OpenAI 发布报告，披露其内部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。
匹配字段标题、摘要
吴恩达在 DeepLearning.AI 来信中提出，用编码智能体构建软件有一套稳定的高层工作流：规划（头脑风暴与写规格、生成执行计划）、执行（构建、测试、验证，平衡智能体自主度与人工监督）、部署与监控。他认为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（如接入 skills、插件、MCP 服务器，维护 AGENTS.md 或 CLAUDE.md 等常驻上下文）。他还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。
匹配字段标题、摘要
Hugging Face 发布 NeoMME，一个 260M 和 800M 的多语言多模态编码器家族，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。
匹配字段标题、摘要
Hugging Face 发布开源工具 funes，用一条 add 命令为 Claude Code、Codex、pi、Hermes 等编码智能体加上记忆，索引增量进行，embedding 与 rerank 都在本机完成。记忆以 Lance 数据集形式存在本地，也可绑定为 Hugging Face 私有数据集实现跨机器、跨团队共享，发布前会先做凭据脱敏与密钥扫描。官方在 handoff-vs-recall 基准上对比了压缩、手写交接与 recall 三种方式，recall 在两个任务上分别比手写交接便宜 8 倍和 4 倍。
匹配字段标题、摘要
Hugging Face 博客介绍了一个用 TRL 和 OpenEnv 训练编码模型绘制水彩画的项目：模型输出约 150 行 JavaScript 代码，通过 p5.brush 库作画，提示词只允许使用该库 47 个方法中的 10 个。奖励由 HPSv3 开放 7B 偏好模型与 Qwen3-VL-30B-A3B-Instruct 成对评判器共同给出，后者将候选画作与随机抽取的 4 张参考图比较，共训练了三次不同权重配比的运行。
匹配字段标题、摘要、正文
Meta 发布 Muse Spark 1.3，在智能体与编码任务上性能提升，并聚焦真实场景可用性。该版本可在单线程中跨多个工作流维持更长周期的任务，会更主动地向用户提问、在卡住时说明并确认后再执行关键操作，对自身能力边界的判断也更准确。Meta 内部对比显示，相比 Muse Spark 1.2，其工具调用减少约 20%、token 消耗减少约 25%。Muse Spark 1.3 今日起在 Muse Code 和 Meta Model API 上线，max reasoning 将在完成安全测试后推出。
匹配字段标题、摘要
ClaudeDevs 表示 Fable 5.1 在其智能体编码与计算机使用评测中均领先 Fable 5 和 Opus 5。在 Claude Code 的 Terminal-Bench 4.0 上，Fable 5.1 得分 55.8%，Fable 5 为 42%，Opus 5 为 52.3%。Lydia Hallie 转发了这一消息并称今天是 Fable 5.1 发布日。
匹配字段标题、摘要
Together AI 在 113 个 DeepSWE 任务上各跑 4 次、共 900 次 rollout，对比 GLM-5.3 与 GLM-5.3 Flash：单次通过率 69.0% 对 63.4%，pass@4 差距收窄到 2.6 个百分点（87.6% 对 85.0%）。GLM-5.3 Flash 每次 rollout 成本 0.24 美元，约为完整版的十七分之一，每 100 美元可解 264 个任务。先跑 Flash、测试不通过再升级到 GLM-5.3 的级联方案达到 80.9% 通过率，每任务 1.70 美元，低于完整版单独使用的 3.99 美元。
匹配字段标题
阿里发布 Qwen3.8-Flash-Next 权重，作为 Qwen4 架构预览供开发者实验评估，这是一个 125B 参数、每 token 激活 6B 的多模态 MoE 模型，原生上下文窗口 262,144 token，借助 YaRN 可扩展至 1M token。NVIDIA 提供 SGLang、vLLM 和 TensorRT LLM 的 Day 0 功能支持，并在 GB300 NVL72 上验证推理，单 GPU 吞吐超过 16K token/秒、单用户超过 200 token/秒。开发者可用 NVIDIA NeMo AutoModel 微调、用 NeMo RL 做强化学习，权重可从 Hugging Face 或 ModelScope 下载。
匹配字段标题
金融科技公司 Ramp 自研内部后台编码智能体 Inspect，目前 75% 的已合并 PR 由它发起，7 月累计会话量突破 100 万次。Inspect 以远程沙箱运行，接入公司内部数据源与工具，可自行跑测试、查遥测和功能开关，并对前端改动做截图与实时预览验证，远程开发环境启动时间在 5 秒以内。Ramp 团队表示，自研的原因是本地机器只能并行运行一两个会话、需要更好的前端工具和远程开发环境；Inspect 基于开源编码智能体 OpenCode 构建，公司内部已有 200 多个智能体运行在该平台上。
匹配字段标题、摘要
SemiAnalysis 发布 AgentX 1.0，称其为全球首个完全开源、100 万上下文的多轮智能体编码推理基准，以 Apache 2.0 许可发布，数据集构建投入超过 300 万美元。该基准被纳入 InferenceXv3，用智能体编码流量替代此前 8k 输入 1k 输出的单轮场景，测试矩阵运行在约 2MW 算力、1000 多颗芯片上，覆盖 MI355X、GB300 NVL72、GB200 NVL72、B300、B200、MI325、MI300X、H200 与 RTX Pro 服务器。SemiAnalysis 称其首个成果是已推动 vLLM、SGLang、TensorRT-LLM、ATOM、AITER、Dynamo、LMCache 和 Mooncake 等项目的 70 多个上游 PR，并计划在三到四周后发布 AgentX 更新文章。
匹配字段标题、摘要
Together AI 在全部 113 个 DeepSWE 任务上各跑 4 次、共 904 次 rollout，GLM-5.3 与 Claude Fable 5 的 pass@1 分别为 69.0% 和 69.7%，基本持平。GLM-5.3 每次 rollout 成本 3.99 美元，Fable 5 为 21.63 美元，相差 5.4 倍，且 GLM-5.3 在 pass@2（81.1% 对 77.1%）、pass@4（87.6% 对 84.1%）和覆盖率上领先。两者逐任务相关性 0.65，属于近似替代品，作者建议多数场景默认用 GLM-5.3，仅在 Rust 和序列化相关任务上升级到 Fable 5。
匹配字段标题
Together AI 在全部 113 个 DeepSWE 任务上各跑 4 次、共 904 次 rollout，对比 GLM-5.3（max）与 GPT-5.6 Sol（max）。单次尝试 Sol 以 72.7% 的 pass@1 领先 GLM-5.3 的 69.0%，但 GLM-5.3 每次 rollout 成本 3.99 美元、约为 Sol 8.37 美元的一半，并在 pass@2 追平、pass@4 以 87.6% 反超 85.8%。先跑 GLM-5.3、测试失败再升级到 Sol 的级联方案解决 85.9% 的任务，每任务 6.61 美元，高于 Sol 单跑的 72.7%，也低于一次 Sol rollout 的价格。
匹配字段标题
Slack 推出 Slack Code，为编码智能体开设专属项目频道，用户可在 Slack 对话中 @ 智能体，让它创建代码频道并跟进任务。在频道里，成员可以查看智能体的操作、审阅其提出的改动、查看实时 HTML 预览，并在需要时让它改变方向；任务完成后频道可自行归档，留下可搜索的记录。Anthropic、Cognition、GitHub、OpenAI 的 ChatGPT 和 Vercel 等正在为 Slack Code 开发集成，Claude、Devin、Copilot 和 ChatGPT 等智能体将进入代码频道；Slack 还推出 Agent DM、Agents 标签页和 Add to Slack 功能。
匹配字段标题、摘要
NVIDIA 用 Codex 搭配 GPT-5.6 sol max 模式，通过 Holoscan CLI、HoloHub 开发技能与文档，分三轮迭代构建了内窥镜工具分割仪表盘应用，复用 MONAI 模型与示例视频。延迟优化使渲染吞吐提升 50.5%、应用路径平均延迟降低 33.6%。消融实验显示，CLI、HoloHub 技能与文档三者结合时智能体处理最快（40 分钟）、token 用量最低（11M）。
匹配字段标题
Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次对比 DeepSeek V4 Pro 0813 与 GPT-5.6 Sol：Sol 单次通过率 72.7% 领先 Pro 的 62.8%，但 Pro 每次 rollout 仅 0.24 美元，约为 Sol 8.37 美元的 35 分之一，pass@4 上 Pro 以 88.5% 反超 Sol 的 85.8%。先用 Pro、测试失败再升级到 Sol 的级联方案可解决 83.0% 的任务，单任务成本 3.35 美元，高于 Sol 单独使用的 72.7%，也高于理想单次路由的 80.8%。Sol 更快更简洁（中位 53 步、17 分钟、59k 输出 token），但失败时 20% 会破坏仓库原有测试套件，Pro 这一比例为 11%。
匹配字段标题
在 113 项 DeepSWE 任务各 4 次试验中，Claude Fable 5 单次通过率 69.7%，高于 DeepSeek V4 Pro 0813 的 62.8%，但每次 rollout 成本 21.63 美元，是后者的 90 倍（0.24 美元）。先跑 DeepSeek V4 Pro 0813、失败再升级到 Fable 的级联方案可解决 82.7% 任务，每任务 8.28 美元，比单用 Fable 高 13 个百分点且便宜逾一半。两者任务相关性仅 0.39，Fable 仅在 Rust（85% 对 65%）和序列化（88%）上明显领先。
匹配字段标题
Google AI Developers 宣布推出 Gemini 3.7 Flash，称其为面向编码和智能体任务的最智能主力模型，在指令遵循、一次通过代码准确率和智能体任务执行质量上有所提升。官方展示了该模型在 Antigravity 中用 Three.js 构建复杂 3D 网页游戏的过程，涵盖 3D 引擎逻辑、用 Nano Banana 生成 PBR 材质与精灵图、以及程序化音效集成。推文附有了解更多信息的链接。
匹配字段标题、摘要
Google 发布 Gemini 3.7 Flash，称其为面向编码和智能体任务的最智能主力模型，具备更高的指令遵循、一次通过代码准确率以及智能体任务的高质量执行能力。官方展示了该模型在 antigravity 中构建复杂 3D 网页游戏的过程，涵盖 Three.js 样板代码、相机移动与碰撞检测的 3D 引擎逻辑，使用 Nano Banana 生成 PBR 纹理材质、自定义 sprite sheet 与粒子效果的素材编排，以及通过自定义音频技能集成程序化音效。
匹配字段标题、摘要
Google DeepMind 发布 Gemini 3.7 Flash，在软件工程、网页开发和知识工作方面带来较大升级。Demis Hassabis 补充称，该版本的首发价格为原 3.6 Flash 的一半。
匹配字段标题