Datadog 使用 Codex 进行系统级代码审查
Datadog 采用 OpenAI 的 Codex 工具执行系统级代码审查。该应用旨在通过 AI 辅助提升代码质量与安全性，体现了企业级开发流程中智能体技术的实际落地。
#编码
#编码
今日 0 条OpenAI NewsAI 评分1818
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5.2-Codex 编程模型
OpenAI 推出其最先进的编程模型 GPT-5.2-Codex。该模型支持长程推理和大规模代码转换，并增强了网络安全相关能力。
推荐理由：官方明确该模型具备长程推理、大规模代码转换及增强的网络安全能力，为开发者评估其在复杂工程任务中的表现提供了核心依据。
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。
OpenAI NewsAI 评分3030 OpenAI 如何用 Codex 在 28 天内发布 Sora Android 版
OpenAI 利用 Codex 在 28 天内完成了 Sora for Android 的开发与发布。通过 AI 辅助的规划、代码翻译及并行编码工作流，敏捷团队实现了快速且可靠的交付。
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。
OpenAI NewsAI 评分2626 JetBrains 在编码工具中集成 GPT-5
JetBrains 正在其编码工具中全面集成 GPT-5。这一举措旨在帮助数百万开发者更快速地进行软件设计、推理和构建。
OpenAI NewsAI 评分3232 GPT-5.1-Codex-Max 系统卡发布
OpenAI 发布 GPT-5.1-Codex-Max 系统卡，详述其全面安全措施。该文档涵盖针对有害任务和提示注入的模型级安全训练，以及智能体沙箱和可配置网络访问等产品级缓解机制。
OpenAI NewsAI 评分4747 OpenAI 推出 GPT-5.1-Codex-Max：面向 Codex 的更快更智能智能体编码模型
OpenAI 发布 GPT-5.1-Codex-Max，这是一款专为 Codex 设计的更快、更智能的智能体编码模型。该模型针对长时间运行和项目级工作进行了优化，具备增强的推理能力和更高的 token 效率。
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。
OpenAI News精选AI 评分6767 OpenAI Codex 正式全面可用
OpenAI Codex 现已正式全面可用（Generally Available），面向开发者推出多项新功能。此次更新包括 Slack 集成、Codex SDK 以及包含使用仪表板和工作区管理在内的管理员工具，旨在提升 Codex 在大规模场景下的易用性和可管理性。
推荐理由：Codex 正式全面开放并新增 Slack 集成、SDK 及管理工具，为开发者提供了规模化使用与管理的完整方案。
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。
OpenAI NewsAI 评分4242 OpenAI 推出 Codex 升级
OpenAI 对 Codex 进行升级，使其运行速度更快、可靠性更高。该工具增强了实时协作能力，并支持在终端、IDE、网页及手机等任意开发环境中独立处理任务。
OpenAI News精选AI 评分7373 OpenAI 在 API 平台推出 GPT-5
OpenAI 正式在 API 平台推出 GPT-5。该模型具备高推理性能、新的开发者控制功能，并在真实编码任务中提供一流结果。
推荐理由：官方宣布GPT-5进入API平台，强调高推理性能与开发者控制能力，为评估其在真实编码任务中的表现提供了直接入口。
OpenAI NewsAI 评分1212 GPT-5 在编码与设计中的应用
GPT-5 为编码和设计领域解锁了新的可能性。
OpenAI NewsAI 评分1515 Cursor 如何使用 GPT-5
Cursor 展示了其集成 GPT-5 的具体方式。该文章详细说明了这一前沿模型在 Cursor 编码环境中的应用逻辑与实现细节。
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。
OpenAI NewsAI 评分1616 OpenAI 发布 o3、o4-mini 和 GPT-4.1 以加速代码交付
OpenAI 推出 o3、o4-mini 和 GPT-4.1 模型，旨在帮助开发者更快编写代码。CodeRabbit 利用这些模型革新代码审查流程，提升准确性并加速 PR 合并。该方案助力开发者以更少 Bug 和更高 ROI 实现快速交付。
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。
OpenAI News精选AI 评分6767 OpenAI 发布 Codex 智能体系统卡
OpenAI 发布 Codex 智能体系统卡，详细介绍其核心组件 codex-1 模型的技术规格与安全评估。该模型专为软件工程任务优化，支持在隔离环境中执行代码并迭代修复错误。文档还说明了上下文管理策略、工具调用机制及防止提示注入的安全措施。
推荐理由：官方披露了 Codex 智能体的技术细节，明确了其基于 codex-1 模型及针对软件工程任务优化的特性。
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。
OpenAI NewsAI 评分4242 OpenAI 推出 SWE-Lancer 基准测试
OpenAI 发布 SWE-Lancer 基准测试，旨在评估前沿大语言模型在真实世界自由职业软件工程任务中的表现。该基准核心问题是检验 LLM 能否通过完成此类任务赚取 100 万美元收入。
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。
OpenAI NewsAI 评分2626 Cognition CEO 解析 OpenAI o1 编码决策机制
Cognition CEO Scott Wu 解析 OpenAI o1 如何以类人方式做出编码决策。该模型在编程任务中展现出更接近人类思维逻辑的判断能力，为开发者提供了新的技术视角。
OpenAI NewsAI 评分4040 OpenAI 推出 SWE-bench Verified
OpenAI 发布 SWE-bench Verified，这是经过人工验证的 SWE-bench 子集。该基准旨在更可靠地评估 AI 模型解决真实世界软件问题的能力。
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。
OpenAI NewsAI 评分1515 Paf 通过自定义 GPTs 提升开发者生产力
Paf 在全公司采用 ChatGPT Enterprise，工程师利用自定义 GPTs 加速日常开发任务。该公司还将 ChatGPT Enterprise 集成至 grit:lab 编码学院，用于培训下一代软件开发者。目前 70% 的 Paf 员工活跃使用 ChatGPT Enterprise，覆盖财务、人力资源等业务团队。
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。