搜索“编码”

Mistral构建Rails测试智能体

2026年3月11日,Mistral AI 构建了一个基于其开源编码助手 Vibe 的智能体,用于自动为 Rails 项目生成和改进 RSpec 测试。该智能体可在 CI/CD 中无人干预运行,并支持多实例并行处理不同文件。其实现方式包括通过仓库级 AGENTS.md 提供分步执行计划、按文件类型拆分 skills 文件,并加入 RuboCop 与 SimpleCov 自定义工具;其中把 SimpleCov 放在最后一步强制运行每个测试被视为最关键的决定,因为首次执行时只有约三分之一测试通过。在包含 275 个源文件的真实仓库实验中,已有测试文件的 LLM-as-a-judge 评分从 0.49 提升到 0.74,覆盖率达到 100%。目前尚无后续发展事实。

Physical Intelligence发布机器人记忆系统

2026年3月3日,Physical Intelligence发布Multi-Scale Embodied Memory(MEM)机器人记忆系统。该系统为模型同时提供短期视觉记忆和长期语义记忆:短期记忆用高效视频编码器记住近期交互的细节,长期记忆则让模型用文本总结事件,最长可记住15分钟的内容。据发布信息,该记忆系统使机器人能够完成清理整个厨房、按食谱备料等多阶段真实任务,并展现出从过去错误中即时调整行为的上下文适应迹象。

Anthropic发布Claude Sonnet 4.6模型

2026年2月18日,Anthropic发布Claude Sonnet 4.6模型,在编码、计算机使用、长上下文推理、智能体规划和知识工作等方面全面升级,并支持1M token上下文窗口(beta)。该模型现为claude.ai和Claude Cowork的默认模型,定价与Sonnet 4.5相同,起价$3/$15每百万token。早期测试中,用户在Claude Code里对Sonnet 4.6的偏好度比Sonnet 4.5高约70%,比Opus 4.5高59%。

Cartesia招聘AI与开发者加速工程师

2026年2月6日,Cartesia发布招聘信息,招聘AI与开发者加速工程师,负责为Claude Code、Cursor、Codex等编码智能体搭建可端到端迭代的基础设施。团队认为写代码已非瓶颈,真正缺口在于智能体无法访问PostHog、Vercel preview和生产指标等反馈回路。该岗位将编写让工程师与非工程师以最少人工干预解决问题的操作手册。

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。

Anthropic提出长时Agent执行框架

2025年11月26日,Anthropic 在工程博客中提出一套面向长时任务执行的智能体框架,由初始化代理(initializer agent)和编码代理(coding agent)两部分组成,目标是让 Claude Agent SDK 跨多个上下文窗口持续工作。据该博客介绍,首个会话由初始化代理搭建环境,包括 init.sh 脚本、claude-progress.txt 进度日志和初始 git commit;后续每个会话由编码代理只推进一个功能并留下结构化更新。文章指出,即便 Opus 4.5 在 Claude Agent SDK 上循环运行,仅给高层提示也会出现一次性做完整个应用和过早判定完成两类失败,因此采用 JSON 格式的功能清单标记 passes 状态,并要求智能体用 git 提交和进度文件保持环境整洁。测试环节需显式提示使用浏览器自动化工具做端到端验证,作者也提到 Claude 视觉与浏览器自动化工具的限制仍会漏掉部分 bug。目前该框架仍处于工程博客分享阶段,尚无后续进展披露。

Anthropic发布Claude Opus 4.5

2025年11月25日,Anthropic发布Claude Opus 4.5,称其在编码、智能体和计算机使用上达到世界最佳,并在深度研究、表格处理等日常任务上有显著提升。模型已在应用、API和三大云平台可用,API定价为每百万tokens输入5美元、输出25美元;同时更新Claude Developer Platform、Claude Code和消费级应用,新增effort参数以控制推理强度,并提升上下文管理和多智能体协调能力。11月26日,Dan Hendrycks发表比较评价称,在控制推理token数量时Gemini 3与Opus在推理/文本上大致相当,多模态视觉/图像输入上Gemini 3大幅优于Opus,而在越狱、诚实性等安全方面Opus优于Gemini。

Browser Use 创始工程师发布黑客松获胜指南

2026年2月27日,Browser Use(YC W25)创始工程师 Reagan 发布了一份黑客松获胜指南。该指南结合他在 Y Combinator、MIT、斯坦福等黑客松的获奖经验,给出从选题、规划到演示的完整建议。Reagan 建议参赛者多与赞助商交流、从真实问题出发、优先打磨视觉冲击力强的演示,并在实现阶段并行运行约 5 个编码智能体。他还提到,演示前至少预留 10 分钟、最好 20 分钟准备脚本。目前该指南已通过 Browser Use 官方渠道发布,暂无后续发展。

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 首席架构师提出“速度已死”观点

2026年2月19日,OpenHands 首席架构师 Ray Myers 发表观点,认为代码生成速度已不再是瓶颈,交付质量才是关键。他在文中举例称,Anthropic 用编码智能体生成 100K 行 Rust 的 C 编译器、耗资 2 万美元 token,他本人则用 OpenHands 配合 Opus 4.5 以 200 美元生成 40K 行 Go 版本,但两者都不具备实际用途。他由此提出行业应转向质量与“智能体就绪度”,即测试、模块化架构和静态分析等持续交付实践。目前该观点由 OpenHands 官方博客发布,尚无后续发展事实。

Cognizant 与 Cognition 合作部署 Devin 和 Windsurf

2026年1月28日,Cognizant 与 Cognition 达成合作,将在其工程组织和全球客户中部署 Devin 自主软件工程师与 Windsurf 智能体 IDE。据 Cognition 官方博客,Cognizant 工程师已使用 Windsurf IDE 进行智能体辅助编码,现正探索 Devin 在代码迁移、重构、测试和维护等端到端工作流中的能力,并计划向医疗、金融服务、保险等行业的全球客户团队推广。Cognition 将派驻前置 AI 工程师团队,负责项目选择、工程师赋能和 ROI 衡量。目前尚无后续发展事实,合作处于上述部署与探索阶段。

OpenHands 发布通过 ACP 接入编辑器的教程

2025年12月9日,OpenHands 发布教程,介绍如何通过 Agent Client Protocol(ACP)在编辑器中配置并使用 OpenHands 代理。据 OpenHands 官方博客,ACP 是让编辑器与 AI 编码智能体通信的标准化 JSON-RPC 协议,智能体作为编辑器子进程运行;Zed、JetBrains 系列 IDE、Neovim(CodeCompanion.nvim)和 Obsidian 已支持该协议。教程以 Zed 为例给出配置步骤:先运行 openhands 配置 LLM 提供商与 API key,再在 Zed 的 agent_servers 中加入 OpenHands 配置,之后即可在编辑器内调用智能体。目前该故事尚无后续发展事实。

Zyphra 发布脑数据基础模型 ZUNA

2026年2月18日,Zyphra 发布首个基于脑数据训练的基础模型 ZUNA。据 Zyphra Research 介绍,ZUNA 是一个 380M 参数的扩散自编码器,可从有噪声或不完整的头皮 EEG 数据中重建高保真脑信号,并能从稀疏输入和电极坐标预测缺失通道,适配从消费级头戴设备到 256 电极研究系统的多种布局。该模型在更高缩放因子下持续优于 MNE 中实现的球面样条插值这一行业标准方法;在通道丢失超过 75% 时于所有数据集上超越 MNE 默认的球面样条插值,优势随数据退化程度增加而扩大。ZUNA 面向研究人员、临床医生和 BCI 开发者,可恢复部分损坏的 EEG 会话并让低通道设备映射到更高分辨率信号空间。模型以 Apache 2.0 许可开源,权重发布于 Hugging Face,推理与预处理代码发布于 GitHub,并提供 pip install zuna 安装包。目前尚无后续发展事实。

Qwen团队发布Qwen3.5系列首个开源权重模型

2026年2月14日,Qwen团队发布Qwen3.5系列首个开源权重模型Qwen3.5-397B-A17B。据Qwen Blog介绍,该模型为原生视觉语言模型,在推理、编码、智能体和多模态理解等基准上给出完整评测结果;采用线性注意力(Gated Delta Networks)与稀疏MoE混合架构,总参数397B、每次前向仅激活17B,语言与方言支持从119种扩展到201种。托管版本Qwen3.5-Plus通过阿里云百炼提供,默认1M上下文窗口,并内置官方工具与自适应工具调用。目前尚无该发布之后的进一步有证据发展。

Ollama v0.14.0 起兼容 Anthropic Messages API

2026年1月16日,Ollama 发布 v0.14.0 版本,开始兼容 Anthropic Messages API。据 Ollama 官方博客介绍,该版本及之后版本使 Claude Code 这类工具可以用上开源模型,既能在本机运行本地模型,也能通过 ollama.com 连接云端模型。官方建议使用上下文长度至少 32K tokens 的模型,云端模型始终以完整上下文长度运行,编码场景推荐 glm-4.7:cloud 和 minimax-m2.1:cloud。功能层面,已支持消息与多轮对话、流式输出、系统提示词、工具调用、扩展思考和图像输入,现有 Anthropic SDK 应用只需修改 base URL 即可接入。目前该消息仅有官方单一来源,尚无后续发展事实。

Qwen发布Qwen3-VL-Embedding与Qwen3-VL-Reranker系列

2026年1月7日,Qwen发布Qwen3-VL-Embedding与Qwen3-VL-Reranker系列模型。据Qwen Blog介绍,该系列基于Qwen3-VL底座,面向多模态信息检索与跨模态理解,支持文本、图像、截图和视频输入,覆盖30多种语言。其中Embedding采用双塔架构做高效初筛,Reranker采用单塔Cross-Attention对(Query, Document)对联合编码输出相关性分数,两者串联构成两阶段检索流程。官方称Qwen3-VL-Embedding-8B在MMEB-v2上取得SOTA,Reranker-8B在多数任务上表现最佳。模型提供2B与8B两种规格、32K序列长度,并支持量化与自定义向量维度。目前尚无后续发展事实。

LG AI Research 在 CTAD 2025 介绍 MOIRA 框架

2025年12月3日,LG AI Research 在 CTAD 2025 上介绍了 MOIRA(Multi-Omics Integration with Robustness to Absent modalities)多模态整合框架,用于在模态缺失情况下仍能可靠预测阿尔茨海默病。据 LG AI Research 官方博客,MOIRA 由各模态专用编码器、自适应融合模块和预测模块组成;融合时对缺失模态置零,并仅在可用模态间用 softmax 重分配权重;训练结合预测损失、各模态辅助损失和 CLIP 式对比损失。该框架可兼容任意编码器与预测模块,实验显示用 3D CNN 编码器处理原始 MRI 数据优于使用 FreeSurfer 预处理特征。目前尚无后续发展事实。

Transluce 与 SWE-bench 合作公开智能体轨迹

2025年11月19日,Transluce 宣布与 SWE-bench 团队合作,将 AI 编码智能体的轨迹公开在 Docent 上。用户现可通过 SWE-bench 排行榜上的链接查看完整记录。双方先从 SWE-bench Verified 的 "bash only" 设置入手,该子集包含 500 个经人工审核的 PR,上月从 HuggingFace 下载超 130 万次。此外,Docent 还构建了检测“作弊”行为的评判器,可识别智能体通过 git 读取未来提交或 gold patch 等非预期解题路径。目前该合作已落地,轨迹公开与作弊检测功能同步上线。

Mistral发布Vibe 2.0

Mistral AI 发布 终端原生编码智能体Mistral Vibe 2.0

查看事件：Mistral发布Vibe 2.0

Anthropic提出长时Agent执行框架

Anthropic 提出 由初始化代理和编码代理组成的长时任务执行框架

查看事件：Anthropic提出长时Agent执行框架