OpenAI 内部视角：编码智能体如何加速 AI 研究
OpenAI 发文展示其内部使用编码智能体加速 AI 研究的早期实践与数据。内容涵盖智能体使用情况、实验迭代速度、任务复杂度以及整体研究加速等维度，呈现了智能体对科研工作流的重塑。
#编码
#编码
今日 12 条OpenAI NewsAI 评分5353
GitHub Blog · AI & ML精选AI 评分7474 GitHub Copilot 推出 Project HydraFusion 多模型编排预览
GitHub Copilot 推出 Project HydraFusion 研究预览版，通过在跨厂商多模型间进行运行时编排来优化编码任务。系统会根据任务能力信号在单模型直出、级联升级和模型间交叉审查三种执行模式中动态选择，以平衡质量、成本与延迟。
推荐理由：原文给出了单模型、级联和交叉审查三套编排机制及评测对比，为工程团队降低高阶模型调用成本提供了可借鉴范式。
GitHub Blog · AI & MLAI 评分5757 GitHub Copilot 初学者指南：如何同时并行运行多个 Agent
GitHub Copilot app 支持通过 Git worktree 运行并行 Agent 会话，让多个 AI 智能体在独立上下文中互不干扰地同时执行开发任务。开发者可以在统一的会话视图中跟踪各项任务的推进进度，各会话保留独立上下文以便随时切换和审查结果。
OpenAI NewsAI 评分3636 Playco 使用 GPT-6 Astra 制作游戏原型，人工修复减少 50%
Playco 在游戏原型开发中采用 GPT-6 Astra，基于单一灰盒基础成功构建出三款主题游戏原型。与前代模型相比，Playco 报告的人工修复工作量减少了 50%。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 funes，为编码 Agent 提供自有记忆层
Hugging Face 发布 funes，一个为 Claude Code、Codex、pi、Hermes 等编码 Agent 提供持久记忆的开源工具，默认在本地完成嵌入与重排，无需账号或 Hub 仓库。
推荐理由：funes 把本地会话轨迹做成可检索的持久记忆层，给出了跨机器、跨 Agent 复用的具体路径。
Hugging Face Blog精选AI 评分6868 使用 TRL 与 OpenEnv 训练代码模型绘制水彩画
Hugging Face 博客公开了基于 TRL 与 OpenEnv 训练代码模型生成水彩画的开源复现方案与完整工程流程。该方案使用 Qwen 模型结合 p5.brush 绘图库，在 TRL 的 GRPOTrainer 中将无头渲染结果交由 HPSv3 美学模型与视觉模型成对评判打分，成功引导模型学会调用特定绘图函数呈现水彩质感。
推荐理由：文章开源了用强化学习与审美偏好训练代码模型绘制水彩画的完整流程，为非确定性审美任务的强化学习对齐提供了可复现的工程参考。
Google DeepMindAI 评分5757 Google DeepMind 推出 Fairwind 计划，提供 Gemini 3.8 Flash Cyber 与自主漏洞修复能力
Google DeepMind 宣布启动面向政府与受信任合作伙伴的 Fairwind 计划，提供自主发现和修复网络安全漏洞的高级防御能力。该计划结合专用模型 Gemini 3.8 Flash Cyber 与 CodeMender 框架，可在几分钟内为组织生成并验证可直接部署的安全补丁。目前全球已有超 650 家伙伴参与，覆盖公共部门、关键基础设施运营商与核心技术平台。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 正式推出 Gemini 3.8 Flash 及专注于网络安全防御的 Gemini 3.8 Flash Cyber，在保持与 3.7 Flash 相同速度和低成本的同时强化了推理与编码能力。
推荐理由：新模型在保持原有推理成本和低延迟的基础上，显著强化了长程编码智能体能力并推出了防御型安全版本。
Hugging Face Blog精选AI 评分7373 IBM Granite 4.2 推理大模型如何构建
IBM Granite 团队开源了首个 Dense 架构推理大模型家族 Granite 4.2，涵盖 3B、8B 和 30B 三种尺寸并采用 Apache 2.0 协议。
推荐理由：文章详细拆解了从五阶段预训练到多阶段异步 GRPO 强化学习的完整流程，为开源智能体与推理模型的端到端训练提供了具体工程参考。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3.7 Flash
Google DeepMind 正式推出面向编程与 AI 智能体的工作流模型 Gemini 3.7 Flash，在软件工程、知识处理和 Web 开发上均有提升。
推荐理由：原文给出了编程和复杂工作流的实测基准数据与首发半价方案，读者可以据此评估在生产环境中替换现有轻量模型的性价比。
Microsoft Research精选AI 评分7474 微软研究院开源可扩展智能体框架 Orchard
微软研究院开源了可扩展智能体框架 Orchard，其核心组件 Orchard Env 基于 Kubernetes 构建，提供可复用的隔离沙箱服务。框架支持直接在 Codex、OpenClaw 等真实部署 harness 中完成端到端强化学习与评估，并同步开源了 Orchard-SWE、Orchard-GUI 和 Orchard-Claw 三项训练方案与数据集。
推荐理由：原文展示了如何通过可复用沙箱环境和真实 Harness 直接训练小参数模型并在代码及 GUI 任务中取得高成功率。
Import AIAI 评分4141 Import AI 466：机器人领域的苦涩教训、AI 完成多周编程任务与 OpenAI 的意外 AI 黑客
Epoch 与 METR 发布长周期编程基准 MirrorCode，Opus 4.7 仅耗时 14 小时和 $251 推理成本便完成需人类 2-17 周的程序重写任务。
Berkeley AI ResearchAI 评分4343 教 LLM 更新信念以实现高效长周期交互
针对大语言模型在长周期交互中自我摘要导致的性能损耗，研究团队提出 ABBEL 框架，用受监督的自然语言“信念状态”替代完整交互历史。该框架将自编码重构等信念评分作为辅助强化学习奖励，以监督状态内容。在 CollabBench 评测中，ABBEL-rec-BG 仅用 50 步训练便追回与全上下文模型约 50% 的差距，训练步数减少 50% 且显著降低峰值 token 占用。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 正式推出 Gemini 3.6 Flash、3.5 Flash-Lite 以及专用于网络安全的 3.5 Flash Cyber 模型，重点提升智能体工作流的 token 效率与执行速度。
推荐理由：模型通过减少输出 token 消耗和推理步骤降低智能体运行成本，为开发者部署高吞吐工作流提供了兼顾速度与精度的选型参考。
Import AIAI 评分4040 Import AI 464：Fable 编写 GPU 内核、AI 自动化与模拟计算
Fable 在 KernelBench-Mega 上编写 CUDA 代码实现相比优化 PyTorch 基准 18.71X 的加速，成为该榜单首个真正的 megakernel。
Hugging Face BlogAI 评分5353 IBM Research 推出 Java 框架迁移评测基准 ScarfBench
IBM Research 推出企业级 Java 框架迁移评测基准 ScarfBench，用于评估 AI 智能体在 Spring、Jakarta EE 与 Quarkus 之间的跨框架重构能力。
Google ResearchAI 评分4949 探索新纪元：Google Research 亮相 I/O 2026
Google Research 在 I/O 2026 推出科研工具套件 Gemini for Science，包含 Computational Discovery 与 Hypothesis Generation 等工具。
Mistral AIAI 评分5959 Mistral AI 举办 AI Now Summit 2026：发布工业工程 AI 技术栈与长程智能体 Vibe
Mistral AI 在 AI Now Summit 2026 上推出面向工业工程的 AI 技术栈，并宣布与 Airbus、BMW 和 ASML 展开深度合作。其长程生产力智能体 Vibe 支持日常日程管理、深度研究以及从需求到合并 PR 的全流程编程任务。此外，位于法国 Les Ulis 的 10 MW 推理专用数据中心预计于 2026 年 Q3 启用，以提升算力自主掌控力与数据安全性。
Mistral AI精选AI 评分7676 Mistral 将 Le Chat 升级为统一智能体 Vibe，推出 Work Mode 与 Code Mode
Mistral 把 Le Chat 升级为统一 AI 智能体 Vibe，同时覆盖工作与编码场景，原 Le Chat 的订阅、历史和设置已迁移至其中的 Chat mode。
推荐理由：Mistral 把 Le Chat 升级为统一智能体 Vibe，同时给出 Work 与 Code 两种模式和 VS Code 扩展，可对照理解其与现有编码智能体的差异。
Import AIAI 评分6161 Anthropic 联合创始人 Jack Clark 论直面 AI 奇点与内部研发变革
Anthropic 联合创始人 Jack Clark 在牛津大学演讲中指出，面对 AI 技术的持续加速，个人与社会应主动正视并探索奇点带来的深远重塑。他透露 Anthropic 内部在 Opus 4.6 发布后大部分代码已转由 Claude 生成，人类员工正在向监控与验证层迁移，单名研究员已能调遣 9 个合成智能体协同推进研究。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Medium 3.5 并上线 Vibe 云端远程智能体
Mistral AI 发布 128B 稠密模型 Mistral Medium 3.5，并在 Mistral Vibe 与 Le Chat 中上线支持异步并行运行的云端远程智能体。
推荐理由：该模型将推理与编码能力合并为单组权重，让团队既能基于少量显卡自托管部署，也能借助云端环境异步执行长周期智能体任务。
Google Research精选AI 评分7373 Google 推出科研代码生成系统 ERA 与 Computational Discovery 工具
Google 在《Nature》发表论文介绍科研编程系统 ERA（Empirical Research Assistance），并宣布通过 Gemini for Science 逐步开放基于 ERA 和 AlphaEvolve 构建的实验工具 Computational Discovery。
推荐理由：该研究展示了将大模型与树搜索结合优化科研代码的具体路径，为自动化计算实验与科学发现提供了可参考的工程框架。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3.5 系列并上线 3.5 Flash
Google DeepMind 正式推出 Gemini 3.5 模型系列并上线首发版本 Gemini 3.5 Flash，主打长流程编码与复杂智能体任务执行。该模型在 MCP Atlas 达 83.6%、Terminal-Bench 2.1 达 76.2%，输出 token 速率达到其他前沿模型的 4 倍，系列旗舰 3.5 Pro 计划于下月推出。
推荐理由：模型在兼顾生成速率的同时强化了编码与多步智能体执行能力，可作为评估长流程任务端到端自动化成本的重要参考。
Google DeepMind精选AI 评分6464 Google DeepMind 展示 AlphaEvolve 一年成果：从 DNA 测序到 TPU 设计
Google DeepMind 汇总了 Gemini 驱动的编码智能体 AlphaEvolve 发布一年来的落地成果。它帮助 DeepConsensus 将变异检测错误降低 30%，把电网 AC Optimal Power Flow 的可行解比例从 14% 提升到 88%以上，并在量子模拟中给出误差低 10 倍的量子线路。
推荐理由：一年来 AlphaEvolve 在基因测序、电网、TPU 与量子模拟等场景的落地数据，展示了编码智能体从演示走向基础设施的路径。
Google ResearchAI 评分3939 Google Research 用 Empirical Research Assistance 做四类科研：流行病预测、宇宙弦、卫星 CO₂ 监测等
Google Research 公布科学家使用 Empirical Research Assistance（ERA）的四类实际科研场景：用 ERA 每周为美国各州提交流感、COVID-19 和 RSV 住院预测，在流感与 COVID-19 公开排行榜上表现处于或接近榜首。
Mistral AI精选AI 评分6565 Mistral AI 分享 Spaces CLI 设计实践：如何让命令行工具兼顾人类与智能体
Mistral AI 总结了内部平台工具 Spaces CLI 的开发经验，提出了一套同时适配人类开发者与编码智能体的命令行设计原则。团队提出交互式输入均需提供对应的命令行参数与非交互模式默认值，通过 context.json 和 AGENTS.md 自动导出结构化上下文与执行规则，并消除工作目录等隐式状态依赖，使智能体能自主完成从脚手架创建到部署的全流程。
推荐理由：文章总结了让命令行工具兼顾人类交互与智能体调用的五条工程规范，为开发者构建面向智能体的开发工具提供了可迁移的落地参考。
Google Research精选AI 评分6767 Google 推出 Vibe Coding XR：结合 Gemini 与 XR Blocks 加速 Android XR 原型开发
Google 发布 Vibe Coding XR 原型工作流，结合 Gemini 的推理能力与开源 XR Blocks 框架，支持通过自然语言在 60 秒内生成具备物理感知与手势交互的 Android XR 应用。
推荐理由：原文展示了大语言模型结合 WebXR 框架快速构建空间交互原型的技术链路，开发者可参考其上下文工程设计与桌面端仿真方案。
Mistral AI精选AI 评分8282 Mistral AI 发布 Mistral Small 4：统一推理与多模态的 119B 开源 MoE 模型
Mistral AI 正式发布开源模型 Mistral Small 4，基于 Apache 2.0 协议将推理、多模态与代码 Agent 能力统一到单一架构中。
推荐理由：该模型将多模态、代码与深度推理整合到单套 MoE 架构中，支持按需调节推理强度以平衡吞吐与精度。
Mistral AIAI 评分5959 Mistral 发布 Leanstral：面向 Lean 4 的开源代码代理
Mistral 发布 Leanstral，一个面向 Lean 4 的开源代码代理，激活参数 6B，权重以 Apache 2.0 许可开放，同时提供 Mistral Vibe 中的 agent 模式和免费 API 端点。
Mistral AI精选AI 评分6363 Mistral 构建 Rails 自动化测试智能体实践：实现 RSpec 测试自主生成与修正
Mistral AI 分享了基于开源编程助手 Vibe 构建 Rails 自动化测试智能体的实践，能在 CI/CD 中无需人工干预自主编写、校验与改进 RSpec 测试用例。
推荐理由：文章详细展示了结合上下文规范与执行工具闭环让智能体自测自改的方法，为大型代码库落地自动化测试提供了可复用范式。
Mistral AI精选AI 评分7575 Mistral AI 发布终端编码智能体 Mistral Vibe 2.0
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选意图澄清、斜杠命令技能以及统一智能体模式。该版本已上线 Le Chat Pro 和 Team 计划并支持自带 API key 或超额按量付费，Devstral 2 同步开放付费 API 访问。
推荐理由：新版将子智能体编排与交互澄清引入终端开发流，为开发者提供了更具可控性的终端编程自动化实践。
Mistral AI精选AI 评分8282 Mistral AI 发布代码模型家族 Devstral 2 与终端工具 Mistral Vibe CLI
Mistral AI 推出新一代代码模型家族 Devstral 2 及配套终端开源智能体工具 Mistral Vibe CLI。该系列包含 123B 的 Devstral 2 与 24B 的 Devstral Small 2，均支持 256K 上下文窗口，在 SWE-bench Verified 上分别取得 72.2% 与 68.0% 的成绩。
推荐理由：Mistral 发布了针对代码智能体的开源模型家族并配套终端 CLI，适合关注低成本本地化代码自动化部署的开发者。
Mistral AI精选AI 评分6060 Mistral AI 发布 Codestral 25.08 与面向企业的完整编码栈
Mistral AI 发布 Codestral 25.08 及完整企业编码栈，新版本接受的补全量增加 30%，建议后保留代码增加 10%，失控生成减少 50%。
推荐理由：原文给出 Codestral 25.08 的完成率变化和企业私有化部署路径，读者可据此判断自托管编码助手的可行性。
Mistral AI精选AI 评分7777 Mistral AI 发布 Devstral Medium 并开源 Devstral Small 1.1
Mistral AI 联合 All Hands AI 发布编程模型 Devstral Medium 并升级推出 Devstral Small 1.1，专注提升 Agent 编程能力。
推荐理由：开源的 24B 版本采用宽松协议，商用版在基准测试中取得 61.6% 的成绩，为软件开发智能体提供了兼顾本地部署与性价比的新选择。
Mistral AI精选AI 评分6060 Mistral AI 推出企业级 AI 编码助手 Mistral Code
Mistral AI 正式推出面向企业研发团队的 AI 编码助手 Mistral Code，已在 JetBrains 和 VSCode 开放内测。该产品基于开源项目 Continue 构建，由 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四款模型驱动，支持云端或本地隔离环境部署。
推荐理由：产品采用单一厂商全栈交付模式并支持本地私有化部署，为受合规监管的企业提供了可自主微调的端到端编码方案。
Mistral AI精选AI 评分6565 Mistral AI 发布代码嵌入模型 Codestral Embed
Mistral AI 推出首个代码专用嵌入向量模型 Codestral Embed，主要面向代码检索与代码语义理解场景。该模型在 API 上的代号为 codestral-embed-2505，价格为 $0.15 per M tokens，Batch API 提供 50% 折扣，支持 8192 tokens 上下文窗口。
推荐理由：该模型支持按相关性截断维度与量化压缩，开发者可据此在代码检索与代码智能体场景中平衡存储开销与召回质量。
Mistral AI精选AI 评分8383 Mistral AI 发布开源软件工程智能体模型 Devstral
Mistral AI 联合 All Hands AI 发布专为软件工程设计的智能体模型 Devstral，采用 Apache 2.0 协议开源。该模型在 SWE-Bench Verified 基准上取得 46.8% 的成绩，可在单张 RTX 4090 或 32GB 内存的 Mac 上本地部署，同时已开放 API 接入，价格为每百万输入 tokens $0.1、输出 tokens $0.3。
推荐理由：该模型以可单卡本地运行的轻量体积在代码评测中超过部分大参数开源基座，为本地智能体开发提供了开箱即用的开源选项。
Mistral AI精选AI 评分7676 Mistral AI 发布 Mistral Medium 3 模型
Mistral AI 正式推出企业级模型 Mistral Medium 3，主打前沿性能与高性价比。该模型在综合基准测试中达到 Claude Sonnet 3.7 90% 以上的表现，并在编码与理科任务中超越 Llama 4 Maverick，API 定价为每 1M token 输入 $0.4、输出 $2。
推荐理由：原文对比了同代前沿模型的定价与基准表现，并给出了本地四卡及云端部署门槛，适合评估企业级替代方案的成本效益。