Latent Space 主理人 swyx 介绍年度旗舰大会 AIE CODE 的策展思路，会议为单轨、邀请制，面向约 1000 名智能体工程师。今年三大主题为 Scaling without Slop、System One 模型和 Increasing Ambition，其中 Jarred Sumner 将分享 Bun 用 Rust 重写及 Bun AOT 预览。文章同时汇总了 Mistral 开源权重发布、OpenAI 前沿模型监控等当日 AI 新闻。
匹配字段标题
Larsen Cundric 向开发者提问：现在实际在哪个环境里与编码智能体交互，选项包括终端、IDE、桌面应用和移动应用。
匹配字段标题
Larsen Cundric 称相比 6 个月前出现了明显变化：人们越来越多地通过桌面端和移动端与编码智能体交互，并反问开发者是否还停留在终端。此前他曾发起投票，询问开发者实际在终端、IDE、桌面应用还是移动应用中与编码智能体对话。
匹配字段标题
Thariq 认为，使用编码智能体时可能陷入一种狂热状态：感觉自己一直在工作、完成了很多事，但实际上什么也没真正发生。他认为这往往是对生活中其他事情的一种逃避。
匹配字段标题
Serro 发布“Agentic TPM”，在编码智能体所依据的决策发生变化时同步更新它们。它接入 Slack、Linear、GitHub、Jira、Zoom、Notion、邮件和代码库，维护每个项目决策、负责人、风险与历史的版本化记录，把智能体失败视为协调问题。
匹配字段标题
Herdr 是一款面向终端和编码智能体的桌面应用，用 space 组织工作，并在侧边栏汇总各智能体的 Working、Blocked、Done、Idle 状态。关闭窗口后终端仍在 core 中继续运行，还可通过 SSH 把 space 放到远程机器上执行。应用支持 Linux、macOS（Apple Silicon）和 Windows x64，内置 Herdr、Terminals、Herdr 98 三套布局，并允许用 JavaScript 编写 mod 面板。
匹配字段标题
AWS Hydro 团队研究负责人 Shadaj Laddad 认为代码审查已跟不上智能体写代码的速度，主张把正确性检查放在智能体信任边界之外，由编译器强制执行，例如 Rust 借用检查器在运行前捕获竞态条件，Hydro 则在编译期捕获分布式系统的多类缺陷。团队正研究把幂等性等反复出现的设计模式做成通用护栏，同时承认编译器有局限，AI 生成的 Rust 代码可以编译通过但仍然有错。Hydro 与同团队的开源智能体运行时 Infinity 均由 AWS 与 UC Berkeley 联合开发，托管在 hydro.run。
匹配字段标题
微软发布 GitHub Copilot Fusion，可在 Claude 与 GPT 模型之间路由编码任务。在 Artificial Analysis 的 Coding Agent Index 上，其 Max 设置得分 60，Claude Code 为 62；单任务成本为 5.59 美元对 11.42 美元。Fusion 每任务消耗 7.2M tokens，约为 Claude Code 用量的一半。
匹配字段标题
Particle-1 已在 OpenRouter 上线，Particle 称其在四个编码基准上比 DeepSeek V4.1 Flash 少用 28–52% 的输出 token。该模型基于 DeepSeek V4.1 Flash 后训练，Particle 报告平均少用约 45% token、准确率接近基座模型，定价为每百万输入 token 0.25 美元、每百万输出 token 1 美元，上下文窗口 1.05M。
匹配字段标题
Gemini 4 Carbon 作为下一代前沿模型即将推出，在 Argon 基础上增强了编码和网络安全能力，定价保持 $2 输入 / $10 输出，在 AA v5 上得分 59。该模型目前正与可信合作伙伴测试，开发者访问将尽快开放。
匹配字段标题
Mistral AI 发布新版 Le Chonk 的模型权重，称其在 Cognition 的 FrontierCode 上位列开放模型第一，并在 Artificial Analysis 的 Pareto 效率上创下新基准。该模型在网络安全防御方面被描述为达到 SOTA，并经过 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试。权重已在 Hugging Face 开放下载，可用 Mistral Forge 定制并自行部署。
匹配字段标题
heise online 的 iX 工作坊“用 AI 助手更高效编程”以 GitHub Copilot 为例，带开发者练习提示词技巧、Spec-Driven Development 与 Agentic Coding，并区分 Vibe Coding。课程还介绍 Cursor、Claude Code、OpenAI Codex、Kilocode 的架构、功能与定价，并讲解 MCP 与 RAG 如何接入外部工具和自有数据。工作坊于 2026 年 12 月 15–16 日在线举行，由 Rainer Stropek 主讲。
匹配字段标题
Google 于 10 月 28 日发布 Gemini 4 Carbon，称其为自家最强 AI 模型，重点提升网络安全与编码能力，可识别软件漏洞、评估安全风险并生成修复代码。该模型在 SEC-bench Pro 得分 88.2%、ExploitGym 得分 54.8%、CWE-bench 得分 71.0%，Google 称这些外部安全评测未加护栏。Carbon 建立在两周前发布的 Gemini 4 Argon 之上，初期仅向部分网络安全防御者及 Fairwind Program 可信伙伴开放，尚未公布公开访问日期；介绍期定价为每百万输入 token 2 美元、每百万输出 token 10 美元，之后涨至 4 美元和 20 美元。
匹配字段标题
Mistral 于周四在 Hugging Face 发布前沿开源模型 Mistral Large 4（ML4）的权重，该模型三周前才开放预览。Mistral 称 ML4 是“全球最好的开源智能体编码模型”，在 Terminal-Bench 4.0 上得分 41%，略高于 GLM-5.3 的 40%，并称其每任务平均比 GLM-5.3 少用 47% 的 token；在 CyberGym E2E 防御性网络安全测试中得分 79%，GLM-5.3 为 29%。Mistral 科学副总裁 Pierre Stock 称 ML4 只是“垫脚石”，并确认未来数月将推出更小版本，其中一款可运行在笔记本电脑上。
匹配字段标题
Google 在 Argon 发布两周后宣布下一代前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全防御上有显著提升。Carbon 在更新后的 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，在 WebDev Arena 上升 89 elo 至 1769 分排名第四。安全方面，Google 称 Carbon 将无依据论断较 Argon 减少约 2 倍，过度越界行为减少 26%、服务不足减少 29%。该模型将先于本周向网络安全防御者开放，随后面向开发者、企业和消费者推出。
匹配字段标题
Mistral 将 Mistral Large 4 的权重发布到 Hugging Face，该模型昵称 Le Chonk，约 1 万亿参数、每步激活 520 亿，支持文本和图像输入。在 Terminal-Bench 4.0 上得分从预览版的 28% 升至 41%，略高于 GLM-5.3 的 40%，但在 Artificial Analysis 新版 Intelligence Index 上仅得 26 分，低于 DeepSeek V4.1 Flash 和 GLM-5.3 的 32 分。API 价格为每百万输入 token 0.70 美元、输出 2.10 美元，采用修改版 MIT 许可，将其作为商业云服务需另行授权。
匹配字段标题
Mistral 发布万亿参数开源权重模型 Le Chonk 的正式版本，称其是自动化编码和网络安全领域全球最好的开源权重模型，可免费获取。Mistral 科学副总裁 Pierre Stock 表示，该模型通过不断加难的网络安全与编码问题训练，得以追平或超过 DeepSeek、Z.ai 等中国实验室的模型。Stock 同时强调西方需要自己的先进开源权重模型，因为闭源模型可被远程关停，而开源权重一旦发布便无法切断访问。
匹配字段标题
Google DeepMind 推出 Gemini 4 Carbon，称其为面向长周期智能体编码和网络安全防御的前沿模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。该模型在 GraphWalks 长上下文测试中取得 96.2%，在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别为 88.2%、54.8% 和 71.0%，但在 OSWorld-2.1 上以 81.5% 落后于 Claude Opus 5.5 的 87.2%。目前 Carbon 仅向经过审核的网络安全防御方开放，定价为每百万 token 输入 2 美元、输出 10 美元的引入价，后续为 4 美元和 20 美元，开发者和公众的开放时间未公布。
匹配字段标题
前 GitHub CEO 创办的 Entire 推出新一代 Git 托管，把代码托管、评审、CI 和 Agent 会话记忆按人机协作重做。它用 Trail 替代以 diff 为主的 PR 时间线，每次推送由评审 Agent 在云沙箱打分并跟踪未关闭问题，底层调用 Claude Code、Codex 等，沙箱由 Daytona、E2B 提供。其自研 Git 服务给出自家开源基准，称推送最高约比 GitHub 快 89 倍，并已接入 Buildkite 与 Depot 作为 CI。
匹配字段标题
Mastra 上线 Span Queries，可在所有 trace 中按时间范围、类型、名称、状态、错误、耗时等条件过滤并分组单个 span，Mastra platform、Studio、CLI、Client SDK 和可观测性端点均可使用。每条查询最多组合 100 个条件，每页返回最多 1000 个 span，分组最多 2 个维度、时间范围最长 365 天；CLI 需 mastra@1.36.0 以上，SDK 需 @mastra/client-js@1.57.0 以上。自托管项目在 storage.observability 使用 DuckDB、PostgreSQL 或 ClickHouse 时同样可用。
匹配字段标题