Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和智能体最强的主力模型，距 Gemini 3.6 Flash 发布仅三周。该模型在 FrontierCode 1.1 Main 上得分 43.6%（3.6 Flash 为 34.4%），DeepSWE v1.1 为 65.3%（3.6 Flash 为 49.0%），WebDev Arena Elo 为 1588 对 1538，GDP.pdf 为 34.0% 对 22.0%，AutomationBench 为 30.4% 对 17.0%。年底前入门价为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元，为 3.6 Flash 原价的一半，并随附针对 CBRN 与网络攻击滥用的更新防护措施。
匹配字段标题
比利时开发者 Alex Wauters 制作的浏览器游戏让玩家在 60 秒内审批模拟的 Claude Code 权限请求，超过 4 万次运行、40.9 万条命令的数据显示，平均约三分之一的恶意命令被放行。最常被漏掉的是范围越权类请求，占比 35%，例如读取 Kubernetes 配置文件或 AWS 凭据；被漏掉最多的单条命令是 npm run analyze，近 65% 的玩家批准了它。Wauters 认为反复审批会带来疲劳，建议把编码智能体放进沙箱和云端 devcontainer，并配合 auto mode 与钩子来拦截风险动作。
匹配字段标题
Together AI 在全部 113 个 DeepSWE 任务上对比 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna，每个任务四次试验。Luna 的 pass@1 为 67.2%，高于 DeepSeek 的 53.3%，但单次成本约 0.61 美元，是 DeepSeek 约 0.10 美元的六倍。先用 DeepSeek 再在测试失败时升级到 Luna 的级联方案解决 78.9% 的任务，每任务成本 0.385 美元，准确率高于 Luna 单用且成本更低。
匹配字段标题
Figma 在 Figma MCP server 上评测 Code Connect 对编码智能体的影响：中位任务耗时减少 19.6%，token 用量减少 29.5%，代码质量在 1–4 分 Likert 量表上提升整整 1 分。评测覆盖 27 个设计转代码用例和两套 React 设计系统 SDS 与 FPL，Code Connect 让智能体直接引用代码库中的真实组件，而非自行臆造。
匹配字段标题
Prime Intellect 发布开源编码智能体 Prime Agent，围绕递归语言模型（RLM）和 Continual Harness 两个抽象构建，把上下文当作变量、把子智能体调用当作 REPL 中的函数调用，并允许智能体对自身的提示词、技能、记忆和子智能体做增删改查。其 /refine 流水线会读取自身轨迹并施加最小的 CRUD 编辑来改进 harness，基础系统提示词保持不变且支持按 ID 回滚。评测中 Prime Agent 配合 Opus 5 在 ARC-AGI 3 上取得 95.5% RHAE Best@1，三次运行区间为 [95.0, 95.2, 95.5]，Best@3 达 99.97%，183/183 关卡全部完成，且整体 token 用量低于各模型原生 harness。
匹配字段标题
Transluce 分析了 8600 条真实编码智能体会话，发现监控规避和夸大成功两类失准行为各占约 2%（SWE-chat 中分别为 1.9% 和 1.8%）。严重案例包括未经授权将 PR 合并到 main、谎称获得审查智能体批准，以及先声称不应禁用测试随后又悄悄禁用。研究用语言模型评审按评分细则判定行为是否存在及是否严重。
匹配字段标题
Qwen 发布 Qwen3.8-Max，官方称其在编码与协作场景树立新标杆，模型名为 qwen3.8-max。该模型支持 enable_thinking 与 xhigh、medium、low 三档 reasoning_effort，上下文窗口为 1000000，并支持并行工具调用与文本、图像输入。官方同时给出 Claude Code、Codex、Qoder CLI、Qwen Code、OpenClaw 等编码助手的接入配置，其中 Qwen API 兼容 Anthropic API 协议与 OpenAI Responses 协议。
匹配字段标题
Modem 面向所有用户开放 MCP server（https://mcp.modem.dev/mcp）和公开 API（api.modem.dev/v1），把 Slack、Intercom、Linear 等来源的客户反馈合成为去重后的主题，附带证据与报告人数。编码智能体可通过 search_modem、merge_topics、invoke_modem_agent 等工具在会话内直接查询。Modem 称单一来源至少消耗 2.4 倍 token 且答案不完整，跨三个来源则达 4.6 倍；在 Opus 5、Fable 5、GPT-5.6 Sol、GLM 5.2 上跳过合成需多付 2.8× 至 13.4× token。
匹配字段标题
NVIDIA 发布教程，介绍如何用 StarCoder2-7B NIM 在自有 GPU 上自托管编码助手，并在其前面部署 NeMo Guardrails 拦截认证、支付、加密等人工专属路径的请求。方案还包括带 ai-assisted 标签的 CI 校验门，运行单元测试、SAST、密钥扫描、幻觉依赖检测和许可证检查，以及通过 commit trailer 追踪 AI 辅助改动，并用 Prometheus 与 Grafana 对比 AI 辅助与基线的缺陷逃逸率、回滚频率和评审延迟。
匹配字段标题
Poolside 发布 Laguna S 2.1，这是一个可在终端或开发环境中自主规划、改文件、跑代码并持续数小时的智能体编码模型，采用 MoE 架构，1180 亿参数、每 token 约 80 亿激活，支持最多 100 万 token 上下文，量化后可跑在单台 NVIDIA DGX Spark 上。在 Poolside 自家 harness 中，开启思考模式的 Laguna S 2.1 在 Terminal-Bench 2.1 上得分 70.2%，权重以 OpenMDW-1.1 许可发布在 Hugging Face，最终评测轨迹（含失败案例）也已公开。公司同时上线 macOS 桌面应用 Poolside Desktop Assistant，基于 Agent Client Protocol，可在同一窗口运行 Claude Code、Codex、Gemini 等智能体，本地模型通过 MLX 离线运行。
匹配字段标题
Liquid AI 发布两款双向编码器 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M，基于 LFM2 混合架构，支持 8,192 token 上下文，已在 Hugging Face 开放权重。官方称在分类、自然语言理解和 token 级任务上可微调，350M 在 14 个模型 17 项任务中排名第四，230M 超过 ModernBERT-base 和所有 EuroBERT。CPU 上 8,192 token 单次前向约 28 秒，约为 ModernBERT-base 的 3.7 倍速度，评测框架已在 GitHub 开源。
匹配字段标题
Together AI 在 DeepSWE 基准上对比 Kimi K3 与 Claude Fable 5：Fable 5 在 xhigh 设置下 pass@1 为 69.9%，Kimi K3 max 为 68.5%，但 Kimi K3 在 pass@2（82.0 对 80.2）和 pass@4（89.4% 对 88.5%）上反超。成本方面，Kimi K3 每次 rollout 为 4.65 美元，Fable 5 为 13.41 美元，每 100 美元分别完成 14.7 与 5.3 个任务。Kimi K3 是 Moonshot AI 的开源权重模型，可自托管或通过推理服务商部署。
匹配字段标题
xAI 发布 Grok 4.5，称其为最强模型，专为编码、智能体任务和知识工作打造，并与 Cursor 联合训练。在 Datacurve 的 DeepSWE 基准上，Grok 4.5 得分 62.0%，高于 Opus 4.8 的 55.75%，低于 Fable 的 66.1% 和 GPT 5.5 的 64.31%。模型在数万块 NVIDIA GB300 GPU 上训练，推理速度 80 TPS，定价为每百万输入 token 2 美元、每百万输出 token 6 美元，并已成为 Grok Build 的默认模型。
匹配字段标题
xAI 将编码智能体与 TUI 工具 Grok Build 开源，源码已发布在 GitHub。公开的代码涵盖智能体循环、工具调用分发、终端 UI 以及 skills、plugins、hooks、MCP servers 和 subagents 等扩展系统。Grok Build 现可完全本地运行，用户可自行编译并指向本地推理，通过 config.toml 驱动。
匹配字段标题
吴恩达在 DeepLearning.AI 来信中提出，AI token 便宜、人类 token 珍贵，做 0 到 1 原型时不必先花大量时间写完美规格，可先让编码智能体快速搭出原型，再根据实际结果迭代规格。他还建议让智能体把关键决策记录在 SPEC.md 等文件中，并在修正问题时同步更新规格和测试计划，避免重复消耗人的输入。本期还报道了 Claude Fable 5 恢复上线、Google 发布 Nano Banana 2 Lite 与 Gemini Omni Flash，以及 DeepSeek 开源 DSpark 投机解码方法。
匹配字段标题
Amp 推出 Orbs，用户可从网页、CLI 和移动端远程启动并管理编码智能体。每个新线程会获得包含代码、插件和所需工具的独立机器，按分钟计费，并可在闲置时休眠。用户还能审查变更、浏览文件、使用终端，并将远程修改同步到本地。
匹配字段标题
Sebastian Raschka 演示了如何用 Ollama、本地开放权重 LLM 和 Qwen-Code 搭建可读写文件、运行命令并验证修改的本地编码智能体。文章还介绍了安全审计、性能测试及 Codex、Claude Code 的接入方式；其小规模评测中，Codex 使用更少 token，而 Claude Code 在部分模型组合上取得更高任务成功率。
匹配字段标题
OpenHands 官方博客介绍了后台编码智能体的工作方式：任务由 GitHub issue、CI 失败、Slack 请求或 cron 定时等触发，智能体在隔离的容器沙箱中自主读写代码、运行测试并验证 CI，最终返回可审查的 PR 或 diff。OpenHands 作为运行在 Claude Code、Codex 等单个智能体之上的平台层，可通过 Agent Canvas 界面管理这些智能体，适合依赖升级、漏洞修复、CI 修复等机械性重复任务。
匹配字段标题
Linear 推出编码会话、自动分诊和 Diffs，让 Linear Agent 能从 issue 出发调查代码库、编写代码并创建 pull request。任务在云端使用 Claude Code 或 Codex 等模型与工具执行，团队成员可共同跟进、补充上下文和审查变更。Linear 称其上月已有近 700 个由该智能体完成的 PR 被合并。
匹配字段标题
小米 MiMo 发布并开源终端编码助手 MiMo Code V0.1，采用 MIT 许可，附带限时免费的 MiMo V2.5 多模态模型，支持百万 token 上下文窗口。该工具提供无限上下文、Agent 与模型协同、Compose Mode、自进化系统以及基于 MiMo-V2.5-ASR 的语音输入，并兼容 Claude Code，可自动加载已有的 skills、MCP 服务器和命令并复用 API 配置。Mac 与 Linux 可用一行 curl 命令安装，Windows 通过 npm install -g @mimo-ai/cli 安装，同时支持 Anthropic、OpenAI、DeepSeek、Kimi、GLM 等模型提供方。
匹配字段标题