搜索“编码”

Infleqtion与Nvidia集成软件实现98物理量子比特编码18逻辑量子比特

Infleqtion 构建 使用98个物理数据量子比特编码18个逻辑量子比特的高码率量子纠错码

查看事件：Infleqtion与Nvidia集成软件实现98物理量子比特编码18逻辑量子比特

Lingxi Li预告将在Grok Bot Galaxy演讲自主编码集群

Lingxi Li于2026年9月14日预告,将在Grok Bot Galaxy分享如何用Grok Bot构建自主编程集群及其实际运行方式。相关文章提出从Agentic Coding走向Autonomous Coding的新阶段,并同时向读者征集AMA问题。目前尚无后续发展事实,活动具体内容与结果有待其演讲披露。

Lingxi Li预告将在Grok Bot Galaxy演讲自主编码集群

Lingxi Li 预告 在Grok Bot Galaxy演讲如何用Grok Bot构建自主编码集群

查看事件：Lingxi Li预告将在Grok Bot Galaxy演讲自主编码集群

Cognition 发布编码模型 SWE-2

2026年9月11日,Cognition 发布编码模型 SWE-2。据 Cognition 模型 / Devin 博客,SWE-2 在 FrontierCode 1.1 Main 上得分 50.0%,比 Fable 5.1 低不到 1 分,而成本便宜 64%。该模型基于 2.8T 参数的 Kimi K33 后训练,首次把强化学习扩展到数万亿参数规模,并用单次 RL 训练覆盖全部推理档位。上线安排方面,SWE-2 即日起在 Devin Desktop 和 CLI 上线,随后在 Devin Web 和 Fusion 推出。目前尚无后续发展事实。

Cognition 发布编码模型 SWE-2

Cognition 发布 SWE-2

查看事件：Cognition 发布编码模型 SWE-2

OpenAI公布编码智能体内部研究使用情况

2026年9月8日,OpenAI发布报告,公布其内部编码智能体的研究使用情况。报告披露,编码智能体承担的研究工作量达到人类的3.1倍,并称已实现Sam Altman此前设定的“自动化研究实习生”目标。报告还显示,典型OpenAI研究员每天消耗600美元以上的智能体token,第90百分位超过7000美元,token产出自去年12月以来增长124倍;约80%研究员同时使用4个以上智能体,公司内部人均实验数量处于历史最高水平。Altman去年10月给出的时间表是本月实现实习生级系统、2028年3月实现完全自动化研究员。目前该报告由The Rundown AI报道,尚无其他来源交叉印证。

OpenAI公布编码智能体内部研究使用情况

OpenAI 发布 编码智能体内部研究使用情况

查看事件：OpenAI公布编码智能体内部研究使用情况

Armin评析Astra编码表现

2026年9月7日,Armin Ronacher 基于亲自运行的实验,评析 GPT 6 Astra 的软件工程与编码表现。他认为 Astra 虽能持续执行复杂任务,但生成的代码难以阅读和维护,暂时无法融入其实际软件工程流程。实验中,智能体在 35 小时内消耗约 1B tokens、产生 75k 行净新增代码和 79 次提交,原始 API 成本约 1200 USD,却没有交付有价值的成果。作者推测,对任务完成率和 token 效率的优化可能让工具调用中的压缩代码风格渗入正式代码,并增加人工审查负担。

H Company发布NeoMME多语言多模态编码器

2026年9月3日,H Company发布NeoMME多语言多模态编码器及检索模型。据Hugging Face介绍,NeoMME是一个包含260M和800M两种规模的多语言多模态编码器家族,使用单个双向Transformer同时处理文本token和原始图像patch,从零以掩码离散扩散目标训练,不依赖独立视觉塔或因果语言模型。微调后的NeoMME-Retriever用于视觉文档检索,两种规模均位于ViDoRe v3的nDCG@10与模型规模Pareto前沿;在NVIDIA L40S上,260M模型以2048×2048输入每秒编码约51页,约为ColModernVBERT吞吐的两倍。模型已在Hugging Face Transformers提供,检查点以Apache 2.0许可发布。目前尚无后续发展事实。

Philipp Schmid谈编码Agent偏好Bash

2026年9月1日,Philipp Schmid 提出一个关于编码智能体工具选择趋势的观点。他指出,人们可能已经注意到,自己的编程智能体越来越偏爱 bash,而不是专用工具,并称“又一个苦涩的教训即将到来”。在他看来,智能体在 Bash 上正变得超人般强大:前沿模型现在能在几秒内写出复杂的一次性脚本,完成原子化的 Python 多文件编辑、git worktrees 以及日志聚合等任务。目前该观点以趋势观察的形式提出,尚未涉及具体产品或团队的后续动作。

腾讯混元Hy4 preview登Code Arena编码榜

2026年8月28日,Arena.ai公布腾讯混元Hy4 preview在Code Arena: WebDev的AutoEval排名。据该消息,Hy4 preview得分1633分,约列第5名;相比Hy3整体第31名提升约115分。在开源模型中,Hy4 preview约排第3,Hy3为第7。该分数为早期AutoEval结果,由基于Arena人类偏好数据训练的Reward Model代替实时投票自动产生,后续将随更多真人投票观察分数收敛情况。

Ramp自研编码Agent Inspect实践

2026年8月25日,Pragmatic Engineer 报道金融科技公司 Ramp 自研内部后台编码智能体 Inspect 的实践。报道称,目前 Ramp 有 75% 的已合并 PR 由 Inspect 发起,7 月累计会话量突破 100 万次。Inspect 以远程沙箱方式运行,接入公司内部数据源与工具,可自行运行测试、查询遥测和功能开关,并对前端改动做截图与实时预览验证,远程开发环境启动时间在 5 秒以内。Ramp 团队表示,自研原因是本地机器只能并行运行一两个会话,且需要更好的前端工具和远程开发环境。Inspect 基于开源编码智能体 OpenCode 构建,公司内部已有 200 多个智能体运行在该平台上。

Armin评析Astra编码表现

Armin Ronacher 测试并评析 GPT 6 Astra的软件工程与编码表现

查看事件：Armin评析Astra编码表现

Andrew Ng提出使用编码智能体的高层工作流

2026年9月4日,Andrew Ng在DeepLearning.AI来信中提出,使用编码智能体构建软件有一套稳定的高层工作流。他将其概括为规划、执行、部署与监控三个阶段:规划包括头脑风暴、撰写规格和生成执行计划;执行包括构建、测试与验证,并需平衡智能体自主度与人工监督;之后进入部署与监控。他还列出关键技能,包括指挥工作流、赋予智能体自主权、审查产出,以及定制智能体及其环境,例如接入skills、插件、MCP服务器,维护AGENTS.md或CLAUDE.md等常驻上下文。他同时指出,社交媒体夸大了长时程自主任务的实际效用,多数有效用法是高度迭代的过程。目前该观点来自其本人来信,尚无后续发展事实。

Andrew Ng提出智能体编码时代软件工程基本功仍重要

2026年8月28日,DeepLearning.AI 的 The Batch 第368期发布,Andrew Ng 在来信中提出,即便使用编码智能体写代码,软件工程基本功仍然不可少。他同时指出,若缺少这些基本功,智能体容易在延迟、可用性、一致性、可靠性、可维护性、简洁性和成本上做出错误取舍。该期内容还关注 GLM-5.3 的漏洞利用、AI 模型与硬件提速,以及 DeepSeek 的新智能体框架。目前该观点由 DeepLearning.AI 第一方渠道发布,尚无后续发展事实。

Andrew Ng提出使用编码智能体的高层工作流

Andrew Ng 提出 使用编码智能体构建软件的高层工作流

查看事件：Andrew Ng提出使用编码智能体的高层工作流

Philipp Schmid谈编码Agent偏好Bash

Philipp Schmid 提出 编码Agent偏好Bash的趋势观点

查看事件：Philipp Schmid谈编码Agent偏好Bash

Andrew Ng提出智能体编码时代软件工程基本功仍重要

Andrew Ng 提出观点 智能体编码时代软件工程基本功仍然重要

查看事件：Andrew Ng提出智能体编码时代软件工程基本功仍重要

Arena公布Hy4 preview编码榜单排名

Arena.ai 公布 Hy4 preview在Code Arena: WebDev的AutoEval排名

查看事件：腾讯混元Hy4 preview登Code Arena编码榜

Ramp自研编码Agent Inspect实践解析

Pragmatic Engineer 介绍 Ramp自研内部编码Agent Inspect

查看事件：Ramp自研编码Agent Inspect实践