Mistral 发布 Mistral Large 4 公开预览版
Mistral 发布 Mistral Large 4 公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，在编码、智能体工作流和多模态理解上表现突出，并承诺月底开放权重。该模型在网络安全、金融和法律等企业工作负载上达到开放模型中的最先进水平，在视觉定位等部分领域甚至超越闭源前沿模型。
推荐理由：1T 参数、49B 激活的开放权重模型，在网络安全和视觉定位上给出具体基准，并承诺月底放权重。
#编码
Mistral AI精选AI 评分8282 AWS Machine Learning BlogAI 评分5858 GLM 5.3 上线 Amazon Bedrock，支持托管 API 与提示缓存
GLM 5.3 已在 Amazon Bedrock 上向符合条件的企业客户开放，可通过全托管 API 使用跨区域推理、提示缓存和服务层级。该模型是发布于 Hugging Face Hub 的 753B 参数 MoE 模型，面向编码和长时程智能体任务。
AWS Machine Learning BlogAI 评分5050 使用 Claude Code 和 Amazon Bedrock 加速受监管工作负载
Claude Code 可在 AWS GovCloud (US) 通过 Amazon Bedrock 调用 Claude Opus 5.5 和 Claude Sonnet 5.5，支持含 ITAR 要求的合规型 AI 辅助开发。两款模型均获 FedRAMP Class D 认证，可在终端和 IDE 中编辑代码、运行命令。
AWS Machine Learning Blog精选AI 评分6262 Amazon SageMaker 推出 aws-ai-ml 智能体技能，优化生成式 AI 推理
Amazon SageMaker AI 推出 aws-ai-ml 智能体技能，可让 Kiro、Claude Code、Codex 等 MCP 兼容编码智能体执行推理基准测试、推荐部署配置、比较性能结果并生成可执行的 SageMaker Python SDK v3 代码。
推荐理由：文章给出从安装技能到基准测试、实例选型和结果对比的完整流程，可迁移到现有 MCP 编码智能体工作流中。
GitHub Blog · AI & ML精选AI 评分7373 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，其 219 个 pull request 来自 187 个公开开源许可仓库，覆盖 19 种语言，分布参考了对 103.9M 个 GitHub pull request 的分析。
推荐理由：公开数据集、评分规则和自助运行器形成可复现评测链路，线上实验案例也展示了离线指标筛选代码审查改进的用法。
GitHub Blog · AI & MLAI 评分5353 GitHub 总结 AI 时代开发者应强化的三项技能
GitHub 建议开发者强化三项技能，包括学会指挥 AI 智能体、不轻信 AI 的首次回答，以及用节省的实现时间解决更广泛的问题。开发者仍需定义任务、审查输出并权衡技术方案，还可让第二个模型批评第一个模型的结果；GitHub Copilot 内置的 Rubber Duck 智能体也采用第二个模型审查计划、代码和测试。
OpenAI NewsAI 评分4343 Chatham Financial 借助 OpenAI 扩展资本市场专业能力
Chatham Financial 使用 OpenAI 的 Codex 和 GPT-5.6 构建技术并重塑工作流程，将交易验证耗时从 30 分钟缩短至不足 4 分钟。此举帮助其扩展资本市场专业能力。
NVIDIA Blog精选AI 评分7979 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 利用 NVIDIA Blackwell 架构进行推理优化，token 生成速度最高可达 Astra Standard 模式的 8x，现已面向 OpenAI API 及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：最高 8x 的 token 生成加速被具体落到编码智能体循环，可用于理解低延迟如何缩短工具调用间的等待。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 4 Argon，输出上限增至 1M tokens
Google DeepMind 发布 Gemini 4 Argon，先通过 Fairwind Program 向一批可信网络防御者开放，并计划逐步扩展至开发者、企业和消费者。
推荐理由：多项基准与 Google 内部部署案例覆盖软件工程、知识工作和网络防御，可据此比较模型在长程复杂任务中的表现。
NVIDIA Blog精选AI 评分6969 NVIDIA 与 CoreWeave 打通智能体 AI 从训练到生产的闭环
NVIDIA 与 CoreWeave 将新一代智能体 AI 基础设施投入生产，CoreWeave 宣布 NVIDIA Vera Rubin NVL72 可用，并推出连接模型与智能体训练、评估和改进流程的 CoreWeave Forge。
推荐理由：材料结合真实软件工程负载与多项性能数据，可用于评估新基础设施对智能体推理、沙箱运行和训练成本的影响。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，称其在编码、计算机使用和专业工作方面接近 Astra 智能，且 API 输入输出 token 价格仅为 Astra 标准价的五分之一。
OpenAI News精选AI 评分6262 OpenAI DevDay 2026 回顾：发布 GPT-6 Astra 等 20 余项更新
OpenAI 在 DevDay 2026 上发布了超过 20 项公告，涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。
Hugging Face Blog精选AI 评分7878 H Company 发布 Holo4 通用计算机使用智能体模型系列
H Company 发布 Holo4 通用计算机使用智能体模型系列，包含 27B dense 和 35B-A3B 混合专家架构两种规格。Holo4 可通过 GUI、代码、MCP 和 API 操作软件，并同步推出 Holotron4 Nano 更新。
推荐理由：文章给出跨 GUI、代码、MCP 与 API 的训练设计，并公开基准轨迹和成本口径，便于复核性能比较。
OpenAI NewsAI 评分88 OpenAI 征集 Codex Originals 用户故事
OpenAI 正在为 Codex Originals 项目征集使用 Codex 的开发者、研究者与创作者的真实故事，入选者将参与该项目的下一阶段。感兴趣的用户可通过官方表单提交自己的项目与经历。
OpenAI NewsAI 评分1212 Proaction 用 Codex 提升销售 60%、节省 75+ 小时
Proaction 借助 Codex、GPT-Live-1 和 GPT-6 Astra，更快地构建、运营并销售现代车队管理产品，销售提升 60%，节省 75+ 小时。
GitHub Blog · AI & ML精选AI 评分6969 GitHub Copilot app 入门：如何用 canvases 构建自定义工作流
GitHub Copilot app 可通过 canvases 构建自定义工作流界面，用户在智能体会话中运行 /create-canvas 并用自然语言描述需求，无需手动编写代码或设计布局。提示词应说明界面支持的工作流、用户可执行的操作以及智能体可执行的操作。生成的 canvas 支持双方实时修改共享状态，并可保存为供团队共享或个人使用的扩展。
推荐理由：通过拆解 /create-canvas 的描述要素和双向协作机制，给出将日常流程转换成可复用界面的具体路径。
GitHub Blog · AI & ML精选AI 评分7878 GitHub Copilot 中聊天界面何时不是合适的 UI
当任务需要反复操作、自定义界面或自动化开发流程时，聊天往往不是 GitHub Copilot 的合适交互方式。GitHub Copilot app 的 canvas 是运行在应用内的全栈程序，可与 Copilot 智能体双向通信、调用第三方 API，并在本机执行代码。
推荐理由：文章把重复操作从聊天迁移到可复用的自定义界面，并以数据库和开发流程示例说明如何减少 token 消耗与人工介入。
GitHub Blog · AI & ML精选AI 评分7272 GitHub Security Lab Taskflow Agent 用 LLM 智能体自动化 C/C++ 模糊测试
GitHub Security Lab 开源 Fuzzing Taskflow，可针对 GitHub 上的 C/C++ 项目自动识别入口、生成 harness、运行 AFL++、迭代提升覆盖率并分诊崩溃。
推荐理由：它把覆盖率反馈、语料演进与崩溃分诊串成自动化闭环，并给出智能体决策与 MCP 工具执行分离的工程方法。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Copilot app 如何高性能渲染超大 Pull Request
GitHub Copilot app 重构 Pull Request 视图，使包含 2,200 个文件、超过 100 万行变更和 400 多条行内评审评论的超大 PR 也能流畅打开和滚动。其方案将确定性的代码几何与动态评论块分离，通过视口范围内的惰性测量、滚动锚定和结构优先的数据流减少卡顿。团队还用应用内结构化探针、端到端测试和自动化循环持续发现性能问题。
推荐理由：文章将代码行与评论拆成两套几何系统，并结合惰性测量与滚动锚定，提供了可迁移的超大虚拟化界面优化方法。
GitHub Blog · AI & MLAI 评分5656 GitHub 探讨 AI 生成代码审查、RAG 是否已死及 Skills 是否终结 MCP
GitHub 认为，开发者仍需审查并对 AI 生成代码负责，RAG 并未过时，Skills 与 MCP 解决的是不同问题。审查强度应随风险调整，MCP 提供连接工具和数据的标准方式，Skills 承载项目语境与流程，RAG 补充模型训练数据之外的相关信息。文章还将模型难以理解代码库视为可维护性压力测试，并主张通过实际构建和记录检验观点。
GitHub Blog · AI & ML精选AI 评分8686 GitHub 使用 Copilot 将 GitHub Copilot 运行时迁移到 Rust
GitHub 使用 Copilot app 和 CLI，将 Copilot agent runtime 从 TypeScript 和 Node.js 完整改写为超过 800,000 行生产级 Rust，AI 智能体编写了大部分代码。
推荐理由：这份迁移复盘把增量替换、跨语言互操作、智能体协作和分层审查串成一套可迁移的大型代码库改写方法。
OpenAI NewsAI 评分3838 Cognition 借助 GPT‑6 Astra 让 Devin 测试自己的工作
Cognition 用 GPT‑6 Astra 提升 Devin 测试软件并证明其可用的能力，目标是让工程师少审代码、多交付。GPT‑6 Astra 强化了 Devin 对自身工作成果的验证环节。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 应用新手指南：使用 diff、终端和浏览器面板
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让用户无需离开应用即可审查、运行和预览智能体生成的代码变更。diff 面板以绿色和红色高亮显示新增与删除行，终端面板支持运行命令和配置脚本，浏览器面板的 Pick & Polish 工具可选中页面元素并让智能体调整。完成审查、运行和预览后，可直接在应用内接受变更并创建 pull request。
Mistral AI精选AI 评分7373 Mistral 如何用 AI 智能体将 40,000 行 Fortran 77 迁移到 C++
Mistral 帮助一家欧洲能源运营商用 AI 智能体，将 40,000 行 Fortran 77 储层模拟器代码迁移到 C++，这部分是 300,000 行代码库的首个冲刺。团队先建立数值一致性测试框架，再用超过 100 个智能体整理分散的文档。实践最终采用由人类操作编码、测试和审查智能体的模块化工作流，而非完全自主迁移。
推荐理由：这项迁移复盘把数值一致性测试、文档整理和人机协作串成完整流程，可迁移到大型遗留系统改造。
OpenAI NewsAI 评分2222 GPT-5.6 Sol 如何助力运行量子计算实验
MIT 一位研究人员使用 GPT-5.6 Sol 配合 Codex，自主运行量子计算实验、分析结果并校准量子比特。该案例展示了 GPT-5.6 Sol 在量子计算实验流程中的自主执行与结果分析能力。
OpenAI NewsAI 评分2020 1Password 借助 Codex 提升工程效率 21%
1Password 的工程师使用 Codex 快速构建新功能和内部工具，在保持严格安全策略的同时达到生产可用状态，工程效率提升 21%。
OpenAI NewsAI 评分3636 OpenAI 内部研究加速：编码智能体重塑 AI 研究
OpenAI 披露内部编码智能体正在重塑 AI 研究，并公开了智能体使用情况、实验速度、任务复杂度与研究加速的早期数据。
Berkeley AI ResearchAI 评分5252 从 CUDA 到 MLX：K-Search 如何将数十年的内核经验带到 Apple Silicon
K-Search 新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，可将既有 CUDA 内核知识转化为适配 Apple Silicon 的优化策略。
Berkeley AI ResearchAI 评分5151 ABBEL 教 LLM 更新信念以实现高效长程交互
Berkeley AI Research 提出 ABBEL，通过可监督的自然语言信念状态，让 LLM 在长程交互中以信念替代完整历史作为工作上下文。在 CollabBench 上，基于重建的信念评分将其与完整上下文模型的性能差距缩小约 50%，训练步数比无信念评分版本减少 50%，同时保持更低的峰值 token 用量。