OpenAI 推出 Codex Labs 并达成 400 万周活跃用户
OpenAI 推出 Codex Labs，并与 Accenture、PwC、Infosys 等企业合作，助力企业在软件开发生命周期中部署和扩展 Codex。目前 Codex 的周活跃用户数已达到 400 万。
#编码
#编码
今日 0 条OpenAI NewsAI 评分4242
OpenAI News精选AI 评分6565 OpenAI 发布 Codex 新功能以支持计算机操作与编码
OpenAI 为 Codex 推出新功能，旨在通过支持计算机操作来加速开发者的编码工作流。该更新聚焦于提升工具在实际编程场景中的自动化处理能力。
推荐理由：官方介绍了 Codex 的新功能，开发者可据此评估其如何辅助日常编码工作流。
OpenAI NewsAI 评分1212 OpenAI 展示 ChatGPT、Codex 及 API 在真实场景中的应用
OpenAI 展示了 ChatGPT、Codex 和 API 等产品如何将 AI 应用于工作、开发及日常任务等真实场景。
OpenAI NewsAI 评分1212 CyberAgent 借助 ChatGPT Enterprise 和 Codex 加速业务决策
CyberAgent 采用 ChatGPT Enterprise 和 Codex，在广告、媒体和游戏领域安全扩展 AI 应用。该方案旨在提升工作质量并加速业务决策流程。
Mistral AI精选AI 评分6363 Mistral AI 发布 Spaces CLI：专为人类与智能体设计的命令行工具
Mistral AI 推出名为 Spaces 的 CLI 工具，旨在解决开发者工具在同时服务人类用户和编码智能体时的兼容性问题。该工具确立了“每个交互式输入都有对应的 flag”、“状态必须显式化”以及“插件作为可内省的数据模型”等设计原则，并自动生成 context.json 和 AGENTS.md 文件以提供结构化项目上下文。
推荐理由：Mistral AI 发布 Spaces CLI，通过为智能体设计显式接口和结构化上下文，展示了如何构建同时服务于人类开发者和 AI Agent 的工具。
Google ResearchAI 评分4242 Google 发布 Vibe Coding XR：结合 Gemini 与 XR Blocks 实现快速 AI+XR 原型开发
Google Research 推出 Vibe Coding XR 工作流，利用 Gemini 和 XR Blocks 框架将自然语言直接转化为功能完整的 Android XR 应用。该系统通过长上下文推理与专用系统提示词处理空间逻辑，能在 60 秒内生成具备物理感知的原型，显著加速 XR 交互设计与教育体验的开发验证。
OpenAI NewsAI 评分4040 OpenAI 如何通过思维链监控内部编码智能体以检测对齐风险
OpenAI 利用思维链（chain-of-thought）监控技术，研究其内部编码智能体（coding agents）的对齐问题。通过分析真实部署场景，该机制旨在检测潜在风险并强化 AI 安全保护措施。
Mistral AI精选AI 评分8080 Mistral AI 发布 Mistral Small 4：统一推理、多模态与编码能力的开源模型
Mistral AI 发布 Mistral Small 4，这是首个将 Magistral（推理）、Pixtral（多模态）和 Devstral（智能体编码）能力统一于一体的 Mistral 模型。
推荐理由：Mistral Small 4 将推理、多模态和编码能力统一于单一开源模型，并提供了具体的架构参数与效率对比数据。
Mistral AI精选AI 评分6868 Mistral 发布开源 Leanstral：专为 Lean 4 设计的高效代码智能体
Mistral AI 发布 Leanstral，这是首个专为 Lean 4 证明助手设计的开源代码智能体，拥有 6B 激活参数并采用 Apache 2.0 许可证。
推荐理由：Mistral 发布首个面向 Lean 4 的开源代码智能体，在形式化证明任务中以极低参数量和成本超越多个大型开源模型及 Claude Sonnet。
OpenAI NewsAI 评分3030 Codex Security 为何不包含 SAST 报告
Codex Security 不依赖传统静态应用安全测试（SAST），而是采用 AI 驱动的约束推理与验证机制。该方法旨在发现真实漏洞并减少误报，从而替代传统的 SAST 报告模式。
Mistral AI精选AI 评分6868 Mistral AI 分享基于 Vibe 构建 Rails 自动测试智能体的实践
Mistral AI 介绍了如何利用开源编码助手 Vibe 构建一个自主智能体，以自动生成和改进大型 Rails 单体应用中的 RSpec 测试。该方案通过仓库级 AGENTS.md 文件定义执行计划，结合针对不同文件类型的专用 SKILLS 文件和自定义工具（RuboCop 和 SimpleCov）来确保代码风格合规及测试覆盖率。
推荐理由：原文详细拆解了基于Vibe构建Rails测试智能体的上下文工程、技能文件设计及LLM-as-a-judge评估方法，为自动化代码测试提供了可复用的技术路径。
OpenAI NewsAI 评分3232 OpenAI 与太平洋西北国家实验室联合推出 DraftNEPABench
OpenAI 与太平洋西北国家实验室联合发布 DraftNEPABench，评估 AI 编码智能体加速联邦许可审批的能力。该基准显示，相关技术有望将 NEPA 起草时间缩短最多 15%，并推动基础设施审查现代化。
OpenAI NewsAI 评分4242 OpenAI Codex 与 Figma 推出代码到设计的无缝体验
OpenAI 与 Figma 联合发布新的 Codex 集成，实现代码与设计的双向连接。该功能允许团队在代码实现与 Figma 画布之间自由切换，从而加速迭代流程并更快交付产品。
OpenAI NewsAI 评分2828 OpenAI 构建实时访问系统以扩展 Codex 和 Sora 的可用性
OpenAI 构建了结合速率限制、用量追踪和积分的实时访问系统，以支持对 Sora 和 Codex 的持续访问。该方案旨在超越传统速率限制，通过动态资源分配机制保障用户稳定使用这两款核心产品。
OpenAI News精选AI 评分6767 OpenAI 发布 GPT-5.3-Codex-Spark 实时编码模型
OpenAI 推出首个实时编码模型 GPT-5.3-Codex-Spark，生成速度提升 15 倍，支持 128k 上下文窗口。该模型目前以研究预览形式向 ChatGPT Pro 用户开放。
推荐理由：官方发布了首款实时编码模型，提供了具体的速度提升倍数和上下文窗口参数，适合开发者评估其在编程场景下的响应效率。
OpenAI NewsAI 评分2020 OpenAI 探讨 Codex 在智能体优先世界中的工程实践
OpenAI 技术团队成员 Ryan Lopopolo 撰文阐述 Harness engineering，重点解析如何在智能体优先（agent-first）的环境中有效利用 Codex。文章聚焦于构建支持 AI 智能体运行的底层工程架构与最佳实践，旨在提升 Codex 在复杂自动化任务中的可靠性与效率。
Mistral AI精选AI 评分6868 Mistral 发布 Vibe 2.0 终端编码智能体及 Devstral 2 模型更新
Mistral AI 发布 Mistral Vibe 2.0，这是其终端原生编码智能体的重大升级，由 Devstral 2 模型家族驱动。新版本支持构建自定义子代理、执行前多选项澄清、通过斜杠命令加载技能以及统一代理模式，并包含自动更新功能。
推荐理由：Mistral Vibe 2.0 引入自定义子代理和斜杠命令技能，配合 Devstral 2 模型升级，为终端原生编码提供了更灵活的工作流配置。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3 Flash：兼顾前沿智能与速度
Google DeepMind 发布 Gemini 3 Flash，旨在以更低成本和更高速度提供接近 Pro 级别的前沿智能。该模型在 GPQA Diamond 得分 90.4%，SWE-bench Verified 得分 78%，比 Gemini 2.5 Pro 快 3 倍且平均少用 30% token。
推荐理由：原文给出了 Gemini 3 Flash 在多项基准测试中的具体分数、定价及与上一代模型的性能对比，读者可据此评估其在速度与成本平衡上的实际竞争力。
Mistral AI精选AI 评分8484 Mistral AI 发布 Devstral 2 系列开源代码模型及 Mistral Vibe CLI
Mistral AI 推出新一代开源代码模型家族 Devstral 2（123B）和 Devstral Small 2（24B），并发布了原生命令行工具 Mistral Vibe CLI。
推荐理由：原文给出了两款开源代码模型的参数规模、SWE-bench 得分及配套的终端 CLI 工具，读者可据此评估其在本地部署和自动化编程中的实际效能。
Google DeepMind精选AI 评分9696 Google DeepMind 发布 Gemini 3 Pro 模型及 Agentic 开发平台
Google DeepMind 正式发布 Gemini 3 Pro，该模型在 Terminal-Bench 2.0 上得分 54.2%，并在 WebDev Arena 中以 1487 Elo 登顶。
推荐理由：原文给出了 Gemini 3 Pro 在智能体编程和多模态推理上的基准表现，以及配套的 Antigravity 平台和 API 定价细节。
Google DeepMind精选AI 评分9898 Google DeepMind 发布 Gemini 3 模型及 Antigravity 开发平台
Google DeepMind 正式发布 Gemini 3 系列模型，其中 Gemini 3 Pro 已在 Google 搜索、Gemini App 及开发者平台上线。
推荐理由：原文披露了 Gemini 3 Pro 在多项基准测试中的具体分数及 Deep Think 模式的性能提升，并介绍了配套的 Antigravity 开发平台，为评估其实际能力边界提供了量化依据。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Google Antigravity 智能体开发平台
Google DeepMind 推出名为 Google Antigravity 的新智能体开发平台，旨在将 IDE 演变为支持浏览器控制和异步交互的 agent-first 环境。
推荐理由：原文详细阐述了从同步 IDE 向异步 Agent-first 平台演进的产品形态，为开发者提供了评估下一代智能体编程工具的具体维度。
Hugging Face Blog精选AI 评分6868 BigCodeArena发布：支持实时执行的代码生成模型评估平台
BigCode项目推出BigCodeArena，这是首个允许用户通过实际运行代码来评估和比较AI代码生成模型的众包平台。该平台支持Python、JavaScript等10种语言及React、PyGame等8种执行环境，用户可提交任务并投票选择表现更好的模型。
推荐理由：BigCodeArena通过引入实时执行反馈解决了代码生成评估中静态对比的局限，其数据揭示了不同模型在特定运行环境下的鲁棒性差异。
Hugging Face BlogAI 评分4545 VibeGame：基于 Web 栈的高层声明式游戏引擎探索
VibeGame 是一款构建于 three.js、rapier 和 bitecs 之上的高层声明式游戏引擎，旨在解决 vibe coding 中上下文管理难题。
Mistral AI精选AI 评分6565 Mistral AI 发布 Codestral 25.08 及企业级完整编码栈
Mistral AI 发布 Codestral 25.08 模型及面向企业的完整编码解决方案，旨在解决传统 AI 编程助手在私有化部署、定制化及可观测性方面的限制。
推荐理由：Mistral AI 官方发布了 Codestral 25.08 及完整企业级编码栈，提供了从代码补全到自主智能体工作流的集成方案，适合关注私有化部署和合规性要求的工程团队参考。
Mistral AI精选AI 评分7575 Mistral 发布 Devstral Medium 与升级后的 Devstral Small 1.1 模型
Mistral AI 与 All Hands AI 合作推出 Devstral Medium 和升级版 Devstral Small 1.1，旨在提升智能体编程能力。
推荐理由：Mistral 联合 All Hands AI 推出 Devstral Medium 及 Small 1.1，前者在 SWE-Bench Verified 得分超越 Gemini 2.5 Pro 且价格更低，后者以 Apache 2.0 开源并刷新开放模型代码智能体纪录。
Mistral AI精选AI 评分6060 Mistral AI 发布 Mistral Code 企业级 AI 编码助手
Mistral AI 推出 Mistral Code，这是一款面向企业软件团队的 AI 编码助手，现已在 JetBrains IDEs 和 VSCode 开放私有测试。
推荐理由：原文展示了面向企业的安全合规AI编码助手，整合了模型、IDE插件及私有化部署选项，适合关注代码安全与效率的团队评估。
Mistral AI精选AI 评分6565 Mistral AI 发布首个代码专用嵌入模型 Codestral Embed
Mistral AI 发布其首个专为代码设计的嵌入模型 Codestral Embed，旨在优化真实世界代码数据的检索性能。该模型在多项基准测试中表现优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型，支持不同维度和精度的输出以平衡检索质量与存储成本。
推荐理由：Mistral 推出首个代码专用嵌入模型，在 SWE-Bench 等真实代码检索基准上超越竞品，并提供灵活的维度与精度权衡方案。
Hugging Face Blog精选AI 评分6363 Hugging Face 研究：结构化生成提升 CodeAgent 执行可靠性
Hugging Face 发布研究指出，强制 CodeAgent 以 JSON 格式生成思考和代码能显著提升执行可靠性。在 SmolBench 基准测试中，该方法使高性能模型的准确率平均提高 2-7 个百分点，并将因解析错误导致的失败率从 2.4% 降至零。
推荐理由：原文通过对比实验量化了结构化输出对代码智能体解析错误率的降低作用，并明确了模型能力阈值，为 Agent 架构选型提供了具体依据。
Mistral AI精选AI 评分8080 Mistral 发布 Devstral：面向软件工程任务的开源智能体大模型
Mistral AI 联合 All Hands AI 推出 Devstral，这是一款专为解决真实 GitHub 问题设计的智能体大模型。Devstral 在 SWE-Bench Verified 基准测试中取得 46.8% 的成绩，比此前开源最佳模型高出 6% 以上，并超越了 Deepseek-V3-0324 和 Qwen3 232B-A22B 等更大参数量的模型。
推荐理由：该模型在SWE-Bench Verified上大幅超越现有开源基准，且支持单卡本地部署，为隐私敏感场景提供了高性价比的编码智能体方案。
Mistral AI精选AI 评分7575 Mistral AI 发布 Mistral Medium 3 模型
Mistral AI 正式发布 Mistral Medium 3，这是一款旨在平衡 SOTA 性能、更低成本和简化部署的新类别模型。该模型在编码和多模态理解等专业用例中表现领先，基准测试显示其性能达到或超过 Claude Sonnet 3.7 的 90%，但 API 价格低至每百万 token 输入 $0.4 / 输出 $2。
推荐理由：Mistral Medium 3 以显著低于竞品的成本提供接近前沿的性能，并支持混合或本地部署，为企业级应用提供了兼顾效率与可控性的新选择。
Hugging Face BlogAI 评分4343 Open R1：如何在本地使用 OlympicCoder 进行编码
Open R1 项目中的 OlympicCoder 7B 模型在 LiveCodeBench 评测中表现优于 Claude 3.7 Sonnet 和 GPT-4o。
Hugging Face Blog精选AI 评分7878 Hugging Face 发布 Open R1 第三次更新：推出 OlympicCoder 代码模型及 IOI 基准
Hugging Face 发布 Open R1 项目第三次更新，重点复现 DeepSeek-R1 在竞赛编程方面的能力。
推荐理由：开源了基于 R1 蒸馏的代码推理数据集与 OlympicCoder 模型，并分享了在长上下文训练中避免样本打包及使用高学习率等关键实验结论。
Mistral AI精选AI 评分6565 Mistral AI 发布 Codestral 25.01 编码模型
Mistral AI 发布 Codestral 25.01，采用更高效架构和改进的 tokenizer，代码生成与补全速度约为原版的 2 倍。该模型在 FIM（fill-in-the-middle）用例中达到 SOTA，上下文长度扩展至 256k，并在 HumanEval 等基准测试中领先于同量级模型。
推荐理由：原文给出了新模型的架构改进、速度提升及多语言基准数据，读者可据此评估其在代码补全场景下的实际性能优势。
Hugging Face BlogAI 评分4242 Keras 与 TPU 实验：LLM 修复代码错误的能力评估
Hugging Face 利用 Keras、JAX 和 TPU v5e 搭建聊天机器人竞技场，测试 LLM 在收到反馈后修复代码错误的能力。该环境支持同时加载五个约 8B 参数和三个约 2B 参数的模型进行对比。实验旨在验证 LLM 能否通过简短的自然语言指令高效修正生成代码中的失误。
Mistral AI精选AI 评分7575 Mistral AI 发布 Mistral Large 2：1230 亿参数，支持 128k 上下文与多语言
Mistral AI 正式发布新一代大模型 Mistral Large 2，拥有 1230 亿参数并支持 128k 上下文窗口。该模型针对单节点推理优化，在多语言处理、代码生成及逻辑推理方面性能显著提升，并在 MMLU 等基准测试中达到新的高度。
推荐理由：官方公布 Mistral Large 2 的架构参数、多语言支持及在主流基准测试中的性能表现，为评估其成本效益和实际部署能力提供直接依据。
Mistral AI精选AI 评分6262 Mistral AI 发布 Codestral Mamba：基于 Mamba 架构的代码模型
Mistral AI 发布了 Codestral Mamba，这是继 Mixtral 系列后探索新架构的又一成果。该模型由 Albert Gu 和 Tri Dao 协助设计，利用 Mamba 架构实现线性时间推理和无限长度序列建模的理论能力。
推荐理由：Mistral AI 发布了基于 Mamba 架构的 Codestral Mamba，该模型在代码生成和推理能力上可与 SOTA Transformer 模型媲美，且支持线性时间推理。
Hugging Face BlogAI 评分3838 BigCodeBench 发布：新一代代码生成基准测试
Hugging Face 推出 BigCodeBench，包含 1,140 个函数级任务，覆盖 139 个库，平均分支覆盖率 99%。该基准旨在解决 HumanEval 任务过于简单及数据污染问题，通过 calibrated Pass@1 评估 LLM 在复杂真实场景下的代码生成能力。
Mistral AI精选AI 评分8383 Mistral AI 发布首个代码生成模型 Codestral
Mistral AI 推出其首个专为代码生成设计的开放权重模型 Codestral。该模型参数量为 22B，支持 80 多种编程语言，拥有 32k 上下文窗口，并在 RepoBench 等长程代码生成评测中表现优于竞品。
推荐理由：官方详细披露了 Codestral 的架构参数、多语言支持及基准测试数据，并明确了非生产许可与商业授权路径，为开发者评估其实际编码能力提供了完整依据。
Hugging Face BlogAI 评分4545 Meta 发布 CyberSecEval 2：评估大语言模型网络安全风险与能力的综合框架
Meta 推出开源基准测试框架 CyberSecEval 2，用于评估 LLM 在代码解释器滥用、攻击性能力及提示注入方面的安全风险。数据显示，自 2023 年 12 月首版以来，LLM 协助网络攻击的平均合规率已从 52% 降至 28%，但提示注入防御仍是未解难题。