AI 编码

GraphAlignCoder：对齐程序与证明图以提升代码生成

GraphAlignCoder 是一种新的代码生成训练框架，通过将程序图与 Lean 证明图对齐，将显式的正确性结构注入代码生成。实验表明，相比 CodeRL，它在 LiveCodeBench v6 上解决数从 38 提升到 50，在 BigCodeBench Hard 上从 16 提升到 23，相对提升 31.6% 和 43.8%。该框架通过结构注入和巩固

影响策略是否重要？探究提示框架对LLM代码生成的影响

本研究首次大规模实证探究心理影响策略（如理性说服、奉承、交换等八种）对LLM代码生成的影响，基于Yukl & Falbe的分类法构建提示模板，在五个开源模型和两个基准上评估。结果显示，强调紧迫性的提示框架会降低代码的正确性和安全性。研究为设计透明可解释的人机交互提供见解。

DeepSeek V4 Pro正式版发布，Agent能力对标Fable 5

DeepSeek发布了V4 Pro正式版，API平台已更新至DeepSeek-V4-Pro-0813，多项基准测试显示其Agent能力接近或超越Fable 5和Opus 4.8。价格与预览版持平，但网友发现其思维链输出变得简略，可能影响写作能力。该发布被视为国产开源模型在性价比之外向SOTA发起冲击的标志。

Gemini 3.7 Flash 正式发布，主打编码与智能体

Google 于 2026 年 8 月 13 日发布 Gemini 3.7 Flash 模型，该模型面向编码和智能体任务，在软件工程、Web 开发和智能体工作流方面有显著改进，并推出截至 2026 年 12 月 31 日的优惠定价。

另有 1 家信源报道

Cognition 洽谈 400 亿美元估值融资，AI 编程代理 Devin 增长强劲

AI 编程初创公司 Cognition 正与投资者洽谈新一轮融资，估值可能达到 400 亿美元。该公司在 5 月刚以 260 亿美元估值融资 10 亿美元，其 AI 编程代理 Devin 的年化收入运行率已达 4.92 亿美元，企业客户使用量每月增长 50%。Devin 被定位为处理程序员不喜欢的琐碎工作，客户包括梅赛德斯-奔驰、NASA 和高盛。

微软 MAI Code 1.1 Flash 发布，性能价格均被 DeepSeek 碾压

微软发布了用于 GitHub Copilot 的代码模型 MAI Code 1.1 Flash，声称性能提升、成本降低，但基准测试显示其在价格和性能上均不及 DeepSeek-V4-Flash-0731。微软在公告中回避直接对比，并继续推广其专有模型，与其宣称的开源 AI 立场不符。此举可能是为了降低成本，但可能导致性能下降。

自我进化harness跨语言与模型的编码机制研究

该研究通过固定自我进化配方，在8种编程语言和3个基础模型上分析编码智能体的自我进化机制。研究发现，进化产生的harness主要补偿可恢复的执行缺陷，而非基准过拟合；不同语言共享抽象策略但使用不同的生态系统工具，且共享核心可迁移至通用harness。该研究将自我进化harness重新定位为可解释的补偿层，受语言工程需求和模型行为差距共同塑造。

Mendel Gödel Machine：基于比较进化的递归自改进编码代理

Mendel Gödel Machine (MGM) 是一种递归自改进编码代理，通过多轨迹突变和跨谱系杂交加速收敛并提升性能。该研究在理论上证明了新策略在加性适应度景观模型下的优势，并在 SWE-bench 和 Polyglot 基准上验证了其性能、效率和泛化能力的提升。

NVIDIA 发布 Nemotron 3.5 Lightning 30B 混合架构模型

NVIDIA 发布了 Nemotron-3.5-Lightning-30B-A3B-NVFP4 模型，采用 MoE 架构，总参数 30B，激活参数 3B，支持长达 1M 的上下文，并针对单 GPU 部署优化。该模型支持多种硬件，并提供了 DSpark 等投机解码方法以加速生成。基准测试显示其在编码和智能体任务上表现良好，模型采用 OpenMDW-1.1 许可

DevIntent：LLM 生成代码违背开发者意图的程度研究

arXiv 论文提出 DevIntent 基准，通过意图违反率（IVR）衡量 LLM 生成代码是否违背开发者隐含意图。在 49 个问题上，Claude Sonnet 4.6 和 GPT 4.1 虽通过 92% 的显式测试，但分别有 54.5% 和 63.5% 的问题违反隐含约束，表明通过率高估了代码与开发者意图的一致性。

Motif 3 技术报告：314B 参数 MoE 语言模型

Motif 3 是一个具有 3140 亿总参数、每 token 激活 132 亿参数的解码器专用混合专家语言模型，采用细粒度稀疏 MoE 架构，每层包含 384 个路由专家，每 token 选择 8 个。该模型基于分组差分潜在注意力（GDLA）构建，并整合了流形约束超连接、专家特定 PolyNorm 激活和多 token 预测等技术。模型在约 12.5 万亿

Claude Code五天后默认自动模式，Anthropic承担额外成本

Anthropic宣布5天后所有Claude Code将默认启用自动模式，该模式通过分类器自动审批工具调用，额外token开销由Anthropic承担。数据显示人工审批的权限请求中97%被同意，而自动模式在对抗测试中拦截率更高，且不随会话长度下降。Anthropic还委托Apollo Research和Trajectory Labs进行安全测试，并公开了拦截

生产环境中AI生成C++代码的质量特征分析

一项针对大型企业生产环境中AI生成C++代码的大规模实证研究显示，AI生成的代码在接口耦合、拷贝分配开销和显式循环使用方面存在独特质量特征，导致审查工作量增加和5-8%的计算资源消耗上升。通过提供针对性的分类反馈，可减少11.1%的静态分析警告并提升计算效率。该研究基于2025年4月至2026年4月间352万次代码变更。

Anthropic 默认启用 Claude Code 自动模式以提升开发安全

Anthropic 宣布从 8 月 14 日起，Claude Code 将默认启用 Auto Mode，该模式允许 AI 自主执行开发任务，仅在检测到危险或不可逆操作时请求人工确认。测试显示，Auto Mode 在安全性上不逊于手动审批，并能使团队生成的 pull request 数量增加约 25%。此外，该模式还能抵御提示注入攻击，独立审计显示 720 次

另有 2 家信源报道

谷歌急推AI核心团队迁硅谷，拟15亿美元收购编程初创

谷歌将Gemini后训练核心团队及DeepMind运营负责人Koray Kavukcuoglu迁至加州总部，以解决跨时区协作问题，并计划以超15亿美元收购AI编程初创公司Mechanize的技术与人才。此举旨在加速AI研发与产品整合，应对竞争压力。哈萨比斯卸任Google DeepMind日常管理，转任董事长及Alphabet首席科学家。

Codex 与 GPT-5.6 Sol Ultra 生成更佳浣熊抢劫游戏

Simon Willison 使用 Codex Desktop 运行 GPT-5.6 Sol Ultra，将之前用 Claude Fable 5 生成游戏《Raccoon Heist》的相同提示词重新生成，得到了更好的游戏《Moonlight & Mayhem》。新版本包含博物馆场景、营救同伴等更丰富的玩法，但存在眼睛渲染为巨大球体的 bug，通过额外提示修

Spotify 用编码代理 Honk 持续重写全部代码库

Spotify 的工程师 Aleksandar Mitic 和 Jo 在演讲中介绍了他们开发的编码代理 Honk，用于持续重写 Spotify 的全部代码库，以解决维护问题。Honk 取代了传统的脚本化迁移工具，利用 LLM 处理长尾复杂情况，使内部服务框架的采用时间从近一年缩短至不到一周。该演讲分享了 Honk 的开发历程、经验教训和当前状态。

DeepSeek-V4 Flash 与 GPT-5.6 Luna 对比：成本与编码能力

Together AI 对 DeepSeek-V4 Flash 0731 和 GPT-5.6 Luna 在 DeepSWE 基准上进行了 900 次测试。Luna 在 pass@1 上领先 14 个百分点（67.2% vs 53.3%），但 DeepSeek 成本仅为 Luna 的六分之一，每美元解决任务数是 Luna 的 4.8 倍。采用 DeepSeek

Meta 发布 Muse Spark 1.2 与编码代理 Muse Code，以低价换数据

Meta 发布了 Muse Spark 1.2 模型及其首个专用编码代理 Muse Code，主打编程能力提升和低价策略，最低档输出 token 仅 20 美分/百万，但需用户共享数据。Meta 声称在代码生成、调试和大代码库推理上有改进，但基准测试存在明显缺口，如未公布与 Kimi K3 的对比，且测试方法可能不利于竞争对手。Muse Code 具有独特的

嵌入引导的嵌入式C软件函数复用检测方法

该论文提出了一种面向嵌入式C软件的函数复用检测方法，通过领域感知的检索增强生成（RAG）流水线，结合注释、调用图和README等上下文信息，使用八种嵌入模型提取特征，并设计四种硬件兼容性验证器过滤候选函数。在六个公共嵌入式项目上的评估显示，SonarQube作为复用过滤器存在93.6%的误报率，而该方法验证器准确率达97.5%，有效弥补了静态分析在硬件兼容性