Databricks AI Gateway 让内部编码智能体用上 OSS 模型
我们通过 Databricks AI Gateway 把 OSS 模型推广到所有内部编码智能体。 随后工程师们*意外*发现它们有多强大。 “我今天完全没去用 Sol（或 Opus/Astra）。”
匹配字段标题
←搜索结果
搜索“编码”
NVIDIA 发布 SWE-Serve：评测编码智能体在 SGLang 推理服务任务上的表现
NVIDIA 发布 SWE-Serve，用 53 个源自 83 个已合并 SGLang PR 的推理工程任务评测 AI 编码智能体，覆盖模型启用、解码、缓存、调度、服务 API 和分布式执行六类。在 19 个启动真实服务器的任务中，同一批补丁完整验证通过率为 45.9%，去掉实时服务检查后升至 69.4%，约三分之一补丁在真实服务路径上失败。11 个模型在 mini-swe-agent 闭卷条件下平均 pass@1 为 34.6% 至 75.5%，Claude Opus 5 与 GPT-5.6 Sol 最高约 75%。
匹配字段标题
在 Amazon Bedrock 上用开放权重模型运行 AI 编码智能体 OpenCode
开源终端 AI 编码智能体 OpenCode 可接入 Amazon Bedrock 上的开放权重模型，推理在用户自己的 AWS 账户内完成，无需管理基础设施，也没有按席位收费。文章演示了用 Moonshot AI Kimi K3、OpenAI GPT-OSS 120B 和 NVIDIA Nemotron 3 Super 120B 配置多模型工作流，并介绍 Bedrock 的三种定价层级：Priority、Standard 按 token 计费，Flex 成本低 50%。
匹配字段标题
Opus 5.5 实测：编码不如 Astra
今天试了 Opus 5.5。说实话没被惊艳到。 - 让它研究一个我最近学到的棘手问题。它答错了。Astra 答对了。 - 编码方面，Astra 感觉还是更好。 这印证了我之前的看法：前沿 LLM 的编码能力已经停滞。 现在的竞争越来越在于每美元能买到的智能。
匹配字段标题
Modal 如何服务万亿 token 级编码智能体推理
Modal 官方工程博客复盘了为编码智能体提供推理服务的优化过程，以 Moonshot AI 的 Kimi K2.6 为例，单副本每用户性能提升 2.8 倍、副本整体提升 5.6 倍。他们用 NVFP4 微缩放格式在 B200 上部署约一万亿参数的模型，基于 SGLang 打补丁并回馈上游，通过 DFlash 投机解码、KV cache 量化与 HiCache 扩展缓存，再配合负载感知的有状态路由，把服务扩展到每天处理数千亿 token。相关代码与配置已作为 Modal Auto Endpoints 的开源后端发布。
匹配字段标题
MiniMax H3 视频 VAE 提速：编码最高约 2.2 倍、解码 1.4-2.7 倍
MiniMax H3 视频 VAE 在 Nvidia GPU 上编码最高提速约 2.2 倍、解码提速约 1.4-2.7 倍，1344x768、129 帧的编解码往返从 24.3 秒降至 12.7 秒。改动包括默认开启的融合编码器 kernel、支持 --fast fp16_accumulation 的自定义卷积，以及 int8 解码器；int8 解码器与标准解码器 PSNR 均为 67.7 dB。需将 ComfyUI 升级到 v0.36.0 以上，并加载 int8 MiniMax-H3 VAE 文件。
匹配字段标题
阶跃星辰开源 Step Code v0.1.0 编码智能体 CLI
阶跃星辰发布并开源 Step Code v0.1.0，采用 MIT 许可证，通过一个 CLI 覆盖从读改代码到运行测试和交付的完整开发流程。官方评测显示，它在 Terminal-Bench 2.1 上通过 72/89 个任务（80.9%），与并列领先者通过率相同但 token 用量更少；在自建 150 任务长程基准 Multi-Frame 上通过 110/150（73.3%），平均 5.09M tokens/task，在六个被测 harness 中通过率最高、token 用量最低。该工具还内置 StepPage，可用一条命令发布本地静态站点，并支持版本管理与回滚，可在 macOS、Linux 或 WSL 上安装。
匹配字段标题
阶跃星辰开源 Step Code v0.1.0，覆盖完整开发流程的 CLI 编码工具
阶跃星辰发布 Step Code v0.1.0，以 MIT 许可证开源，可在单个 CLI 中完成读改代码、跑测试到交付的完整开发流程。官方称其在 Terminal-Bench 2.1 上通过 72/89 个任务（80.9%），在自建 150 任务长任务基准 Multi-Frame 上通过 110/150（73.3%），平均每任务 5.09M tokens，为六套评测框架中通过率最高且 token 用量最低。工具还内置 StepPage，可用一条命令发布本地静态站点，并支持版本管理与回滚；支持 macOS、Linux 和 WSL 安装，Windows 的 PowerShell 支持处于 beta 阶段。
匹配字段标题
tokenizers v1 发布：编码速度比 v0.23 快 3 到 30 倍
Hugging Face 发布 tokenizers v1，在 Apple M4 Max 单线程下编码速度比 v0.23 快 3 到 30 倍（最低 t5-base，最高 gpt2），八线程扩展效率为线性的 76%。v1 保持与 v0.23 完全相同的 token ID、API、词表和 merge ranks，并覆盖 v0.23 支持的全部 tokenizer 家族。提速主要来自手写 SIMD 预分词、线程本地词缓存和复用 scratch buffer 的 BPE merge 循环。
匹配字段标题
Fireworks 分析：按任务路由模型可让编码智能体从 74.1% 升至 97.6%
Fireworks AI 在 DeepSWE v1.1 的 113 个编码任务上测试 18 个模型，单一最佳模型 GPT-6 Astra 通过率 74.1%、每任务成本 6.52 美元，而按任务事后挑选最优模型可达 97.6%、每任务 1.88 美元。仅用开源模型池（DeepSeek V4 Flash 与 Pro、GLM-5.3 与 GLM-5.3 Flash、Kimi K3、Qwen3.8 Max）也能达到 90.3%、每任务 1.45 美元。作者指出该结果是事后视角的上限，真实路由需在任务开始前预测模型，并称 FireRouter 在其四周生产编码流量中把 2334 个会话的成本从 15.81 美元降至 7.42 美元。
匹配字段标题
Fireworks 研究：多模型路由在 DeepSWE 编码任务上达 97.6% 通过率
Fireworks 基于 DeepSWE v1.1 的 113 个智能体编码任务、18 个模型各四次 rollout 分析发现，单一最佳模型 GPT-6 Astra 通过率 74.1%、每任务成本 6.52 美元，而事后为每个任务挑选最优模型可达 97.6%、每任务 1.88 美元。仅限开源权重模型（DeepSeek V4 Flash 和 Pro、GLM-5.3 和 GLM-5.3 Flash、Kimi K3、Qwen3.8 Max）时仍达 90.3%、每任务 1.45 美元。Fireworks 称其 FireRouter 在四周 2334 个生产编码会话中把成本从单用 Opus 5 的 15.81 美元降至 7.42 美元，降幅 53%。
匹配字段标题
xAI 发布 Grok 4.7，面向编码与知识工作
xAI 发布 Grok 4.7，称其为面向编码与知识工作最强的模型，速度是同类模型的两倍、价格为其一半。该模型采用更大的基座模型，并用更长的强化学习训练，侧重需要数小时完成的任务，自检与长上下文管理能力更强，同时原生理解 Grok Bot harness。安全方面采用全新防护栈，在 LatchBio 生物安全基准上达到 62.4%，HackerBench v0.3 上仅放行 3.3% 的高风险双用途提示。Grok 4.7 已在 Cursor 和 Grok Build 上线，并通过 Grok API、第三方编码 harness、模型路由器和云平台提供，定价为每百万输入 token 2 美元、每百万输出 token 6 美元，另有输出速度翻倍、价格翻倍的快速版本。
匹配字段标题
某全球金融科技公司如何用 Together Dedicated Model Inference 支撑 GLM 5.2 编码智能体流量
一家全球金融科技公司通过 Together 的 Dedicated Model Inference 在 GLM 5.2 上运行编码助手，应对集中在工程时段的高并发突发流量。该工作负载的 ISL p50/p90/p95 约为 81K/163K/178K tokens，RPS p50/p90/p95 为 3/6/7，客户团队可自助扩缩端点、调整路由策略并当天零停机完成配置变更。团队评估后放弃 1M 上下文配置，保留 256K/512K 以维持并发余量。
匹配字段标题
Boris Cherny：Projects 改变了我的编码方式
Projects 不仅改变了我与 Claude 的交互方式，也改变了我的编码方式。 我不再管理会话。想到什么就发出去，Claude 会把它拆分成多个线程，项目会记住我的工作方式。现在我的大量编码都在这里完成。 [截图：我昨天在 claude code cli 里的实际提示词]
匹配字段标题
Fireworks 实测 DeepSeek-V4.1-Flash：DeepSWE 编码精度对标 GPT-6 Astra，单任务成本仅 1/15
Fireworks 对 DeepSeek-V4.1-Flash 做了完整基准测试，在 DeepSWE 上达到 GPT-6 Astra 级别的编码精度，单任务成本 0.43 美元，比 Gemini 3.8 Flash 低 5.5 倍、比 GPT-6 Astra 低 15 倍、比 Claude Opus 5 低 28 倍。该模型为 552B 参数 MoE，采用编码器-解码器分离架构，输入 8B、输出 16B 激活参数，KV Cache 相比 DeepSeek V4 仅占 1/4 HBM 和 1/8 SSD 存储，本次运行 99.6% 输入 token 命中缓存。在 HLE 上它单独运行得 34.52%，落后于 Astra 的 50.40%，但与 Astra 组成 oracle router 后达到 54.80%，高于 Astra 单独运行。
匹配字段标题
DeepSeek 发布 V4.1-Flash：面向编码智能体的高效 prefill 模型
DeepSeek 本周发布并开源 DeepSeek-V4.1-Flash，这是一个 552B 参数、8B 激活参数用于 prefill、16B 用于 decode 的多模态 MoE 模型，支持 1M token 上下文窗口，已上线 HuggingFace 与 Baseten Model APIs。它采用 Causal Encoder-Decoder 架构，prefill 只跑 20 层编码器，decode 跑完整模型，官方称全局 KV cache 内存仅为 V4-Flash 的四分之一。在编码与智能体基准上，V4.1-Flash 以约三分之一的总参数量超过 V4-Pro，长程智能体任务提升达两位数，但 Automation-Bench 得分 54.8，复杂工作流仍有约一半失败。
匹配字段标题
GitHub Copilot 应用入门：用 diff、终端和浏览器面板完成 AI 编码闭环
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让用户无需在编辑器、终端和浏览器之间切换即可审查、运行并预览智能体生成的代码。diff 面板以绿色标注新增、红色标注删除，可接受改动、留言或让 Copilot 继续修改；终端面板支持运行项目命令并同时打开多个终端窗口；浏览器面板的 Pick & Polish 工具可选中页面元素让智能体调整。确认无误后可直接在应用内接受改动并创建 pull request。
匹配字段标题
Cognition 发布编码模型 SWE-2，FrontierCode 1.1 Main 得分 50.0%
Cognition 发布编码模型 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%。SWE-2 基于 2.8T 参数的 Kimi K33 后训练，首次把 RL 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。该模型即日起在 Devin Desktop 和 CLI 上线，随后在 Devin Web 和 Fusion 推出。
匹配字段标题
NVIDIA 用 Nemotron 与 Palantir Foundry 编码供应链经验：从晶圆出厂到首个 token
NVIDIA 与 Palantir 合作在 Palantir Foundry 中构建数字供应链智能指挥中心，将材料、制造基地、产能、分配等数据统一到 Ontology 数据层，并用开源 GPU 加速决策优化库 NVIDIA cuOpt 求解关键材料分配问题，目标是最小化 Time of Ownership（TOO）。cuOpt 以混合整数线性规划求解，还能报告哪些约束成为瓶颈，让规划者快速探索不同情景。NVIDIA 称 Vera Rubin 的供应链规模是 Grace Blackwell 的两倍。
匹配字段标题
Google 详解 Harness 工程：如何评估、迭代与守护 AI 编码智能体
Google Developers Blog 发文介绍 harness 工程中的行为评测方法，主张用离散可观察动作的断言替代只看 Terminal-Bench、DeepSWE 等端到端基准的复合分数。文章建议从开发者直觉和 dogfooding 起步，等智能体能处理自身代码库后再引入评测，并给出三步循环：选定一个失败模式、按任务复杂度写灵活断言、用批量评测跟踪聚合通过率。作者强调行为评测与端到端评测互补，前者用于安全快速迭代，后者验证最终结果。
匹配字段标题