搜索“其他”

Cognition 为 Devin 推出自动修复评审评论功能

2026年2月10日,Cognition 为 Devin 推出自动修复评审评论功能,可自动处理 Devin Review 及其他审查机器人留下的 PR 评论,并继续自动修复 lint 和 CI/CD 问题。该功能适用于任何在 PR 上留言的机器人,包括 linter、CI 流水线、安全扫描器和依赖管理工具,机械性修复无需人工介入;用户可在 Settings > Customization > Autofix settings 中配置响应哪些机器人,也可在 app.devin.ai/settings/review 开启自动审查。2026年2月24日,Cognition 发布 Devin 2.2,称这是 Devin 上线以来最大更新之一,目标是让它成为最自主的智能体。新版本可借助 computer use 在自有 Linux 桌面上启动并测试桌面应用,创建 PR 后建议测试并回传屏幕录制;Devin Review Autofix 让它在用户打开 PR 前完成规划、编码、自审、发现问题并修复。启动速度提升 3 倍,界面重建统一了从规划到代码审查的开发流程。自 2026 年 2 月 24 日起

OpenHands 公布 Index 更新并修复 Commit0 漏洞

2026年2月20日,OpenHands 发布更新,公布其软件工程评测基准 OpenHands Index 的新评测结果,并修复 Commit0 基准漏洞。据 OpenHands 官方博客,此次新增 Claude 4.6 Opus、GPT 5.2 Codex、Kimi K2.5、GLM-4.7 和 MiniMax M2.5 的评测结果,并公开全部评测轨迹。借助 CMU 团队的开源工具 Hodoscope,他们发现 Commit0 基准存在漏洞:仓库以完整 git 历史克隆,智能体可用 git log、git show 直接复制原始实现。改用浅克隆(--depth 1)修复后,MiniMax-M2.5 的 Commit0 分数从 50% 降至 18.8%,运行时间增加近 4 倍,多数其他模型下降约 12-13%。OpenHands 同时与 Laminar 合作,为每次评测提供可交互的轨迹可视化。

goose 博客提出单次提示已死、上下文工程成为关键

2026年2月7日,goose 官方博客发文提出,一次性提示词(one shot prompting)已死,提示词不再是工作流主角,优势转向模型周围的上下文工程。文章建议在 chat only 模式下先对齐完成标准、锁定不可协商的约束,再把研究、假设、领域知识等持久上下文写入项目文件、goosehints、Cursor rules 或记忆扩展,让上下文活在系统中而非脑中。目前该判断仅见于 goose 官方博客这一来源,尚无其他发展事实或后续进展。

OpenHands 宣布赞助 Toad 并成为其推荐 Agent

2025年12月18日,OpenHands 宣布赞助 Toad 的开发,并成为 Toad 的推荐智能体之一。据 OpenHands 官方博客介绍,Toad 是 Rich 和 Textual 作者 Will McGugan 打造的通用终端界面,基于 Textual 库,通过 Agent Client Protocol(ACP)与 Claude Code、Gemini、OpenHands 等兼容智能体通信,用户可在同一界面切换。用户可在 Toad 的 agent store 中一键安装 OpenHands,也可用 uvx batrachian-toad 安装 Toad。目前该消息仅有 OpenHands 官方博客这一来源,尚无其他独立来源的后续发展。

OpenHands Cloud 向所有用户开放自带 LLM

2025年11月4日,OpenHands 官方博客宣布,OpenHands Cloud 已向所有用户开放自带 LLM(BYOK)功能。用户可在界面左下角头像处选择 OpenHands 或其他 LLM 提供商。官方说明称,新的 BYOK 档位免费、限 1 名用户,并对每日及并行对话数量设有限制;如需增加团队成员或扩大用量,可查看其他 OpenHands Cloud 定价方案。对于未自备 LLM key 的用户,仍可使用 OpenHands LLM Provider,以零加价按成本访问 Claude Sonnet 4.5、GPT-5、Qwen3-Coder 等模型。目前该消息仅来自官方博客,尚无其他独立来源或后续发展事实。

SGLang在GB300 NVL72上实现最高25倍推理性能提升

2026年2月20日,SGLang宣布与NVIDIA合作,在InferenceXv2基准上于GB300 NVL72运行DeepSeek R1时,相比H200实现最高25倍推理性能提升,该对比基于50 TPS/user的低延迟场景。据LMSYS Blog介绍,这一提升借助NVFP4 GEMM、计算通信重叠和NVIDIA Dynamo等优化实现。同一来源还提到,SGLang在GB200 NVL72上的性能在不到4个月内提升最高8倍。后续计划推进GB300 NVL72的MTP支持以及Qwen 3.5等模型的调优。目前该事件尚无其他独立发展事实。

Transluce用Docent诊断Terminal-Bench性能回退

2026年2月11日,Transluce发布分析,用其trace分析工具Docent诊断GPT-5.1 Codex在Terminal-Bench上落后GPT-5 Codex的原因。据该分析,官方榜单上两者差距为6.5个百分点,Transluce自测差距为11.4个百分点。分析发现,这一回退主要源于超时而非能力差异:GPT-5.1 Codex超时率为49%,GPT-5 Codex为29%,而Terminal-Bench系统提示词从未提及时间限制。在过滤掉双方均未超时的任务后,GPT-5.1 Codex反而领先7个百分点。目前该分析为Transluce单方发布,尚无其他来源的独立证据。

Saining Xie 判断自动驾驶将最快产生现实影响

2026年2月7日,Saining Xie(谢赛宁)提出判断,认为自动驾驶将比任何其他领域更快产生现实影响。他在相关发言中还表示,世界模型不只是关于视频,而是关于对各类连续、高维、含噪信号的建模,这才是“多模态”的真正含义,并向 Waymo 团队相关成员表示祝贺。目前该判断仅有其本人发言作为证据,尚无后续发展事实。

Saining Xie 判断自动驾驶将最快产生现实影响

Saining Xie 提出判断 自动驾驶将比任何其他领域更快产生现实影响

查看事件：Saining Xie 判断自动驾驶将最快产生现实影响

Jan Leike 称2025年模型对齐度显著提升

2026年1月21日,Jan Leike 提出判断,称2025年期间模型的对齐程度大幅提升。他表示,自动审计发现的失准行为比例不仅在 Anthropic 下降,在 GDM 和 OpenAI 也同样如此。目前该判断仅来自其本人发布的内容,尚无其他独立来源或后续发展事实。

PromptArmor称Claude Cowork发布两天后被攻破

PromptArmor于2026年1月15日发布消息称,Claude Cowork在发布仅两天后即被攻破。该消息由PromptArmor作为第一方来源发布,并称当日登上Hacker News头条。目前尚无其他来源的独立报道或后续发展事实,事件状态停留在PromptArmor的单方说法。

Jan Leike称对齐研究者深度参与后训练

2025年12月6日,Jan Leike在回应外界对Opus 4.5对齐工作的询问时表示,对齐研究员深度参与后训练,并拥有较大的改动权限。他同时提到,团队计划后续公布更多细节。目前该说法仅有其本人这一条来源,尚无其他独立来源或官方材料补充,也没有进一步的发展事实。

Dan Hendrycks称机械可解释性从一开始就被误导

2025年12月2日,Dan Hendrycks 提出判断,称机械可解释性从一开始就被误导。他表示自己一直持这一看法,并称很高兴多年后人们终于开始认同。目前该判断仅有其本人这一条来源,尚无其他发展事实或官方证据出现。

Johann Rehberger 宣布 Month of AI Bugs 结束

2025年8月31日,Johann Rehberger 在 Embrace The Red 发布收官说明,宣布其 The Month of AI Bugs 系列完结,并附上全部文章总览作为参考;此后他的发文频率将恢复到较低节奏。此前在8月30日,他发布了 AgentHopper 概念验证,演示一种可跨编码智能体自我传播的 AI 病毒:通用提示注入载荷先感染开发者智能体,再扫描 Git 仓库注入指令并推送回 GitHub,其他开发者拉取被感染代码后触发注入,形成循环传播。该攻击路径涉及 GitHub Copilot、Amp Code、Amazon Q Developer 和 AWS Kiro,相关漏洞均已由厂商修复。作者建议为 SSH 和签名密钥设置口令、启用分支保护并遵循最小权限原则。

David Singleton 宣布 Dreamer 进入 beta

2026年2月18日,David Singleton 宣布 Dreamer 进入 beta。他表示,Dreamer 是一个发现、构建和享受智能体应用的地方,也是个人智能的家。他分享了自己的用法:每天早上一个智能体为他准备日程、新闻和过去 24 小时的 Slack,做成个人播客,只需开口要求即可实现。目前该消息来自其本人发布,尚无其他发展事实。

antirez 暂停 HNSW 开发并撰写经验总结

2025年11月11日,antirez 暂停了 HNSW 的开发工作,并撰写博客总结其在 Redis 中实现 HNSW 向量相似度搜索的经验。据其博客介绍,他采用按向量量化的有符号 8 位表示(-127 到 127)来压缩向量,并指出多层结构平均仅带来约 1.3 倍开销,同时质疑 HNSW 中“H”层级是否真正必要。目前该事件仅有这一篇来自 antirez 原创博客的报道,尚无其他后续发展。

David Singleton 称世界需要面向 AI 智能体的新操作系统

2025年8月29日,前 Stripe CTO、前 Google VP David Singleton 在访谈中提出判断,称世界需要一个面向 AI 智能体的新操作系统。他谈到自己正在打造 /dev/agents,并回顾了从 Google 工程师晋升至 VP、以及担任 Stripe CTO 7 年的经历,强调紧密反馈循环与系统思维的价值。目前该判断来自其本人访谈,尚无其他发展事实或官方证据。

Anthropic发布Claude Opus 4.6模型

2026年2月6日,Anthropic发布Claude Opus 4.6模型。据官方说明,该模型在编码能力上较前代提升,能更长时间维持智能体任务,并首次为Opus系列提供1M token上下文窗口(beta)。基准表现方面,该模型在Terminal-Bench 2.0取得最高分,在Humanity's Last Exam上领先其他前沿模型,在GDPval-AA上比GPT-5.2高约144 Elo分、比Opus 4.5高190分。API侧新增自适应思考、四档effort控制、上下文压缩(beta)和128k输出token;定价维持每百万token 5美元/25美元,超过200k token的提示按10美元/37.50美元计费。目前尚无后续发展事实。

Gemini 3深度思考模式上线

2025年12月5日,Google DeepMind面向Ultra用户上线Gemini 3 Deep Think模式。该模式采用并行思路处理推理任务;输入材料称,其在ARC-AGI-2和HLE等关键推理评测中取得明显提升。目前材料仅说明该模式已向Ultra用户开放,未提供其他用户群体的开放安排。

Lilian Weng 宣布 Tinker API 开启 Beta 并开放等待名单

2025年10月1日,Lilian Weng 宣布 Tinker API 开启 Beta 并开放等待名单。该 API 基于其 LoRA 微调实验结果构建,旨在为研究人员和 ML 从业者提供高质量研究工具,降低前沿模型实验门槛;她指出 GPU 成本高昂且基础设施搭建复杂,是当前实验的主要障碍。同一事件的其他报道称,Thinking Machines 发布 Tinker,一个用于语言模型微调的灵活 API,开发者可在本地用 Python 编写训练循环,由其在分布式 GPU 上运行;该工具面向研究者提供编写实验和训练管线的抽象接口,并处理分布式训练复杂度,支持新研究、自定义模型和基线复现,并称 Tinker 当日开启私有测试。目前尚无进一步有证据的发展。