跳到正文

#编码

今日 1 条

10月20日星期二

GitHub Blog · AI & ML

如何在 VS Code 中继续 GitHub Copilot app 会话

GitHub Copilot app 会话可直接在 VS Code 中继续,保留原有任务、计划、对话、代码差异和工作树。教程说明如何通过 Open in VS Code 打开会话,逐行审查改动、继续与 Copilot 对话、手动编辑并运行本地测试。完成后在会话关联的分支上提交并推送,即可更新已有的 pull request,无需复制文件或手动重新关联。

10月17日星期六

DeepSeek · API 更新日志

DeepSeek-V4.1-Flash-1017 更新,API 价格与调用方式不变

DeepSeek V4.1 Flash 已升级至 DeepSeek-V4.1-Flash-1017,官方网页端与 APP 同步更新,API 价格不变,仍通过 deepseek-flash 调用。

推荐理由:DeepSeek 在保持 API 价格与调用方式不变的同时提升模型表现,并缩短任务运行时间与输出长度以降低任务成本。

10月16日星期五

claude.dev 开发者博客

Claude Code 团队如何进行代码审查

Claude Code 团队将大部分代码阅读交给自动审查,按风险配置人工审批,并通过分阶段发布和快速回滚控制错误。6 月至 9 月,其合并 PR 数量增长超过一倍,需要回滚的比例下降超过 40%;低风险变更可在自动检查通过后无需人工审批,中高风险变更分别需要 1 人和 2 人审批。团队将历史事故纳入每日评测,并在审查达到 3 轮后要求重新考虑方案,以减少智能体反复审查和修改。

推荐理由:Claude Code 团队将自动审查、风险分级与快速回滚串成流程,把人工审批留给高风险变更并用事故样本持续改进审查。

OpenAI News

Localiza 如何围绕生成式 AI 重组工作

巴西出行平台 Localiza 将生成式 AI 视为新的计算界面而非单纯生产力工具,围绕三大支柱重组业务:规模化实验、自然语言客户入口和 AI 原生产品。2026 年 3 月,它成为巴西首个、也是拉美首批将应用直接集成进 ChatGPT 的出行平台,用户可在对话中浏览租车、订阅和二手车选项。

10月14日星期三

Google 博客 · Gemini

Gemini 4 Argon 现已向开发者开放

Google 从今天起向开发者开放 Gemini 4 Argon,面向软件工程、企业知识工作和网络安全防御中的复杂工作流。该模型针对需要深度推理和结构精确性的长程任务设计,包括代码迁移和前沿研究。

推荐理由:Google 向开发者开放 Gemini 4 Argon,并列明付费 API 与订阅入口的接入范围。

Google DeepMind

Gemini 4 Argon 为复杂工程、专业工作流与科研难题而打造

Google DeepMind 的 Gemini 4 Argon 今日全球开放,面向编码、金融、法律、网络安全和科学领域的复杂多步骤任务,通过 API、Google Antigravity、Gemini app 和搜索 AI Mode 等入口提供访问。

推荐理由:Google 用 Gemini 4 Argon 将 Chrome 跨数百个文件的架构重构从数月缩短至数周,加快复杂代码库的工程改造。

Google 博客 · Gemini

Gemini 4 Argon:为解决高难度问题而打造

Google 今日全球开放 Gemini 4 Argon,面向复杂编码、金融、法律、网络安全和科学任务,提供 API 及订阅用户入口。Gemini API 支持 1M 输入输出统一 token 上限,初始定价为每百万输入 tokens $2、每百万输出 tokens $10,缓存输入 tokens 优惠 95%。

推荐理由:Google 用 Gemini 4 Argon 完成跨数百个文件的 Chrome 架构重构,将原需数月的工程工作缩短至数周。

Google 博客 · Gemini

Gemini 4 Argon 上线 Gemini app,向 Google AI Pro 和 Ultra 订阅者开放

Gemini 4 Argon 现已上线 Gemini app,Google AI Pro 和 Ultra 订阅者从今天起可访问模型并委托 Gemini 执行任务。

推荐理由:Gemini 将任务入口与超过 40 个应用连接起来,让用户离开电脑后仍能委托它处理购物、订位和业务相关任务。

10月8日星期四

GitHub Blog · AI & ML

GitHub 的密钥保护为何必须跟上软件开发规模

GitHub 介绍与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,将非结构化密钥检测扩展到推送保护,候选密钥批次评估耗时低于 2 毫秒。

推荐理由:GitHub 用九个季度的数据比较代码推送与凭据泄露,单次推送的泄露比例未见显著趋势而总量增长加重人工处置负担。

10月7日星期三

claude.dev 开发者博客

Claude Code 云会话实战指南:并行任务、环境配置与本地衔接

Claude Code 云会话指南通过四次实际运行,讲解独立 VM 中的并行编码、环境配置及云端与本地会话衔接。三个任务在 16 秒内陆续启动,全部在首个任务启动后 87 秒完成,其中缓存修复通过连续 40 次测试;独立分支不会共享修复,需要安排合并顺序。

推荐理由:Claude Code 云会话指南用并行任务实测展示按文件边界拆分工作的方法,并将验收命令与分支合并顺序纳入任务设计。

10月6日星期二

Mistral AI

Mistral AI 发布 Mistral Large 4 公开预览,计划月底开放权重

Mistral AI 发布原生多模态模型 Mistral Large 4(ML4)公开预览,现可通过 Mistral Studio 的 API 试用,计划本月底开放权重。

推荐理由:Mistral AI 计划开放 ML4 权重并支持私有部署,使组织能在自身政策下开展安全工作,减少对供应商访问权限和拒绝策略的依赖。

GitHub Blog · AI & ML

GitHub 介绍 AI 代码审查开放基准 ReviewBench

GitHub 的 AI 代码审查开放基准 ReviewBench 已提供研究预览版,公开数据集、评估方法和自助运行工具。基准参考 103.9 million 个 GitHub 拉取请求的分布,包含来自 187 个仓库、覆盖 19 种语言的 219 个拉取请求,资深工程师独立复核标注的一致率为 96.6%。

推荐理由:ReviewBench 将固定标注与新增有效发现分开评估,在保持跨系统比较口径一致的同时,避免漏标问题惩罚审查智能体。

10月3日星期六

OpenAI News

OpenAI GPT-6 系列模型使用指南:选型、提示词与长任务管理

OpenAI 的 GPT-6 系列使用指南介绍如何选择模型、调整提示词和技能,以及管理长任务的时间与成本。GPT-6 Astra 面向高难度推理,GPT-6.1 Sol 面向复杂编码、研究和计算机使用,GPT-6 Luna 面向目标明确的规模化重复任务;指南建议部署前衡量任务成功率、延迟和每次成功任务的成本。

推荐理由:OpenAI 将模型选择、推理强度与缓存管理纳入同一套生产实践,把任务成功率、延迟和每次成功任务的成本作为优化依据。

10月2日星期五

Claude 博客

通过 mods 自定义 Claude Code 的行为与界面

Claude Code 推出 mods,以小型 TypeScript 函数定制工具行为和界面,现已支持 CLI 与桌面应用。Mods 随插件安装和分享,可改写提示词、拦截工具调用、处理权限请求或替换内置功能,也可由 Claude Code 编写、安装并热重载。

推荐理由:Claude Code 用 mods 开放事件改写、界面定制和内置功能替换,让开发者无需等待官方更新就能调整工具行为。

claude.dev 开发者博客

Claude Code mods 入门:构建上下文监测插件并定制交互界面

Claude Code mods 入门指南从零构建约 80 行的 Token Weather 插件,在提示词上方实时显示上下文窗口用量。教程适用于 Claude Code 2.1.287 或更高版本,涵盖事件钩子、热重载、状态保存、验证测试与插件分发。

推荐理由:Claude Code 入门指南用上下文监测插件串起事件钩子、状态持久化与测试流程,将界面定制拆成可复用的开发步骤。

10月1日星期四

Google DeepMind

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 向受信任的网络安全防御方开放,随后逐步扩展至开发者、企业和消费者。

推荐理由:Gemini 4 Argon 先向受信任的网络安全防御方开放,并公布每百万输入 token 2 美元、输出 10 美元的定价,以及从 64K 提升到 1M 的输出上限。

Google 博客 · Gemini

Google 发布 Gemini 4 Argon,先向可信网络防御团队开放

Google 宣布新模型 Gemini 4 Argon,通过 Fairwind Program 向部分可信网络防御团队逐步开放,面向编码、企业知识工作和网络安全防御。

推荐理由:Google 将 Gemini 4 Argon 的输出上限从 64K 提升至 1M tokens,为复杂任务的单次长程推理提供更大空间。

9月29日星期二

OpenAI News

OpenAI 发布 GPT‑6.1 Sol,以更低价格接近 GPT‑6 Astra 的能力

OpenAI 发布 GPT‑6.1 Sol,在智能体编码、计算机使用和专业工作上接近 GPT‑6 Astra,标准输入输出 token 价格为其五分之一。

推荐理由:OpenAI 将 GPT‑6.1 Sol 的标准输入输出价格降至 Astra 的五分之一,多项智能体任务评测表现接近 Astra。

OpenAI News

OpenAI DevDay 2026 回顾:GPT‑6.1 Sol、Dots 与 ChatGPT 协作功能更新

OpenAI 在 DevDay 2026 公布超过 20 项重大更新,涵盖 ChatGPT、Codex、模型及人类与 AI 协作方式。GPT‑6.1 Sol 是 GPT‑6 Sol 的重大升级,主打智能体编码、计算机使用和专业工作,以 GPT‑6 Astra 标准输入与输出 token 价格的五分之一提供接近 Astra 的智能水平。

推荐理由:OpenAI 将插件扩展、事件触发自动化和团队协作接入 ChatGPT,让开发者的应用能参与持续任务与共享工作。

9月28日星期一

claude.dev 开发者博客

如何用 Claude 自动设计评测并进行爬坡优化

Claude 的 claude-api 技能新增评测设计与爬坡优化指导,可在 Claude Code 中通过 /claude-api build-eval 构建评测,通过 /claude-api hillclimb 逐步优化应用。

推荐理由:Claude 将评测设计与逐步优化组织为需人工确认的工作流,通过留出测试集和噪声检查减少过拟合与无效改动。

claude.dev 开发者博客

Claude Sonnet 5.5 开发指南:模型选型、迁移与调优

Claude Sonnet 5.5 已可用,官方称其较 Sonnet 5 快 30%,每 token 价格不变,多数任务成本最多降低 30%。模型原生支持 1M tokens 上下文窗口并默认开启自适应思考,指南建议将其用于需求明确、结果可检查的日常任务,将复杂且需要审慎判断的工作交给 Opus 5.5。

推荐理由:Claude Sonnet 5.5 指南列出思考模式、工具调用与响应结构的迁移调整,升级现有应用需要同步修改参数与解析逻辑。

9月25日星期五

claude.dev 开发者博客

Opus 5.5 在 Claude Code 中执行任务的成本如何计算

Opus 5.5 在 Claude Code 中的任务成本由轮次、缓存读取、输出 token 和模型价格共同决定,降低消耗也可能增加重试成本。按 API 标价,同一示例会话从 Opus 5 的 $3.50 降至 Opus 5.5 的 $2.40,约降低 31%,示例不计缓存写入;典型工作负载成本降低 40% 的估计还包含默认设置下任务 token 消耗减少。

推荐理由:Claude Code 成本指南把轮次、缓存与思考输出拆开计费,并用同任务实测的方法区分单价下降与任务消耗减少。

claude.dev 开发者博客

Claude Code 使用指南:如何按任务分配 effort

Claude Code 的 effort 控制模型投入任务的计算量,高档位会增加自主判断、验证和边界测试,低档位适合快速交互与迭代。作者结合 Opus 5.5 实测与 Terminal-Bench 3.0 结果,建议先让模型访谈澄清需求,再低 effort 实现和迭代,最后高 effort 验证;提高 effort 通常减少遗漏边界情况导致的失败,但不能修正错误解题方向。

推荐理由:Claude Code 的实测给出先澄清需求、低 effort 实现再高 effort 验证的流程,将快速迭代与边界测试分配到不同阶段。

9月22日星期二

claude.dev 开发者博客

如何在 Claude 和 Claude Code 中用好 Opus 5.5

Claude 官方指南介绍在 Claude 和 Claude Code 中使用 Opus 5.5 的方法,涵盖提示词、长任务控制与结果核查。建议明确完成标准,在 CLAUDE.md 中规定继续执行和停止询问的条件,用文件保存任务清单,并检查子智能体提交的证据。

推荐理由:Claude 官方指南把长任务拆成完成标准、停下条件和结果核查,用文件清单与子智能体证据检查减少过程遗漏。

9月14日星期一

OpenAI News

Perplexity 把 GPT-6 Astra 放进真实系统里干活,人工检查的频率低了很多

OpenAI 发布 Perplexity 客户案例,Perplexity 联合创始人兼首席战略官 Johnny Ho 表示,GPT-6 Astra 可撰写沟通内容、修改真实系统并监控生产软件,这是前几代模型做不到的。他还让模型围绕应用构建小型测试程序,生成类似语言模型 API 或连接器的真实响应,从而端到端验证工作流,因此能放心交给它完整系统并大幅减少检查频率。

推荐理由:Perplexity 联合创始人 Johnny Ho 说 GPT-6 Astra 能修改真实系统、监控生产软件,还让模型自建测试程序模拟外部服务响应,端到端验证工作流后人工检查频率明显降低。

9月12日星期六

OpenAI News

Cognition 把 GPT‑6 Astra 接进 Devin,让 AI 编程助手自己测自己写的代码

Cognition 将 GPT-6 Astra 应用于 Devin 等产品,让 Devin 测试自己写的代码并展示测试结果。例如 Devin 用 Astra 测试 iPhone 游戏 Otter Run,返回模拟器运行录像和标注通过项与未测项的报告;客户发来 bug 截图时,Devin 修复后返回结果截图。

推荐理由:Cognition 将 GPT-6 Astra 接入 Devin,让其在写完代码后自行运行测试并返回模拟器录像与通过项报告,工程师据此减少逐行审查代码的工作量。

9月9日星期三

9月8日星期二

OpenAI News

OpenAI CFO 发文:GPT-6 Astra 已来,消费者与企业业务互相喂养

OpenAI 高管 Sarah Friar 发文称,公司产品已覆盖超过 10 亿周活跃用户和 250 万家企业,消费端与企业端相互强化,一次模型研究投入可支撑 ChatGPT、ChatGPT Work、Codex 及 API 应用等多条产品线。

推荐理由:OpenAI 高管 Sarah Friar 撰文披露公司覆盖超 10 亿周活用户与 250 万家企业,并解释消费端与企业端如何相互强化、一次模型研究投入如何支撑多条产品线。

8月25日星期二

Hugging Face 博客

Multiverse 搞了个“量化感知修复术”,让 4-bit 压缩模型跑赢了原版全精度模型

Multiverse Computing 在 Hugging Face 博客发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》,提出 QAH 方法:不再从恢复后的 bfloat16 检查点蒸馏,而是直接从压缩前的原始全精度模型蒸馏,师生架构可以不同。

推荐理由:Multiverse Computing 提出 QAH 方法,从压缩前的原始全精度模型蒸馏来修复 4-bit 量化模型,师生架构可不同,为压缩后性能恢复提供了一条可迁移的路径。

8月19日星期三

OpenAI News

Replit 推出免费模式,用 GPT-5.6 Luna 把写代码的 token 成本砍到零

Replit 上线了 Free Mode,底层跑的是 GPT-5.6 Luna,用户不用再盯着 token 消耗,可以直接在项目里规划、头脑风暴和探索想法。CEO Amjad Masad 说 OpenAI 最近的降价让面向百万用户的免费层终于跑得通。遇到复杂推理任务,系统会切到 GPT-5.6 Sol,处理完再回到 Luna,同时保留项目上下文。

推荐理由:Replit 上线免费模式,用 GPT-5.6 Luna 承担日常规划与探索,复杂任务再切到 Sol,OpenAI 降价让面向百万用户的免费层得以成立。

8月18日星期二

OpenAI News

Asana 用 Codex 两周清掉了原本预计要五年的测试框架迁移工作

Asana 的工程师用 OpenAI Codex 把公司里一个叫 Enzyme 的过时测试框架从代码库里彻底移除了。之前内部评估这个活要干五年、花大概 600 万美元,实际只用了两个日历周,模型和基础设施成本加起来约 1.2 万美元。

推荐理由:Asana 工程师用 Codex 移除过时测试框架 Enzyme,内部评估需五年、约 600 万美元的工作量,实际两周完成,模型与基础设施成本约 1.2 万美元。

8月6日星期四

OpenAI News

OpenAI 首次公布各国 ChatGPT 使用数据:工作上“动手干”是“开口问”的两倍多

OpenAI 在 8 月 6 日放出了覆盖超 10 亿用户的国别使用数据。最明显的变化是,人们在工作场景下用 ChatGPT 直接产出成果或完成任务(比如写代码、做分析)的概率,是工作之外的两倍多。多媒体是增长最快的用法,占到了全部消息的 7.8%,在巴西和哥伦比亚这个比例超过 10%。

推荐理由:OpenAI 公布覆盖超 10 亿用户的国别数据,工作场景下用 ChatGPT 直接产出成果的概率是工作之外的两倍多,多媒体用法占比达 7.8%。

7月31日星期五

OpenAI News

OpenAI 发了一篇战略说明,讲怎么靠降价、提效和全栈联动把“智能”做成大宗商品

OpenAI 在 7 月 31 号发了篇博客,没发新模型,核心是解释他们的“充裕智能”打法。逻辑很简单:模型越强越便宜,用的人就越多;用的人越多,赚的钱和拿到的反馈就越多,就能继续砸钱搞研发和基建。他们给了几个具体数字:GPT-5.6 Luna 的输入/输出价格砍了 80%,降到每百万 token 0.2 美元和 1.2 美元。

推荐理由:OpenAI 用一篇博客解释其降价与提效的路线,并给出 GPT-5.6 Luna 输入输出价格下调 80% 的具体数字,为理解大模型定价走向提供了官方口径。

DeepSeek · API 更新日志

DeepSeek-V4-Flash 正式版 API 上线公测,增强智能体能力

DeepSeek-V4-Flash 正式版 API 上线公测,调用方式不变,模型名设为 deepseek-v4-flash 即可使用最新版本。官方称其智能体基准表现远超 V4-Pro-Preview,Terminal Bench 2.1 为 82.7、NL2Repo 为 54.2;模型原生支持 Responses API 并针对性适配 Codex。

推荐理由:DeepSeek-V4-Flash 原生支持 Responses API 并适配 Codex,现有 API 调用方式保持不变。

7月29日星期三

OpenAI News

OpenAI 给 10 万名学术研究者免费开放 GPT-5.6,先从数学和科学领域开始

OpenAI 搞了个“ChatGPT for Academic Researchers”项目,计划到 2027 年让 10 万名科研人员免费用上他们最强的模型,包括 GPT-5.6 Sol Pro 和 Codex。今年夏天先开放 1 万个名额,高等研究院和巴黎高师已经能用上了。每个参与者还能拉上最多四个同事一起用,默认不会拿你的数据去训练模型。

推荐理由:OpenAI 计划到 2027 年向 10 万名学术研究者免费开放 GPT-5.6 等模型,今年夏天先放 1 万个名额,高等研究院和巴黎高师已可用,参与者还能带最多四名同事。

7月27日星期一

OpenAI News

OpenAI 研究:近一半非通用类 ChatGPT 工作对话,是在干别人岗位的活

OpenAI 经济研究团队分析了 80 多万条美国用户的 ChatGPT 对话,发现一个他们称为“任务跨界”的现象:在工作相关的非通用类消息里,有 43.5% 的内容其实属于另一个职业的活儿。客服(77%)、设计(75%)和 HR(69%)这三类人“借用”其他岗位任务的比例最高。营销和工程类的任务跑得最远,经常出现在非本行人员的对话里。

推荐理由:OpenAI 经济研究团队分析 80 多万条美国用户对话,发现非通用类工作消息中 43.5% 属于其他职业的任务,客服、设计和 HR 的跨界比例最高。

7月24日星期五

claude.dev 开发者博客

Claude 5 代模型的上下文工程新规则

Anthropic 介绍 Claude 5 代模型的上下文工程方法,将 Claude Opus 5 和 Claude Fable 5 的 Claude Code 系统提示词删减超过 80%,编码评测未出现可测量的损失。

推荐理由:Anthropic 将上下文管理拆成轻量仓库说明、按需加载技能和具体参考文件,为减少重复指令与过度约束提供了可迁移方法。

7月17日星期五

Google DeepMind

Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型

Google DeepMind 发布 Gemini 3.5 Flash Cyber,基于 3.5 Flash 微调,用于快速发现、验证和修补漏洞,在 CyberGym 等基准上以多次调用取得接近更大模型的成绩。

推荐理由:Google DeepMind 推出基于 3.5 Flash 微调的轻量网络安全模型,在 CyberGym 等基准上以多次调用取得接近更大模型的漏洞发现成绩。

7月8日星期三

OpenAI News

OpenAI 审计 SWE-Bench Pro,发现约三成题目本身有毛病

OpenAI 对编程评测集 SWE-Bench Pro 做了一次质量审查,估计里面大约 30% 的题目是坏的。他们先用自动管线筛出 286 道可疑题目,再让基于 Codex 的调查 agent 和五位资深工程师分别复核。工程师最终标记出 249 道(34.1%)有缺陷的题目,主要毛病是测试太死板、题目描述漏要求、测试覆盖不足,以及题目描述误导模型。

推荐理由:OpenAI 审计 SWE-Bench Pro 时结合自动筛查与人机复核,给出了定位编程评测题目缺陷的分层审查流程。