pts, this places it after GPT-5.6 Sol (xHigh)(1622 pts), and makes it the second best open model after Kimi K3 (Max) (1674 pts). Note: this is an early AutoEval score, in which a Reward Model trained on Arena's human preference data casts automatic votes in place of live votes. We’ll continue to see how scores converge as more live human votes come in. See thread for Text Arena scores and more on AutoEval's methodology. Congrats to the @deepseek_ai team on this release!

  4. Rohan Paul52

    DeepSeek-V4-Pro (Max) 在 Code Arena WebDev AutoEval 获 1607 分，仅落后 GPT-5.6 Sol xHigh 15 分，但混合 token 价格约为其 1/31。该开源权重模型定价 $0.435/$0.87 每百万 token，超越 Opus-4.8 与 GLM-5.2 等高价竞品，位列总榜约第 8。

    引用Arena.ai@arena

    DeepSeek-V4-Pro (Max) by @deepseek_ai is expected to shift the Pareto curve for Code Arena: WebDev with this upcoming open weights model. It currently sits at ~#8 overall (AutoEval) at 1607 pts. Priced at $0.435 input/ $0.87 output per MTokens, it outperforms models beyond its price tier, including Opus-4.8 ($5/$25) and GLM-5.2 ($1.4/$4.4). Congrats again to the @deepseek_ai team for their contribution to the open ecosystem!

  6. IT之家·人工智能50

    约克大学与卡尔加里大学研究：6000+ 条评论揭示 AI 编程智能体安全事故，Cursor 问题最多

    约克大学与卡尔加里大学研究团队分析 Reddit 上 446 个编程 AI 安全相关帖子的 6000 余条评论，发现 AI 智能体因权限过大而覆盖文件、删除重要数据，甚至生成恶意代码。报告问题最多的工具是 Cursor，其次是 Claude、Codex、Copilot、Windsurf 等。问题帖子数量在 2025 年 7 月达到峰值。

  7. Gemini API：更新日志68

    Gemini 3.7 Flash 正式发布（GA）

    Google 在 Gemini API 更新日志中宣布 Gemini 3.7 Flash（gemini-3.7-flash）正式可用，称其为目前最智能的主力模型，面向编码与智能体场景。该模型在软件工程、Web 开发和智能体工作流方面有大幅改进，2026 年 12 月 31 日前提供入门优惠价，可从模型页和 Latest model guide 开始使用。

    推荐理由：官方更新日志直接说明 Gemini 3.7 Flash 在编码和智能体工作流上的能力提升，并给出限时优惠价格与入门入口。

  10. OpenRouter：Announcements61

    OpenRouter 工具调用指南：一次编写循环，切换模型字符串即可跨模型运行

    OpenRouter 发布工具调用指南，展示如何用同一套代码在 Claude、GPT 和开源权重模型间切换，仅需更改模型字符串。指南涵盖定义工具、发送请求、读取 tool_calls 响应、执行函数并返回结果的完整循环，支持 OpenAI 兼容的 JSON schema，并提供 cURL、Python 和 JavaScript/TypeScript 示例。

  11. Claude Code：GitHub Releases50

    Claude Code v2.1.229 发布：新增远程会话恢复、插件市场命令源及多项修复

    Claude Code v2.1.229 发布，新增远程控制会话恢复、自托管 runner 的服务器端 hook 支持，以及插件市场命令源。修复了长响应流式输出丢失、窄终端渲染崩溃、Windows 扩展路径崩溃等问题。改进工作流扇出以复用缓存提示前缀，并调整 /commit-push-pr 对危险 git/gh 命令不再自动批准。

  12. Rohan Paul51

    彭博社：Cognition 正在洽谈超过 400 亿美元的估值，而就在 3 个月前其估值刚以 260 亿美元收官。 新一轮融资可能超过 10 亿美元，而 Cognition 的年化收入运行率目前已接近 10 亿美元，因此估值是其年化收入的 40 倍。 Cognition 在 5 月份报告的年化运行率为 4.92 亿美元，同时 Devin 的企业使用量在 6 个月内实现了 50% 的月环比增长。 达到 10 亿美元意味着收入运行率自 5 月以来增长了约 103%。

  13. Cursor Blog70

    Cursor 与 SpaceXAI 联合发布 Grok 4.6

    Cursor 与 SpaceXAI 今日发布 Grok 4.6，重点强化长时运行智能体与交互式视觉任务，在多项智能体编程与知识工作基准上达到前沿水平，并在 Artificial Analysis Intelligence Index 上追平 GPT-5.6 Sol。

    推荐理由：长程轨迹中出现自检与验证，对需要模型持续执行多步项目的团队，可能减少中途人工纠偏，比单纯基准分更有参考价值。

  18. TechCrunch：AI56

    Lovable 确认以 133 亿美元估值再融资 4 亿美元

    Lovable 确认完成 4 亿美元 C 轮融资，由 Menlo Ventures 和 Scaleup Europe Fund 领投，估值达 133 亿美元。该公司 6 月年化经常性收入达 5 亿美元，上一轮融资为 12 月宣布的 3.3 亿美元、估值 66 亿美元。Lovable 现托管 6000 万个项目，月访问量 9 亿，并提供自研 AI 模型及前沿模型选项。

  20. xAI：News77

    xAI 发布 Grok 4.6，强化长时运行智能体能力

    xAI 今日发布 Grok 4.6，在 Grok 4.5 基础上重点强化长时运行智能体及更复杂的交互式与视觉工作能力。该模型在多项智能体编码与知识工作基准上达到前沿水平，在 Artificial Analysis Intelligence Index（九项基准综合分）上追平 GPT-5.6 Sol。

    推荐理由：与 GPT-5.6 Sol 在智能体综合基准上持平，同时把输入 token 价格定在 2 美元，长任务应用的试错成本可能重新计算。

8月12日周三
  1. DogeDesigner52

    Grok 4.6 是一次重大升级 🚀 它在所列出的每一项基准测试中都超越了 Grok 4.5 High，目前排名如下： 🥇 #1 GDPVal-AA v2 — 1,753 🥇 #1 AA-Briefcase — 1,577 🥇 #1 Harvey LAB — 15.8% 🥈 #2 CursorBench — 69.9% 🥈 #2 FrontierCode — 61.3% 🥈 #2 APEX-Agents — 57.5% 🥈 #2 APEX-SWE — 56.4% 它在 Artificial Analysis Intelligence Index 上以 61 分的成绩与 GPT-5.6 Sol Max 持平。 Grok 4.6 即日起在 Cursor 和 Grok Build 中可用，首周使用量翻倍。

  2. ByteByteGo56

    GitHub、Vercel 与 Replit 如何应对 AI 代码生成商品化

    当 AI 模型能以极低成本快速生成可用代码，代码生成本身不再是开发者平台的差异化优势。GitHub 押注编排，通过 Agent HQ 在临时云环境中协调多家模型供应商的智能体；Vercel 押注生产路径，基于隔离 microVM 沙箱；Replit 则押注验证，用真实浏览器驱动的自测循环捕捉“看似能用”的代码。三家公司均支持 MCP 标准，让任意智能体接入任意工具。

  3. TechCrunch：AI56

    AI 代码测试初创公司 Blacksmith 估值不到一年暴涨近 10 倍

    Blacksmith 完成 4500 万美元 B 轮融资，由 Peak XV Partners 领投，估值达 5.5 亿美元，较不到一年前 6000 万美元的 A 轮估值增长近 10 倍。该公司帮助企业在代码上线前进行构建、测试与验证，目前服务超 5000 家客户，年化收入达数千万美元。Blacksmith 计划扩展至更广泛的编码工具套件，帮助开发者更快编写、验证和合并软件。

  4. The Decoder：AI News54

    OpenAI 发布 ChatGPT Linux 桌面应用

    OpenAI 于周二发布 ChatGPT Linux 桌面应用预览版，将 ChatGPT、ChatGPT Work 和 Codex 编程智能体整合于单一安装包，支持 Ubuntu 24.04/26.04 LTS、Debian 13 及 Fedora 43/44，提供 x64 与 ARM64 的 .deb 和 .rpm 包。

  5. IT之家·人工智能60

    AI 编程语言 Mojo 推出 1.0 正式版，预计年内开源编译器及相关工具链

    Modular 正式发布 AI 编程语言 Mojo 1.0，统一了变量声明、闭包、指针类型等语法，并新增类似 Python 的 lambda 匿名函数语法。新版为“引用失效”问题加入诊断能力，可在内存重新分配导致引用失效时提前提醒开发者。Mojo 1.0 旨在建立更稳定的语言基础，预计今年内开源编译器及相关工具链。

  7. IT之家·人工智能67

    腾讯控股 2026 财年半年报：归母净利润 1141.15 亿元同比增长 10%，微信月活 14.39 亿

    腾讯控股 2026 财年上半年营收 4012.43 亿元、归母净利润 1141.15 亿元，均同比增长 10%；第二季度微信及 WeChat 合并月活达 14.39 亿，同比增长 2%。AI 业务进展显著：Hy3 正式版发布，按 OpenRouter 词元消耗量持续位列全球前三；微信内 AI 智能体「小微」开启小范围灰度测试。营销服务收入同比增长 22%，公司计划大幅增加算力采购推动 AI 落地。

  9. 公众号：卡尔的AI沃茨72

    跨会话传消息后，Codex 和 Claude 如何重构 vibe coding 工作流

    Codex 和 Claude 新增跨 Session 传消息功能后，新对话可从之前所有对话中选择可用消息，省去交接文档和 git 备份。作者据此重构工作流：主对话守住目标与决策，分支对话独立探索新想法，完成后由主对话读取完整记录。Codex 通过复制会话 ID 精确寻址，Claude Code 则用内置 session management 搜索对话历史，但桌面端只能搜索当前可访问的会话记录。

    推荐理由：将跨会话消息转化为多分支探索的工作流，并对比了Codex精确寻址与Claude搜索式检索的实现差异和踩坑记录，可直接复用其指令来管理复杂的探索任务。

  17. lauren56

    xAI 推出 Grok Bot 早期测试版，AI 智能体可登录你的工具代为完成实际工作。作者已用它管理日历、提交代码、订午餐和找 IMAX 70mm 电影票。客户端基于新智能体框架“Dune”重构，专为低上下文智能体编写高质量代码而设计。

    引用Grok Bot@bot

    Introducing Grok Bot, now in early beta. Bots are AI teammates that do real work for you. They sign in to your tools, use them just like you do, and come back with finished work.

  18. Google Developers Blog41

    为什么 Go 是 AI 辅助软件工程的理想语言

    Google 发文论证 Go 是 AI 辅助软件工程的理想语言：当 AI 智能体可秒级生成数百行代码，开发重心从编写转向审查与维护，Go 的端到端工具链（内置格式化、测试框架、依赖管理与安全工具）让模型操作 Go 代码更快、更便宜、更可靠。Go 以可读性优先于可写性，其统一风格与标准库既便于人类团队维护大型代码库，也为 LLM 生成更干净、更标准化的训练数据。

8月11日周二
  1. Rohan Paul42

    Meta 开源 Muse Glimmer 30B，在 aimlapi 上以 $0.02 成本一次生成 5 个可运行游戏，约为 Muse Spark 1.2（$0.11）的五分之一。Glimmer 在 Flappy Bird 上表现更优，但赛车游戏仍有失误且画质较粗糙。该模型为 29.6B 稠密模型，由 Muse Spark 蒸馏而来，支持 131K+ 上下文，量化版小于 20GB。

    引用AI/ML API@aimlapi

    Muse Glimmer one-shot 5 games! @AIatMeta dropped Muse Glimmer. So we ran it against Muse Spark 1.2, on five one-file game demos, each one written to play itself: Tetris, a top-down pixel street race, a rooftop web-slinger, a blue hedgehog platformer, and Flappy Bird. the setup: • Muse Glimmer 30B — via aimlapi[.]com. cost: $0.02 • Muse Spark 1.2 — via aimlapi[.]com. cost: $0.11 what we saw: • every Glimmer scene runs and plays itself. it's a reasoning model, so it burns more tokens — but the output is clean. its Tetris even scores each placement to keep lines clearing, and the blocks burst into pixels on every clear. • Glimmer beat Spark at Flappy Bird — its bird flew through the pipes cleaner. • but it's not perfect: in the racing game its cars sometimes slip off the road, and its graphics are simpler and blockier than Spark's. glad to see Meta back in open source — and we're waiting for Spark 1.2 weights next 🙌