AI 编码

Spec2COBOLRot：面向真实 COBOL 语料生成的智能体 AI 退化循环

该论文提出 Spec2COBOLRot，一个基于智能体 AI 的流水线，用于生成具有真实感的 COBOL 程序语料。方法结合规范驱动的生成与迭代退化，退化过程由从真实生产代码中提取的模式和复杂度目标引导，其中真实性被定义为结构上对生产代码的保真度。在三个不同业务领域的程序上评估显示，该流水线能可靠生成语法有效的程序并提升结构复杂度，但并非总能保持业务行为，且

用 Amazon Bedrock 开源权重模型驱动 AI 编码代理

AWS Machine Learning Blog 介绍如何将开源权重模型与开源终端 AI 编码代理 OpenCode 结合，通过 Amazon Bedrock 在自有 AWS 账户内运行推理，避免数据外发、供应商锁定和按席位收费。文章给出配置方法、多模型工作流，并以 Moonshot AI Kimi K3、OpenAI GPT-OSS 120B、NVIDI

用实时示例解释 Shadow Roots

Simon Willison 在博客中展示了一个由 Fable 5.1 Medium 生成的交互式 artifact，用于解释 CSS 的 shadow roots 概念。文章本身聚焦前端技术教学，但页面同时列出了近期 AI 相关文章标题，包括 Claude Opus 5.5、GPT-6 Sol、GPT-6 Luna 及新一轮价格战，以及 Jev 提出的 S

Graphify：统一代码库上下文，简化智能体软件工程

Graphify 是一款开源工具，可将代码库、文档和非结构化数据转换为可查询的多模态知识图谱，以优化 AI 编码工作流。该项目于 2026 年 4 月发布，采用每周多次更新的快速迭代节奏，近期改进了 Terraform 块属性保留、跨文件方法解析等解析器能力。它通过 tree-sitter 提取 AST 并结合文档语义线索构建统一图谱，可经 MCP 服务器接

Claude Opus 5.5 发布并成 AINews 默认模型，多家厂商降价 40-50%

Anthropic 发布 Claude Opus 5.5，作为新 Claude 5.5 家族首个模型，宣称在多数任务上达到 Fable 5.1 水平，运行成本比 Opus 5 低 40%，速度约快 30%，并改善写作与指令遵循。OpenAI 约一小时后发布 GPT-6 Sol 和 Luna，定价比 GPT-5.6 低 50%。Opus 5.5 成为 Clau

Claude Opus 5.5 突袭：跑分登顶，API 价格打 8 折

Anthropic 发布旗舰模型 Claude Opus 5.5，在 Terminal-Bench 4.0、FrontierCode v1.1、CursorBench 4.0 等编程与知识工作基准上登顶，输出速度比 Opus 5 快 30% 以上。API 输入输出价格下降 20%，缓存读取价从每百万 Token 0.50 美元降至 0.20 美元，Anthr

Shaker 在 Python 项目 flaky 测试检测中的评估

该研究首次针对 Python 项目评估 Shaker 的 flaky test 检测能力。研究者从 Gruber 等人的真实数据集抽取 137 个非顺序依赖的 flaky 测试，在相同执行预算下对比 Shaker 与普通重跑（ReRun）。结果显示 Shaker 未带来统计显著优势（37.2% vs 35.8%），原因在于不到一半的真实 flaky 测试在独

Airbnb 扩大对 GPT-6 Astra 及 OpenAI 前沿模型的访问

Airbnb 正在扩大对 GPT-6 Astra 及 OpenAI 前沿模型的访问权限，以帮助工程团队解决 bug、设计系统并加快交付速度。

GPT-6 Sol 与 GPT-6 Luna 在 Amazon Bedrock 正式可用

OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 现已在 Amazon Bedrock 上正式可用。GPT-6 Sol 面向编码、调试、数据分析等复杂任务，GPT-6 Sol 在内部事实性评估中的错误约为 GPT-5.6 Sol 的一半；GPT-6 Luna 面向高并发、可重复的轻量任务，两者 API 定价均显著低于 GPT-5.6 前代。两款

另有 1 家信源报道

OpenAI 发布 GPT-6 Sol 和 Luna，成本更低错误更少

OpenAI 发布 GPT-6 系列新成员 Sol 和 Luna，称其在效率与成本上大幅优化，API 价格降至 5.6 系列的一半，并强调事实准确性和代码错误率改善。OpenAI 声称新模型在多项任务上优于 Anthropic 的 Fable 和 Opus，而 Anthropic 在 OpenAI 发布前 90 分钟刚推出 Opus 5.5。新模型已上线 C

Anthropic 发布 Opus 5.5：降价且性能达 Fable 级

Anthropic 于周二发布新模型 Opus 5.5，公司称其在编程和知识工作性能上创下新纪录，并在多项基准上超过更大的 Fable 模型。该模型输出 token 价格从每百万 25 美元降至 20 美元，运行更快、所需算力更低，同时调整了沟通风格，减少术语并前置关键信息。这是 Anthropic CEO Dario Amodei 主张放缓前沿能力推进节奏

poolside 发布 Laguna XS.2：33B MoE 本地智能体编程模型

poolside 发布 Laguna XS.2，一个 33B 总参数、每 token 激活 3B 的混合专家（MoE）模型，面向本地运行的智能体编程与长周期任务。模型采用滑动窗口注意力与全局注意力 3:1 混合布局、FP8 KV 缓存和原生交错推理，支持 262,144 token 上下文，并以 Apache 2.0 许可开源。在 SWE-bench Ver

用户画像如何影响LLM代码生成：偏见实证研究

该研究对LLM代码生成中的用户画像偏见进行了大规模实证分析，测试了Gemini 2.5 Pro和GPT-OSS-120B两个模型，使用覆盖国籍、性别和经验水平的18种人口统计画像，对比中性基线，分析了超过35,000个生成程序。结果显示，人口统计标记在高达65%的回复和70%的推理轨迹中出现，尽管与任务语义无关；在LiveCodeBench上，画像提示使Ge

身份还是提示噪声？LLM 代码生成的校准不变性审计

该研究对七个模型在 HumanEval+ 和 MBPP+ 上的 3073 万次 Python 代码生成进行了校准不变性审计，考察模型分配性别、国家和职业人设是否影响代码输出。经任务内随机化和 FDR 校正后，职业是最一致的结构性轴：CodeBLEU 离散度在 10/14 个模型-基准单元中超过可交换性零假设，但中位超额仅 0.141 分，且通过率离散度均不显

代码的 Token 签名：比较不同大语言模型的编码行为

Visa Research 提出 CLIC（Code Learning for Identification and Comparison），通过统计 LLM 生成代码中的 token 频率，将每个代码样本表示为特征向量，并训练可解释决策树来区分两个 LLM 的代码集合。研究定义了两个新指标：鲁棒性（逐步移除最具区分度 token 后两模型是否仍可区分）和集

Cloudflare Python Workers 正式 GA

Cloudflare 宣布其 Python Workers 在经历两年预览后正式 GA，Python 成为 Cloudflare 开发者平台上的一等公民语言。其实现方式是通过 Pyodide 将 Python 编译为 WebAssembly，运行在基于 V8 的 workerd 运行时中，但多进程与多线程在 Wasm 虚拟机中不可用。本地开发工具 pywra

xAI 的 Grok 4.6 现已上线 Amazon Bedrock

xAI 的 Grok 4.6 模型正式上线 Amazon Bedrock，成为 xAI 在 Bedrock 上的第二个模型。该模型面向长时运行的 agent、编程和知识工作，提供 500K token 上下文窗口和四档可配置推理强度（low、medium、high、xhigh）。相比前代，Grok 4.6 同时支持 bedrock-mantle 和 bedr

xAI 低价发布 Grok 4.7，基准测试仍落后 Claude 与 GPT-6

xAI 发布其迄今最强模型 Grok 4.7，主打编程与知识工作，基于更大基座模型、更长强化学习训练，并强化自我输出验证。定价为每百万输入 token 2 美元、每百万输出 token 6 美元，接近中国模型价位。但在 Artificial Analysis 智能指数上仅得 46 分，落后于同得 53 分的 Claude Fable 5.1 和 GPT-6；

CodeMidas：从代码本身扩展智能体编码强化学习环境

研究团队提出 CodeMidas，一个以源代码为唯一任务特定输入的智能体流水线，将现有代码库中已实现的功能转化为可执行的强化学习环境。该方法通过智能体探索功能、构建基于原始代码执行的测试，并经过执行检查与多次解答采样来验证和筛选任务。最终数据集包含来自 3185 个开源代码库、覆盖 23 种编程语言和 15 个技术领域的 5545 个训练任务。用 GRPO

华为云码道上线鸿蒙编码大模型，升级鸿蒙AI编码智能体

2026年9月21日，华为云码道CodeArts代码智能体面向鸿蒙开发者全面升级，上线鸿蒙编码大模型、码道鸿蒙智能体与鸿蒙开发者实践中心三大核心能力，宣称是全球首个专为鸿蒙生态打造的AI编码智能体。鸿蒙编码大模型依托鸿蒙增强训练体系，融合超百万鸿蒙原素材，官方称千行代码错误率降低80%以上、一次编译通过率提升78%以上、单次任务Token消耗降低20%以上，