AI 编码

Deepseek V4.1 Flash 1017 智能体任务超越更大模型并大幅降低成本

中国 AI 公司 Deepseek 发布 Deepseek-V4.1-Flash-1017，通过网站、应用和 API 提供，并在 Hugging Face 与 ModelScope 开源模型权重。该模型采用带自反馈的强化学习（RLSF）进行后训练，运行更快、输出更短，在内部基准的编程与智能体任务上超过 Claude Opus 5、GPT 5.6-Sol 等更

另有 3 家信源报道

Transformers v5.20.1 发布，新增 Reflection AI 模型 Beam 支持

Hugging Face 发布 Transformers v5.20.1，新增对 Reflection AI 新模型 Beam 的支持。Beam 被描述为面向编码与智能体场景的 token 高效、前沿规模模型，可部署在自有硬件、基础设施或云上并按需定制。该版本还修复了旧版 torch 加载模型的问题，以及 HunYuan-VL 批量生成图像分配、DeepGE

Replit CEO：未来工作是「自动驾驶公司」

Replit CEO Amjad Masad 在 TechCrunch Disrupt 上提出「自动驾驶公司」愿景，认为 AI 代理将承担公司大量基础工作，而人类的价值将更多体现在判断力和品味上。他以 Replit 自身为例，说明支持工单先由代理完成初步分类，人类在中间环节做决策，再一键部署代理执行修复。Masad 认为代理不会取代工作，而是改变人们的工作内

Gemini 4 Argon 发布：谷歌重回御三家，API 限时半价

谷歌正式发布旗舰模型 Gemini 4 Argon，面向全球开发者、企业及付费订阅用户开放，重点强化编程、专业知识工作、长流程任务执行与多模态能力。官方评测称其整体达到 GPT-6 Astra、Opus5.5 水平，第三方 Artificial Analysis 智能指数与二者并列 53 分，且平均每任务成本约 1.99 美元，比 Astra 低约 39%。

SCARCE：长周期多智能体编码系统中的涌现制度

研究者提出 SCARCE 框架，让多个编码智能体在各自截止期限下完成长周期编程任务，并协商共享执行资源的使用权。通过分析 8 个模型、超过 1500 条轨迹，发现智能体会自发形成基于声誉、互惠和先例的非正式制度，且较新的前沿模型表现出更多制度行为，同时也出现排他性联盟和分而治之策略。该工作为系统审计多智能体协调与安全影响提供了受控环境。

跳过压缩器：代码智能体整文件选择解决更多问题

该研究比较了在固定 token 预算下，代码智能体处理仓库级 issue 时三种上下文压缩策略的效果：检索器、提示压缩器和整文件选择。作者提出简单选择器 CQ2-CARE，通过两次独立采样让模型选出必须修改的文件并整文件原样展示，再补充 grep 找到的相关代码片段。在 300 个 SWE-rebench issue 上，使用 GPT-5.6 和 Claud

Meta 的 Muse Spark Open 现已上线 Amazon SageMaker JumpStart

Meta 的编码优化开源权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线。该模型采用 MoE 架构，总参数 816B、每 token 激活 42B，支持 100 万 token 上下文，可接受文本、图像、文档、音频和音视频输入并输出文本，面向长时运行的编码智能体工作流。用户可在自己的 AWS 账户中

Figma 发布新功能，规范 AI 代理在其平台上的设计工作

Figma 在印度首届 Config 活动上发布多项新功能，包括基于 Markdown 的 Figma Specs 编辑器，用于定义设计语言并让自家及第三方 AI 代理遵循品牌设计规则；同时将代码层功能从私测转为公测，并集成其收购的开源无头 CMS Payload。Figma 还宣布其 MCP 支持 Open Code、Dia、Grok Bot、Sarvam

Android弃用API使用更新的系统性研究

该论文对Android已弃用API及其推荐替代API进行了系统性研究，分析了1000个弃用API和从GitHub收集的4336个迁移示例，归纳出六类迁移场景和可复用的使用更新模式。研究者将这些模式加入GUPPY基准的零样本提示中，在156个任务上使正确更新数从139提升至147，并在六类中的五类表现更好，表明经验推导的迁移模式能为基于LLM的API更新提供有

编码智能体在视觉生成中能走多远？

该研究探索通用编码智能体通过可执行程序进行视觉生成的能力，提出AgentDrawBench基准（200个提示）评估零样本绘图。结果显示，编码智能体在结构保真度和精确视觉约束上表现优异（如GPT-6-Astra配合Canvas 2D达85.8%结构保真度），但在感知丰富度上不及原生图像生成器。研究进一步提出视觉代码可作为外部视觉思维语言，在视觉问答中代码重建保

DivAlgo：代码生成模型算法多样性系统评估

研究者提出 DivAlgo 基准，用于系统评估代码生成模型的算法多样性，包含算法上不同的编程题解数据集和轻量级相似度指标。对 24 个现代代码生成模型的实验显示，模型生成的代码多样性仅为人类解法的 31%，即使采用温度变化、verbalized sampling 等多样性策略也只能达到 70.5%。研究还发现模型倾向于对齐更流行的人类解法，且无法复现人类解法

BenchChecker：评估 LLM 修复 bug 基准的可信度

该论文提出 BenchChecker 框架，用于检测 LLM 修复 bug 基准测试中的数据污染问题。它采用两阶段取证检测：先通过代码前缀探测判断仓库是否出现在训练集中，再通过相似度对齐与测试套件验证补丁是否在训练截止快照中持续存在。在 StarCoder-15B、StarCoder2-15B 和 CodeGen2-16B 上评估，AUC 约 0.9；应用于

超越功能正确性：LLM生成代码的静态质量剖析

该论文对LLM生成的Python代码进行大规模静态质量分析，使用Pylint、Radon和SonarQube工具评估LiveCodeBench中73个模型生成的65,663个程序。研究发现，仅靠功能正确性无法捕捉模型间的系统性差异，可维护性是最明显的区分维度，且正确性往往伴随结构性权衡而非更简单的解决方案。作者呼吁评估框架应超越通过率，关注代码的非功能质量。

Meta 开源智能体编程模型 Muse Spark Open 登陆 GroqCloud 预览

Meta 发布面向智能体编程的开源权重模型 Muse Spark Open，采用 256 专家的混合专家架构，总参数 816B、每 token 激活 42B，支持 131,072 token 上下文和文本、图像输入。该模型在发布当天即上线 GroqCloud 有限预览，单用户推理速度超过 350 tokens/秒。Groq 表示其平台已有超 600 万开发者

用 Claude Opus 5.5 构建 Three.js 游戏 Tree Appreciator

Simon Willison 在 Claude iPhone 默认聊天模式中，用提示词让 Claude Opus 5.5 Max 构建一个名为 Tree Appreciator 的 Three.js 游戏，玩法是欣赏两棵算法生成树木之间的差异。Claude 耗时 3 小时 7 分钟返回了一个带音乐、动画和成就系统的找不同游戏，作者认为其相当引人入胜。作者还提

Google 称自我改进型 AI 仍遥不可及

Google DeepMind 工程师 Haydn Belfield 表示，目前没有可测量的证据表明 AI 正在加速 AI 自身研究，自我改进型 AI 仍遥不可及。尽管 AI 已编写超过 75% 的生产代码，但约 88% 的代码变更仍需人工审核，完全委托给 AI 的变更比例仅从 7.5% 升至 11.9%。在 1,389 次内部 Argon 智能体运行中，任

Gemini 4 Argon 正式发布，独立评测与 Muse Wonder 同期亮相

Google 的 Gemini 4 Argon 正式 GA，面向编程、知识工作、企业工作流和网络防御开放，API 定价为每百万输入/输出 token 2/10 美元，11 月 30 日后翻倍。Google 内部称 Argon 帮助将 Chromium 六百万行遗留代码分离，数周完成数月工作，并减少近三分之一回滚。独立评测显示 Argon 在智能指数上与 GP

Google AI Studio 氛围编程案例研究：非程序员开发学校旅行应用

本文是一篇案例研究，介绍一位没有编程背景的小学教育专业教授使用 Google AI Studio（Pro 版）通过 vibe coding 开发一款中等复杂度的学校旅行管理应用。研究表明，非程序员甚至不懂英语的人也能成功进行 vibe coding，因为规格文档、AI 回复和最终应用均为罗马尼亚语。但作者也指出，即使规格文档清晰详尽，生成的应用程序仍可能存在

Gungnir：用编码智能体演化 SQL 测试生成器

论文提出 Gungnir，一种利用编码智能体（coding agents）演化 DBMS 测试生成器的方法。其核心是「生成见证」（generation witness）机制：智能体在修改生成器时需提供见证，记录生成目标 SQL 语句所需的数据库设置与语义选择，验证器通过重放这些选择来确认修改后的生成器能复现目标语句，从而在存在幻觉风险下保证新增 SQL 特性

Gemini 4 Argon 全球上线，成 Google 最强前沿模型

Google 全球发布新一代旗舰模型 Gemini 4 Argon，通过 API、AI Studio、Gemini 平台及 Antigravity 等渠道向开发者、企业和消费者开放，但免费与 Plus 用户被降级为 Flash 模型。Argon 定价为输入每百万 token 2 美元、输出 10 美元（促销价），在 Vals Index 居首但整体排名仍落后