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。
#编码
#编码
今日 0 条OpenAI NewsAI 评分1616
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。
Hugging Face Blog精选AI 评分6161 Hugging Face 发布 StarCoder2-15B-Instruct-v0.1：首个全透明自对齐代码大模型
Hugging Face 发布 StarCoder2-15B-Instruct-v0.1，这是首个采用完全宽松且透明管道训练的自对齐代码 LLM。该模型利用 StarCoder2-15B 自身生成指令和响应进行微调，在 HumanEval 上取得 72.6 分，超越了 CodeLlama-70B-Instruct。
推荐理由：展示了完全自对齐的代码模型训练流程，提供了无需蒸馏专有模型即可达到高性能的开源方案。
Hugging Face BlogAI 评分4444 Hugging Face 上线 LiveCodeBench 排行榜：无数据污染的代码 LLM 综合评测
Hugging Face 推出基于 LiveCodeBench 的排行榜，该基准由 UC Berkeley、MIT 和 Cornell 开发，通过按发布时间窗口评估防止数据污染。它涵盖代码生成、自我修复、执行及测试输出预测四个场景，使用 Pass@1 指标衡量能力。GPT-4-Turbo 在多数场景表现最佳，Claude-3-Opus 则在测试输出预测中超越前者。
Hugging Face Blog精选AI 评分7878 Google 发布 CodeGemma 系列代码大模型
Google 发布 CodeGemma 系列开源代码大模型，包含 2B 基础版、7B 基础版和 7B 指令微调版，均基于 Gemma 架构并额外使用 5000 亿 token 进行训练。
推荐理由：原文给出了 CodeGemma 三个版本的训练数据、上下文长度及在 HumanEval 等基准上的表现，读者可据此评估其在代码补全和对话场景中的实际能力。
OpenAI NewsAI 评分2626 JetBrains 利用 OpenAI API 打造其增长最快的产品
JetBrains 使用 OpenAI 的 API 构建了其历史上增长最快的产品。该举措展示了将 AI 深度集成到开发者软件中的实际成效，体现了 OpenAI 技术在提升开发工具性能与市场接受度方面的关键作用。
Hugging Face BlogAI 评分4242 Hugging Face 发布 WebSight v0.2 数据集与 Sightseer 模型，实现截图转 HTML
Hugging Face 推出 WebSight-v0.2 合成数据集，规模扩至 200 万对截图/HTML 样本并采用 Tailwind CSS。基于该数据微调的 Sightseer 视觉语言模型可将网页截图转换为功能完整的 HTML 代码，支持嵌入相似图像。
Hugging Face Blog精选AI 评分8282 BigCode 发布 StarCoder2 系列开源代码大模型及 The Stack v2 数据集
BigCode 团队发布新一代开源代码大模型 StarCoder2 及其训练数据集 The Stack v2，并开放所有模型权重、数据处理和训练代码。StarCoder2 包含 3B、7B 和 15B 三种参数规模，其中旗舰版 StarCoder2-15B 基于 600 多种编程语言和超过 4 万亿 token 训练，性能在同类尺寸中领先并可媲美 33B+ 模型。
推荐理由：原文公开了 StarCoder2 系列模型的参数规模、训练数据细节及代码权重，为开发者提供了透明可复现的开源代码大模型选择。
Hugging Face BlogAI 评分3333 Hugging Face 在 Intel Xeon 上通过 Q8/Q4 量化与推测解码加速 StarCoder
Hugging Face 展示在 Intel 第四代 Xeon 处理器上，结合 8bit/4bit 量化与辅助生成技术，实现 StarCoder-15B 模型推理速度提升超 7 倍。该方案利用 SmoothQuant 算法进行 INT8 静态量化，使 TTFT 和 TPOT 分别获得约 2.19x 和 2.20x 的加速，且在 HumanEval 基准测试中保持无精度损失。
Hugging Face Blog精选AI 评分6868 Hugging Face 发布个人编程助手微调指南
Hugging Face 发布教程展示如何微调 StarCoder 模型创建个人编程助手 HugCoder。文章详述了从 GitHub 收集数据、使用 PEFT (QLoRA) 进行高效微调的流程，并对比了不同硬件配置下的训练成本与效果。此外，还提供了通过 VS Code 插件集成云端推理端点以及在 Mac 等消费级设备上本地部署小参数模型的实操步骤。
推荐理由：原文提供了基于私有代码库微调 StarCoder 的完整工作流，包含 QLoRA 与全量微调的成本对比及本地部署方案。
Hugging Face BlogAI 评分3434 Hugging Face SafeCoder 对比闭源代码助手
Hugging Face 推出企业级代码助手 SafeCoder，基于 15.5B 参数的开源 StarCoder 模型。该方案支持私有化部署与微调，提供透明训练数据及无遥测隐私保护，解决闭源服务无法定制的问题。
Hugging Face Blog精选AI 评分8686 Hugging Face 发布 Code Llama 集成支持
Hugging Face 宣布在生态系统中集成 Meta 发布的 Code Llama 模型系列，提供 transformers 4.33+ 支持、Text Generation Inference 部署及 VS Code 扩展。
推荐理由：原文给出了 Code Llama 在 Hugging Face 生态中的集成方式、不同参数规模的能力差异以及具体的部署与微调建议，读者可以据此判断如何将其接入现有开发工作流。
Hugging Face BlogAI 评分4040 Hugging Face 推出企业级代码助手 SafeCoder
Hugging Face 发布 SafeCoder，这是一款基于 StarCoder 模型的企业级自托管代码助手解决方案。该方案允许客户在自有基础设施上微调专有代码库，确保数据在训练和推理期间不离开 VPC。SafeCoder 支持 NVIDIA、AMD 等多种硬件加速部署，旨在提供合规且私有的“内部 GitHub Copilot”体验。
Hugging Face Blog精选AI 评分6262 Hugging Face 演示如何微调 StarCoder 打造编程助手 StarChat
Hugging Face 发布教程展示如何将 BigCode 的 StarCoder 模型微调为对话式编程助手 StarChat。文章介绍了使用 ChatML 格式处理 OpenAssistant 数据集、通过 DeepSpeed ZeRO-3 进行训练的技术细节，并探讨了基于 LLM 的自动化评估方法及模型的局限性。
推荐理由：原文详细展示了利用OpenAssistant数据微调StarCoder构建对话式编程助手的全过程，提供了ChatML格式处理、DeepSpeed训练配置及评估方法等可复用的技术细节。
Hugging Face Blog精选AI 评分7878 Hugging Face 联合 BigCode 发布 StarCoder 代码大模型
Hugging Face 与 ServiceNow 联合发起的 BigCode 项目发布了 StarCoder 和 StarCoderBase 两个代码大模型。
推荐理由：原文披露了 StarCoder 在 HumanEval 等基准上的具体得分及多语言能力，并提供了开源权重与配套工具，适合评估其在代码生成场景的实际表现。
OpenAI NewsAI 评分1818 OpenAI Codex 驱动下一代应用
OpenAI Codex 目前通过 OpenAI API 为 70 个不同应用程序提供支持。这些应用涵盖了多种使用场景，展示了该模型在驱动下一代应用方面的实际部署规模与能力。
Hugging Face BlogAI 评分4242 Hugging Face 从零训练 CodeParrot 🦜 指南
Hugging Face 发布教程，指导用户从零开始训练名为 CodeParrot 的 Python 代码生成模型。该模型基于 GPT-2 large 架构（1.5B 参数），利用清洗后的 50GB GitHub Python 数据集进行训练。通过自定义 Tokenizer 和 🤗 Accelerate 库，开发者可复现类似 GitHub Copilot 的代码自动补全功能。
OpenAI NewsAI 评分5757 OpenAI Codex 改进版通过 API 开启私有测试
OpenAI 发布改进版 Codex，该 AI 系统可将自然语言转换为代码。新版本即日起通过 API 以私有测试形式开放。