AEON-7 发布 Qwen3.8-27B 未审查 NVFP4 混合量化模型
AEON-7 在 Hugging Face 发布 Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-NVFP4-MIXED 模型，这是基于其 BF16 未审查主模型（base model 为 AEON-7/Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16）的约 23.8G 混合精度部署版本，采用 Mo
AI 编码
技术方向 · AI 写代码的一切：编码助手、Vibe Coding、代码模型与开发工作流 · 共 417 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
10月5日周一 · 1 条
正文结构化主题已通过公开置信门槛
10月4日周日 · 1 条
正文结构化主题已通过公开置信门槛
MiniMax M3.1-Flash 实测：轻量模型前端能力硬刚 Opus 5.5
MiniMax 在国庆前夕上线并开启公测的轻量模型 M3.1-Flash，在 3D 网页、动效设计、教学动画等前端任务上表现出接近旗舰模型 Claude Opus 5.5 的水平。智东西通过程序化动画、鸡尾酒制作动画、像素巫师等案例实测对比，发现 M3.1-Flash 能主动补全设计细节并交付可运行的前端成品。文章认为这得益于 MiniMax 的多模态技术积
10月3日周六 · 1 条
正文结构化主题已通过公开置信门槛
AI智能体从照片构建3D场景，却无法判断对错
马里兰大学与AWS的研究者提出LEGO-Anything项目，采用Image-to-Code方法，让编码智能体通过迭代编写和修改Blender代码，从单张照片重建可编辑的3D场景。团队同时发布LEGO-Bench基准，包含208张来自模拟器场景的图像，从有效性、重建精度和外观三方面评分。测试显示六种GPT配置几乎都能生成可用场景，但几何精度差异巨大，最佳模型
10月2日周五 · 3 条
正文结构化主题已通过公开置信门槛
OpenAI DevDay 2026 开发者更新回顾
OpenAI 在 DevDay 2026 上发布多项产品与开发者更新，包括 GPT-6.1 Sol 模型、Agents API 的 computer use 能力、云端 Codex 环境、Decisions API 以及 ChatGPT 插件新能力。GPT-6.1 Sol 面向编程、computer use 和专业任务，价格仅为 Astra 标准输入输出价格
正文结构化主题已通过公开置信门槛
AI生成软件的环境可复现性测量
该论文提出一个三层框架（声明依赖、运行时安装依赖、必要且充分依赖）来评估AI编码代理生成软件环境规范的能力。研究在3个生产级编码代理、4种语言生态和50个编程任务上测试，发现代理在依赖规范上存在系统性泛化失败，同一任务下不同代理的依赖集一致性低至7%，且新代理没有明显改善。最大分歧出现在声明层与运行时层之间，表明模型训练分布中的环境先验是主要驱动因素。
正文结构化主题已通过公开置信门槛
Shopify 推出 Canvas：与 AI 对话即可搭建网店
Shopify 推出名为 Canvas 的建站工具，商家可通过与 AI 代理 Sidekick 对话来搭建和修改 Shopify 店铺。Canvas 实时渲染店铺真实代码而非静态预览，支持交互测试与多屏幕尺寸查看，Sidekick 还能截图以同步所见。该工具面向缺乏开发预算或编程时间的商家，降低了开网店门槛，也顺应了 Wix、Squarespace、Lova
10月1日周四 · 8 条
正文结构化主题已通过公开置信门槛
谷歌Gemini 4 Argon突然发布，多榜单登顶且成本减半
谷歌突然发布新一代旗舰模型Gemini 4 Argon，在DeepSWE v1.1、CWE-bench v1、Vals Index、Text Arena等多个榜单登顶或领先，性能对标并部分超越Claude Opus 5.5和GPT-6 Astra，且单题成本约为Astra的一半，每百万输入/输出Token定价2美元/10美元。该模型支持最高百万Token输出
正文结构化主题已通过公开置信门槛
Zero2Repo：编码智能体能否从零构建代码仓库？
研究团队发布 Zero2Repo 基准，用于评估编码智能体从零构建完整代码仓库的能力。任务由真实开源项目自动转换为需求文档、接口契约和隐藏验收测试，覆盖 Python、TypeScript、Go、C++ 共 11 个任务。评估显示最强智能体仅解决 10 个任务，且失败提交仍通过 90–99% 的隐藏测试，失败多源于规范中的低频规则或单一遗漏，而非缺少子系统。
正文结构化主题已通过公开置信门槛
扩散语言模型应如何编辑代码？四种接口与组合鸿沟
该研究系统比较了掩码扩散语言模型（MDLM）在代码编辑中的四种接口：整文件重写、搜索替换、先定位后填充、token级编辑。在CanItEdit基准上的实验揭示了一个“组合鸿沟”：当给定正确的编辑位置时，扩散模型能协调多处修改，但一旦需要模型自己预测编辑位置，这种能力就大幅丧失。研究进一步分离出两个独立要求——覆盖所有必要修改区域，以及精确划定区域边界；扩大区
正文结构化主题已通过公开置信门槛
E2E-SWE：评测 LLM 从零构建可运行代码仓库
研究团队发布 E2E-SWE 基准，用于评估 LLM 编码智能体能否仅凭自然语言规格说明和空工作区，从零构建完整可安装的软件仓库。该基准包含覆盖 11 种编程语言的 186 个整仓库生成任务，每个任务由软件工程师与 LLM 协作编写规格与隐藏测试，并经过静态审计和真实模型 rollout 的迭代修复以保证可解性。评测 13 个前沿模型显示 pass@1 从
正文结构化主题已通过公开置信门槛
OpenCollab：可编程协作与可控运行时的多智能体编码框架
该论文提出 OpenCollab，一个面向多智能体编码的可编程协作与可控运行时基础设施，通过统一抽象声明角色边界与通信拓扑，并在共享底座上执行不同配置以控制变量。研究提出 Adherence 指标量化声明组织与实际执行的一致性，发现仅改变单一维度即可使协作率从 47.2% 升至 97.2%，且审计的十个主流智能体框架均无法保证受控对比或验证行为交付。Open
正文结构化主题已通过公开置信门槛
RLTL;DR：通过内化自生成反馈实现自我提升
Apple 研究团队提出 RLTL;DR 方法，让策略在每次失败后根据验证器输出自行撰写一条 TL;DR 式反馈，并将后续 rollout 条件化于此前所有反馈，同时通过上下文内反馈的反向传播内化「任务→洞察」映射。在 Pass@128=0 的困难工具调用与编程数据集上，标准 GRPO 训练 Qwen 3.5 9B Thinking 的 Pass@1 仅 0
正文结构化主题已通过公开置信门槛
谷歌发布Gemini 4 Argon，称其最强模型专注网络安全
谷歌母公司Alphabet发布Gemini 4 Argon模型，称其为迄今最强模型，特别擅长网络安全防御工作，可自主发现、验证并修补关键软件漏洞。该模型目前仅通过Fairwind安全计划向部分网络安全合作伙伴开放，同时具备编程、调试、代码库迁移及视频图表解析能力。谷歌称Argon在多项基准测试中显著优于OpenAI的GPT-6 Astra和Anthropic
正文结构化主题已通过公开置信门槛
Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络防御方开放，并参与美国政府预发布模型访问流程。该模型支持长程复杂推理，输出 token 上限提升至 100 万，在 DeepSWE v1.1、Vals Index、LVBench 等基准上取得领先成绩，并已用于 Googl
9月30日周三 · 6 条
正文结构化主题已通过公开置信门槛
实测 Qwen3.8-Flash 与 GLM-5.3-Flash：谁更懂办公？
2026年8月26日，Qwen 发布 Qwen3.8-Flash-Next/Qwen3.8-Flash，Z.AI 发布 GLM-5.3-Flash，两者均定位为面向高频调用的低价快速模型。作者在 Claude Code 中用同一任务实测两款模型开发网页版个人工作台，发现 GLM-5.3-Flash 更像工程交付型模型，系统完整度高；Qwen3.8-Flash
正文结构化主题已通过公开置信门槛
阶跃星辰 Step 5 Preview 发布：全球开源前二，实测长程 Agent 能力
阶跃星辰发布 Step 5 Preview 模型，在 Artificial Analysis Intelligence Index 上获得 44 分，位列全球开源前二，进入前沿旗舰模型竞争区间。该模型支持 1M token 上下文、600B 参数规模，单任务成本 0.71 美元，在 654 个模型中排名第 4 位。雷峰网通过让 Step 5 Preview
正文结构化主题已通过公开置信门槛
智能体三周重构30万行C代码，从业者质疑其证明力
CodeScene 发布案例研究，称编码智能体在三周内重构了 30 万行 C 代码库（《街头霸王 III：3rd Strike》开源反编译项目），花费约 4000 美元 token 成本，产生 2903 次提交、修改 25.2 万行，Code Health 分数从 5.6 提升至 10.0。其核心机制是 CodeHealth MCP Server 提供确定性
正文结构化主题已通过公开置信门槛
超越规则式变异测试：基于大语言模型的测试感知变异体生成
卡尔加里大学的研究者提出「测试感知的变异体生成」方法，让大语言模型在单次提示中同时接收问题描述、标准解法和基础单元测试，生成能通过基础测试但被扩展测试捕获的非平凡变异体。在 HumanEval 和 MBPP 基准上对 Gemini 3.1 Pro、Gemini 3 Flash、GPT 5.1 Codex Mini、GPT 4.1 Mini、Qwen3-32B
正文结构化主题已通过公开置信门槛
OpenAI DevDay 2026发布25项更新：GPT-6.1 Sol与常驻Agent Dots登场
OpenAI在旧金山举行DevDay 2026，一口气发布25项更新，覆盖ChatGPT、Codex、GPT-6模型和API。最重磅的是常驻型Agent产品Dots，以及性能接近GPT-6 Astra但API价格仅为其五分之一的GPT-6.1 Sol。Codex升级为云端软件工程团队，Agents API开放Computer Use与Codex能力，并推出S
正文结构化主题已通过公开置信门槛
GPT-6.1 Sol 正式上线 Amazon Bedrock
AWS 宣布 GPT-6.1 Sol 在 Amazon Bedrock 上正式可用，这是 GPT-6 Sol 的重大升级，据 OpenAI 称可为日常代理式工作流带来接近 Astra 的智能水平。该模型在代理式编程、计算机使用和专业工作负载上表现更强，据称在 DeepSWE v1.1 上以约五分之一单任务成本达到 GPT-6 Astra 的水平，并比 GPT