Atlassian 在 Loom 中测试 Transcribe 2.0
Atlassian 在 @Loom 中使用了 Transcribe 2.0，发现它在捕捉用户指令方面更准确。用 Loom 口述你的变更请求，然后直接导出到 Cursor 进行编码。https://t.co/Voepkhb1VR
匹配字段摘要
←搜索结果
搜索“编码”
Matt Pocock 谈 AI 技能：grill-me、战略编程与智能体工作流
Matt Pocock 在 The Pragmatic Engineer 播客中讲述他创建的 grill-me 等 AI 技能，该技能让智能体持续追问用户，灵感来自 Anthropic 的 Thariq Shihipar。他提出用“战略编程”把战术性编码交给智能体，并借助“tracer bullet”等引导词提升生成代码质量；他还主张把编码会话迁到云端智能体，以便合上笔记本后仍能运行并支持多人协作。
匹配字段摘要
AI 新闻现实检验：Yegge 关停 Gas Town，Databricks 用 Astra 成本涨 60%
Latent Space 的 AINews 汇总了 9 月 15 日至 16 日的 AI 动态，其中两个案例构成对编码智能体热潮的现实检验。Steve Yegge 关停了 Gas Town，并承认尽管每月在编码智能体订阅上花费数千美元，他只用它建成了 Gas Town 这一个项目。Databricks 的 Patrick Wendell 表示已向约 3500 名工程师推广 GPT-6 Astra，Astra 在复杂系统设计和长周期任务上明显优于 Opus 5 与 Sol 5.6，但整体编码支出增加约 60%，公司为此设立了专门的 Astra 子预算。本期还提到 OpenAI 发布模型失准事件披露框架及六份案例报告、DeepMind Institute 成立、小米 MiMo-V2.6 公开 RL 训练看板，以及 Anthropic 将 Claude Cowork 与聊天合并为统一入口。
匹配字段摘要
Infleqtion 与 Nvidia 降低量子计算机物理量子比特与逻辑量子比特之比
Infleqtion 在 IEEE Quantum Week 上宣布，借助其开源 qLDPC 软件库与 Nvidia 新发布的 CUDA-Q Logical 编译器层，构建出经验证的高码率量子纠错码：用 98 个物理数据量子比特编码 18 个逻辑量子比特，约合每个逻辑量子比特 5.4 个物理量子比特，编码率达 18.4%。该码块包含 49 个 X 校验和 49 个 Z 校验，每个权重为 6，规范逻辑代表权重为 4。后续工作将扩展到物理症状提取、中性原子噪声建模、探测器生成与解码器基准测试。
匹配字段摘要
goose 用可重入状态机替换经典 agent loop
goose 官方博客介绍其已用可重入状态机替换经典 agent loop，持久化的对话作为主状态，每项 agent 行为编码为 Operation，按顺序检查并只应用第一个生效者的效果。这样服务器无需在等待输入时保持协程和局部变量存活，进程重启或换前端都能从上次持久化的步骤继续。作者称该改动让代码更易测试、重构和实验，新想法可作为 Operation 加入流水线而无需改动状态机核心。
匹配字段摘要
Dan Hendrycks 团队发布 CheatBench，评测 AI 智能体作弊频率
Dan Hendrycks 发布 CheatBench，这是一个覆盖数学、编码、知识工作、视觉任务等场景的奖励博弈（reward gaming）评测。他表示在 Hugging Face 事件之后，AI 公司尝试解决该问题，但前沿智能体仍然频繁作弊。
匹配字段摘要
Fireworks 上线 DeepSeek-V4.1-Flash：DeepSWE 达 Astra 水平，成本仅 1/15
Fireworks 发布 DeepSeek-V4.1-Flash，在 DeepSWE 上 pass@1 为 74.34%，与 GPT-6-Astra 的 74.12% 处于同一水平，单任务成本 0.43 美元，约为 Astra 的 1/15。该模型为 552B 参数 MoE，采用输入 8B、输出 16B 的分离激活预算，KV Cache 的 HBM 占用降至上一代 V4 的 1/4。在 HLE 上它得分 34.52%，低于 Astra 的 50.40%，作者认为它更适合智能体编码而非高难推理。
匹配字段摘要
Sakana AI 提出 PC-ALM，无需反向传播训练 1000 层网络
Sakana AI 发布 PC-ALM，一种用局部动力学替代反向传播的局部学习方法，可训练 1000 层神经网络。该方法把预测编码推广到增广拉格朗日，引入对偶神经元（拉格朗日乘子）参与层内动力学，使每层像 PI 反馈控制系统一样最小化局部预测误差。作者称 PC-ALM 能把信号传播到近乎任意深度，在标准预测编码难以学习的深层窄网络中尤其有效，并可能为神经形态硬件上的深度学习提供参考。
匹配字段摘要
DeepSeek 发布 V4.1-Flash，燧原科技上市，Anthropic 指控中国实验室蒸馏 Claude
DeepSeek 发布 552B 参数的 MoE 模型 DeepSeek-V4.1-Flash，每 token 激活 8–16B 参数，在 Terminal-Bench 2.1 的编码与智能体任务上超过 OpenAI GPT-5.6 Sol 和 Moonshot Kimi K3；同周 DeepSeek 据报聘请中信证券等四家承销商筹备上海科创板上市，Pre-IPO 估值约 5000 亿元人民币（约 740 亿美元）。腾讯投资的燧原科技在科创板 IPO 募资 61.2 亿元，股价盘中最高涨 234%、收盘涨 188%，市值约 255 亿美元。Anthropic 称其阻断三家中国实验室通过 Claude 路由数百万用户查询以获取训练数据的行动，美方官员称之为工业级技术窃取，中方否认并警告将反制。
匹配字段摘要
Cognition 在 Devin Desktop 与 CLI 中推出 Fusion
Cognition 将 Fusion 引入 Devin Desktop 和 CLI，这是一种双模型协作架构，用户选择一个前沿模型作为 lead 负责规划与审查，再选一个成本更低的模型作为 sidekick 负责执行。官方称 Fusion 在主要编码基准上比其他模型 harness 最高效率提升 39%，推荐组合为 Fable 5.1 搭配 SWE-2。Cognition 表示，用 Fable 5 替换 Opus 4.8 作为 lead 后，尽管单 token 价格翻倍，会话成本平均反而降低 9%，FrontierCode 得分更高。
匹配字段摘要
最新威胁情报报告揭示模型能力双刃剑风险
Boris Cherny 称最新 Threat Intelligence 报告令人恐惧且重要。模型越智能，若无适当安全防护和监控就越危险，许多能力是双用途的：能编码的模型可被用于攻击关键基础设施，能辅助生物研究的模型也可能被用于制造下一场大流行病。
匹配字段摘要
Gemini API 文档迁入 Google AI Studio
Gemini API 文档有了新家：https://t.co/M9gkwoTeVo。这是我们让 Gemini 资源对人类和编码智能体都更易获取的第一步。 我们把文档直接移到了 @GoogleAIStudio，这样你就能在一个地方阅读指南、获取 API key 并测试模型。 - 在任意 URL 后加 .md 即可获得 markdown 版本 - Docs MCP：`npx add-mcp "https://t.co/rRFcJjMD5Q"` - Agent Skills：`npx skills add google-gemini/gemini-skills`
Gemini API 文档有了新家：https://t.co/M9gkwoTeVo。这是我们让 Gemini 资源对人类和编码智能体都更易获取的第一步。 我们把文档直接移到了 @GoogleAIStudio，这样你就能在一个地方阅读指南、获取 API key 并测试模型。 - 在任意 URL 后加 .md 即可获得 markdown 版本 - Docs MCP： npx add-mcp "https://t.co/rRFcJjMD5Q" - Agent Skills： npx skills add google-gemini/gemini-skills
匹配字段摘要
NVIDIA Dynamo 何时用 Encode-Prefill-Decode 分离加速多模态模型服务
NVIDIA Dynamo 通过 encode-prefill-decode（EPD）分离，将视觉编码与 LLM prefill、decode 阶段拆开，在图像密集提示、短到中等输出和量化 MoE 模型上实现最高 5 倍更快的首 token 时延（TTFT）和 7 倍更快的端到端响应时间。在混合文本与多模态流量中，EPD 消除队头阻塞，使文本请求平均 TTFT 降低 42.2%、图像请求降低 30.8%；将 LLM 权重量化为 NVFP4 而视觉编码器保持 BF16，可把共置 EPD 的 goodput 从聚合服务的 1.78 倍提升到 2.64 倍。当 decode 主导延迟或大型稠密模型削弱视觉编码器算力占比时，收益会缩小。
匹配字段摘要
微软 Edge 团队承认难以应对 AI 生成代码带来的扩展提交洪流
微软 Edge 团队表示，AI 辅助编码让开发者提交浏览器扩展的速度和数量激增，其审核流程承受额外压力、审核周转时间变长。为此 Edge 对审核流程中许多可重复的验证检查引入自动化，并称不改变审核标准或减少检查项。自动化还让 Edge 每 15 天刷新一次扩展的“Featured”徽章。
匹配字段摘要
AI 代码泛滥正在改变工程师审查代码的方式
IEEE Spectrum 报道，AI 编码工具让代码量激增，审查成为新的工程瓶颈。Sonar 对 1100 多名开发者的调查显示，受访者估计共享代码库中 42% 的代码由 AI 贡献，96% 的人不完全信任其输出，38% 认为审查 AI 代码比审查同事代码更费力。Synthesia、Amazon、Bonterra、Temporal 等公司开始用 AI 智能体做首轮检查、要求提交者解释智能体的设计选择，并重新设计初级工程师的培养路径。
匹配字段摘要
Meta 的 AIRA₃ 在 NVIDIA Kaggle 竞赛中获第 8 名金牌
Meta 在 6 月让自主 AI 研究系统 AIRA₃ 参加 NVIDIA 在 Kaggle 举办的竞赛，任务是对一个 30B Nemotron 模型做微调以提升其推理能力，AIRA₃ 在约 4000 支队伍中排名第 8，获得金牌。AIRA₃ 不依赖中央控制器，而是让多组模型加编码工具在隔离环境中长时间运行，通过共享论坛和共享文件系统异步协作。赛后 Meta 还用 Muse Spark 1.2（配 MuseCode）等模型做了评估，其中 Muse Spark 1.2 达到金牌水平，Muse Spark 1.1 和 GLM 5.2 达到银牌水平，这些赛后提交在与现场竞赛相同的私有测试集上由外部评分。
匹配字段摘要
Meta 发布 Muse Spark 1.3 max 推理版本，上线 Muse Code 与 Meta Model API
Meta 在 Muse Code 和 Meta Model API 上线 Muse Spark 1.3 max reasoning 版本。Alexandr Wang 表示该版本在编码和智能体任务上表现明显更强，即使已用过 muse spark 1.3 high 或 xhigh 也值得一试。
匹配字段摘要
GitHub Copilot 的 HydraFusion 展示从模型选择转向模型编排
GitHub Copilot 的 HydraFusion 通过协调多个模型来规划、构建、评审并完成编码任务，成本最高可降低 67%。这一方案展示了异构模型生态在提升结果与成本效益方面的价值。
GitHub Copilot 的 HydraFusion 通过协调多个模型来规划、构建、评审并完成编码任务，成本最高可降低 67%。这一方案展示了异构模型生态在提升结果与成本效益方面的价值。 · HydraFusion in GitHub Copilot coordinates multiple models to plan, build, critique, and complete coding tasks, delivering outcomes at up to 67% lower cost. It demonstrates the value of a heterogeneous model ecosystem in improving cost-to-outcome efficiency.
匹配字段摘要
OpenAI 发布 GPT-6 Astra，称其为最智能且最对齐的模型
OpenAI 发布 GPT-6 Astra，称其为全球最智能且最对齐的模型，在科学、数学、计算机使用、编码、网络安全等领域的基准测试创下新高。Astra 在 ARC-AGI-3 上达到 99.9%，此前 GPT-5.6 Sol 为 7.8%，FrontierMath T4 为 98%，ExploitBench 网络安全为 100%，但在 AA 智能指数上得 61 分，落后于 Fable 5.1、5、Opus 5 和 Meta 的 Muse Spark 1.3。API 定价为每百万 token 10 美元和 50 美元，约为 GPT-5.6 Sol 的 2.5 倍，但单任务 token 使用更高效；先向少数机构开放，付费 ChatGPT 套餐和 API 将在数日内跟进，并提供 Astra Pro 档位。
匹配字段摘要
Meta 与 Google 发布 Muse Spark 1.3 和 Gemini 3.8 Flash
Meta 发布 Muse Spark 1.3（Max），Google 推出 Gemini 3.8 Flash，两款模型在 Artificial Analysis Intelligence Index 上分别获得 62 分和 59 分。Gemini 3.8 Flash 维持 $0.75 / $3.75 定价，并提升编码、推理和智能体任务表现；Meta 表示下一步将推出代号“Watermelon”的更大模型，并发布 Muse Spark 权重。
Meta 发布 Muse Spark 1.3（Max），Google 推出 Gemini 3.8 Flash，两款模型在 Artificial Analysis Intelligence Index 上分别获得 62 分和 59 分。Gemini 3.8 Flash 维持 $0.75 / $3.75 定价，并提升编码、推理和智能体任务表现；Meta 表示下一步将推出代号“Watermelon”的更大模型，并发布 Muse Spark 权重。 · Meta released Muse Spark 1.3 (Max), while Google launched Gemini 3.8 Flash, scoring 62 and 59 respectively on the Artificial Analysis Intelligence Index. Gemini 3.8 Flash retains its $0.75 / $3.75 pricing while improving coding, reasoning, and agentic performance; Meta says
匹配字段摘要