跳到正文
#编码
10月21日周三
  3. lauren53

    Grok Bot 工程负责人 Lauren Tan 分享一种找 bug 的工作流：先让 Agent 画出用户流程的状态图，再用 pstack 的 /create-formal-verification-skill 生成的技能通过 TLA+ 等方式做验证。她称这样既能更好理解代码和用户流程，也能修复用户原本会看到的问题；被引用的 pstack v0.15.27 更新介绍称该元技能可按需创建形式化验证套件，作者实验中已用它发现多个 bug。

    引用lauren@poteto

    pstack v0.15.27 ships with a new skill /create-formal-verification-skill! it's still in beta, and similar to /create-verification-skill, this is a meta-skill that creates a new skill and formal verification suite based on the characteristics you want to verify. for example, you may want to model state machines and systems with concurrency using TLA+, or use kani in rust to check for undefined behavior. if you're new to formal verification, think of it as mathematically proving properties and invariants (something that must always be true) or "laws" of your system. usually, this means modeling your programs in a separate language like with TLA+ and then running the solver on that spec. newer approaches like with kani and @bendlang take a different approach where there is no separate language: you write kani in rust, and bend in bend (it's also a programming language, and the proofs are written as laws and expressed in its type system). historically formal verification never reached mainstream status because of the difficulty in modeling and writing proofs. it's quite difficult to model your business requirements and keep them in sync! but i expect that we will see more innovation in formal verification in the future as being able to formally verifiy that the code does what you intended gives your agents superpowers in writing correct software. in the meantime though, i've been experimenting with modeling our code with TLA+ and have already found several bugs with the skill created by /create-formal-verification-skill. try it out and let me know how it goes!

  13. Tessl：产品与工程博客61

    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。

    推荐理由：作者团队 PR 量翻四倍后放弃逐行审代码，改为事前审意图加可验证准则，给出了可直接照搬的做法和时间预期。

10月20日周二
  1. Tessl：产品与工程博客52

    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。

  4. 公众号：小红书技术47

    小红书 AllSpark 提出 ROSS：让模型重学训练中自生成的 rollout

    小红书 AllSpark Team 提出 ROSS，让模型重新学习训练中自己生成的 rollout，通过筛选有价值轨迹片段并保留完整上下文做选择性监督。基于 Qwen3.6-35B-A3B，该方法在单轮 RL 中把数学均分从 75.19% 提至 76.98%、代码从 42.09% 提至 44.21%，MOPD 均分从 58.40% 提至 62.20%。

  6. Simon Willison 博客48

    Simon Willison 转载 Jeremy Scheff《我为编程写的讣告》：编程智能体夺走了程序员的解谜乐趣

    Jeremy Scheff 在《我为编程写的讣告》中写道，编程智能体让热爱解谜的程序员失去了核心乐趣：过去写代码像拿钱做逻辑谜题，越难越值钱，普通人做不了只能依赖程序员。对只想构建可用系统的人，LLM 是持续馈赠；若享受直接解题本身，这种损失非常真实。

  9. MiniMax (official)52

    MiniMax 宣布 MiniMax M3.1 Flash（代号 Space Bunny）已在 GMI Cloud 上线，官方称 GMI 实现了 day0 上线。引用内容称该模型面向编码、智能体工作流和 computer use，智能体任务成本降低 70%，DeepSWE v1.1 达 73.7%，CyberGym 达 82%，可通过 https://console.gmicloud.ai 运行。

    引用GMI Cloud@gmi_cloud

    MiniMax M3.1 Flash, aka Space Bunny, is now available on GMI Built for coding, agentic workflows, and computer use 70% lower agentic task costs, 73.7% on DeepSWE v1.1, 82% on CyberGym Run it now 👇

  11. MiniMax (official)61

    MiniMax 官方介绍 M3.1 Flash 已在 Cline 上线并免费使用，定位长智能体编码任务中成本快速累积的场景，Cline 在发布当日完成适配。引用的 Cline 推文称其编码表现与 Opus 和 GPT 相当而成本低约 25 倍，并称它是近期登顶用量排行榜的隐身模型 Space Bunny 背后的模型。附图 DeepSWE v1.1 显示 M3.1 Flash 准确率 73.7，价格为 $0.15/$0.60 per 1M tokens。

    引用Cline@cline

    MiniMax M3.1 Flash goes toe-to-toe with Opus and GPT on coding at ~25x lower cost. This was the model behind Space Bunny, the stealth model that’s been topping usage leaderboards recently. Free in Cline now!

  14. Arena.ai65

    Arena 宣布 Meta 的 Muse Wonder Full (Max) 首次进入 Code Arena: WebDev 榜单，以 1726 分排名第 6，使 Meta 成为第 3 实验室，此前该位置由 Google 持有。

    引用Arena.ai@arena

    由 @AIatMeta 推出的 Muse Wonder (Max) 已进入 Code Arena：WebDev 以 1651 分位列第 15，Text Arena 以 1513 分位列第 2！ 在 Code Arena：WebDev 中，Muse Wonder (Max) 以 1651 分位列第 15。这一结果略低于以 1659 分位列第 12 的 Muse Spark 1.3 (Max)，与以 1655 分位列第 14 的 Kimi K3 (Max) 相差 4 分以内，并比以 1640 分位列第 16 的 Grok 4.7 (xHigh) 高 11 分。 此次发布在 Text Arena 中相较过去的 Muse 模型有显著提升。与以 1494 分位列第 11 的 Muse Spark 1.3 (Max) 相比，Muse Wonder (Max) 提升了 +19 分并上升 9 位至第 2。它落后于以 1525 分排名第 1 的 Gemini 4 Argon (High) 12 分。 祝贺 @AIatMeta 团队发布这一版本！

    推荐理由：榜单方公布了 Meta 新模型在 Code Arena WebDev 的首秀成绩和分项排名，读者可以据此对比各实验室模型的当前位次。

10月19日周一
  3. Arena.ai59

    Arena 宣布 MiniMax-M3.1-Flash 上线 Code Arena: WebDev 榜单，以 1588 分在开源模型中排第 12（总榜第 32），并将 MiniMax 带到所有实验室第 12 名。

    引用MiniMax (official)@MiniMax_AI

    MiniMax M3.1 Flash：太空级性能 + 兔子级速度 🚀🐰 没错，Space Bunny——曾以 200T+ tokens 登顶全球排行榜——正是 M3.1 Flash 的早期版本。 💰重新定义智能体 AI 的性能经济学。M3.1 Flash 在 Cowork（Automation-Bench：62%；ALE：30%）、编程（DeepSWE：74%）和视觉推理（BabyVision：91%）等关键任务上达到前沿级智能水平，成本仅为 M3 的 1/3，速度提升 3 倍。 API 定价（统一费率）：每 1M 输入/输出 tokens 分别为 $0.15 / $0.60，缓存读取为 $0.015 / 1M tokens。 模型权重将于 10 月 23 日发布。 API：http://platform.minimax.io M Plan：https://www.minimax.io/m-plan MiniMax Code 桌面版：https://agent.minimax.io/download

  11. Tessl：产品与工程博客45

    如何在 5 分钟内为代码仓库接入 Tessl 智能体代码审查

    Tessl 发布教程，演示如何在约 5 分钟内为 GitHub 仓库接入 Tessl Code Review 自动审查器。该工具读取完整 pull request 而非孤立 diff，按团队自定义标准打分并发布一次审查结果，可配置为仅评论或批准/请求修改。审查标准以 skills 形式存放在仓库中，默认在 PR 打开或被请求时触发，也可设为每次更新后运行。

  12. Arena.ai69

    Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Code Arena: WebDev 榜单第一开源模型，超过 Kimi K3 (Max)，成本低约 10 倍。

    引用DeepSeek@deepseek_ai

    🚀 DeepSeek-V4.1-Flash-1017 来了！ 与上一版本相比，基准测试表现更强、任务完成更快、输出更短——在性能与成本上实现了帕累托改进。现已在我们的网站、应用和 API 上线。 🛠️ 针对 @DeepSeekHarness、Tencent CodeBuddy、WorkBuddy 等进行了优化。升级到 DeepSeek Harness v0.2.1-rc.1 或更高版本，以获得新模型的最佳体验。 1/4

    推荐理由：Arena 榜单给出了具体排名、分数和价格点，读者可以据此评估 DeepSeek 新版模型在 WebDev 编码上的性价比位置。