搜索“编码”

MiniMax H3 视频 VAE 编码解码提速

MiniMax H3 video VAE 提速 编码最高约 2.2 倍、解码约 1.4-2.7 倍

查看事件：MiniMax H3 视频 VAE 编码解码提速

Linear重构CI以应对AI编码提速

2026年9月21日,Linear发布文章说明其重构并优化持续集成流程,原因是AI智能体加速代码提交使CI成为瓶颈。据该文,Linear从升级基础设施、优化门控任务、减少重复设置和提升测试执行效率四方面改进,将PR等待时间从超过6分钟降至5分钟出头,每个测试的runner时间约减半,而测试套件自年初几乎翻了两番。迁移到第三方runner后,任务平均快34%,tsc检查周中位数下降73%,API lint时间减少68%。目前该故事仅有这一方来源,尚无后续独立发展。

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。

Linear重构CI以应对AI编码提速

Linear 重构并优化 持续集成流程

查看事件：Linear重构CI以应对AI编码提速

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。

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 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。

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

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

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