#GitHub

今日 0 条

9月25日星期五

GitHub Blog · AI & ML9/25 04:00

GitHub Copilot 的 canvas：当聊天不再是正确的 AI 交互界面

GitHub Copilot 应用推出 canvas，一种运行在应用内、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信，并能在本地执行代码、调用第三方 API。作者认为聊天只是 AI 的通用兜底界面，用户明确任务时更该让智能体生成可复用工具，而非把智能体本身当工具、白白消耗 token。示例包括 Connect 4 游戏、Winget 包管理、SQLite 操作和开发工作流自动化。

9月24日星期四

GitHub Blog · AI & ML9/24 02:29

GitHub Copilot 应用如何渲染超大 pull request

GitHub Copilot 应用重建了 pull request 视图，以流畅渲染含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 PR。其做法是把文档高度拆成确定性的代码几何与动态评论块两套几何：代码行高提前精确算好，评论高度按块懒测量并锚定到文件、行与侧，避免滚动跳动。

9月11日星期五

GitHub Blog · AI & ML9/11 05:31

GitHub Copilot 应用新手指南：使用 diff、终端与浏览器面板

GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让用户无需离开应用即可审查、运行和预览 AI 智能体生成的代码变更。diff 面板以绿色和红色高亮显示代码的增删改，终端面板支持直接运行项目命令并可通过 Run 按钮配置脚本，浏览器面板则提供 Pick & Polish 工具来选取页面元素并让智能体调整。

9月4日星期五

GitHub Blog · AI & ML9/4 00:00

GitHub Copilot 应用新手指南：如何同时运行多个智能体

GitHub Copilot 应用支持同时运行多个智能体会话，每个会话运行在独立的 Git worktree 上，互不干扰且各自保留上下文，可随时切换并从中断处继续。用户可在会话视图中查看各任务标题与进度，例如在同一项目上并行执行 funded sort 开发、无障碍审查和测试运行。

2025年9月25日星期四

OpenAI News9/25 19:00

ChatGPT 企业版上线共享项目，团队能一起调教同一个 AI 了

OpenAI 给付费的 Business、Enterprise 和 Edu 用户推了个共享项目功能。简单说，就是团队可以建一个项目空间，把文件、指令都扔进去，所有成员跟 ChatGPT 聊天时，它都会基于这个共享的上下文来回答，不用每次都重新解释背景。创建者能通过邮件或链接拉人，权限分两档：只能看和聊，或者还能改指令、传文件。项目有自己的独立记忆，敏感...

推荐理由：我会先打个折，这不是模型发布，是协作层的产品更新。共享项目、8 个连接器、按提示自动路由连接器，这三件事合在一起，让 ChatGPT 从单人对话框往团队工作流里又挤了一步。权限和记忆的设计看得出在认真做企业控制，但正文没披露自动选择连接器的准确率和延迟，这点先别太激动。整体是扎实的迭代，不是概念车。

锐评

OpenAI 这次更新核心是让 ChatGPT 从个人工具往团队协作上靠。共享项目功能允许团队建一个空间，把文件、指令扔进去，所有成员跟 ChatGPT 聊天时它都会基于这个共享上下文回答，不用每次都重新解释背景。权限分两档：只能看和聊，或者还能改指令、传文件。项目有自己的独立记忆，敏感信息不会串到别的对话里。

目前这个版本只能异步协作，就是你能看到别人跟 ChatGPT 聊了什么，但不能同时在线一起改东西。OpenAI 自己也说这是团队协作的早期一步，后续会看反馈再迭代。

另外还接入了 Gmail、Google Calendar、Outlook、Teams、SharePoint、GitHub、Dropbox 和 Box 这些外部工具，ChatGPT 能自己判断什么时候该去哪个工具里翻资料来回答问题。官方说响应速度和准确率都有提升，但没给具体数据。安全方面拿了几个 ISO 认证，加了基于角色的权限控制和增强的单点登录，企业管理员可以默认关闭这些功能。

正文没披露共享项目的人数上限、文件大小限制，也没说自动选择连接器的准确率到底提高了多少。这些实际用起来才会知道坑在哪。

2025年9月15日星期一

OpenAI News9/15 18:00

OpenAI 把 GPT-5 调成了专门干活的编程助手 Codex，一个模型同时搞定聊天写码和长时间自主跑任务

OpenAI 发布了 GPT-5-Codex，并把它设为 Codex 云端任务和代码审查的默认模型。这个模型专门针对真实软件工程任务训练过，既能跟你快速交互式写代码，也能自己独立跑复杂任务，测试中最长连续干了超过 7 个小时。在 OpenAI 内部员工的使用数据里，对于 token 消耗最少的那 10% 的简单对话，GPT-5-Codex 比 GPT-...

推荐理由：OpenAI把GPT-5-Codex设为Codex云任务和代码审查的默认模型，给了几个硬数字：7小时自主执行、低端请求token省93.7%、高端请求耗时翻倍。这说明他们想把交互编程和长时代理执行揉在一起，但定价和完整可用性正文没披露，所以先别急着算账。

锐评

这次更新核心是把交互式编程和能独立跑任务的 agent 能力塞进同一个模型 GPT-5-Codex 里。它不再只是补全代码，而是能像人一样长时间执行任务，测试中最长连续干了超过 7 个小时，自己改实现、修测试。内部数据说，对最简单的对话，它比 GPT-5 省了 93.7% 的 token；对最复杂的任务，它花在推理、编辑和测试上的时间反而多了 2 倍。这个“看人下菜碟”的动态思考机制是亮点，意味着简单请求响应更快，复杂活更靠谱。

不过，文章只提了模型能力，没给具体定价。虽然 9 月 23 日的更新说 API 价格和 GPT-5 一样，但原文正文里没写，得去开发者文档里翻。另外，7 小时连续运行的成功率、失败模式都没披露，实际用起来稳定性要打个问号。代码审查能抓什么级别的 bug 也没说清楚。

OpenAI News9/15 08:00

OpenAI 发了 GPT-5-Codex 的系统卡补充说明，专门给写代码的 agent 用

这个模型是 GPT-5 的一个变体，针对 Codex 里的 agent 编程场景做了优化。训练时用了强化学习，让它在真实编程任务里学会写出更贴近人类风格和 PR 偏好的代码，还能自己跑测试直到通过。现在可以在终端、IDE、网页、GitHub 和 ChatGPT 手机 App 里用。安全方面，模型层面做了防有害任务和防提示注入的训练，产品层面加了沙盒和可...

推荐理由：HKR 三项都踩实了：OpenAI 把代理式编程铺到多个入口，训练和安全措施有具体交代，而且正好打在行业最关心的执行边界上。基准分数、价格和上下文窗口正文都没写，所以分数没往上拉，停在 84。

锐评

这篇系统卡附录说的是 GPT-5 的一个编程特化版，主要用在 Codex 这个产品里。训练方式是用强化学习让模型在真实编程任务里学会写更贴近人类风格、更符合 PR 偏好的代码，还能自己跑测试直到通过。这点听起来挺实用，相当于让模型学会“写完代码自己先跑通再交差”。

安全方面分两层：模型层做了防有害任务和防提示注入的训练，产品层加了沙盒和可配置的网络权限。但正文没披露任何基准测试分数、API 价格、上下文窗口大小，也没说这个模型跟原版 GPT-5 在非编程任务上的能力差多少。所以现在只能把它当成一个产品更新公告，没法判断实际性价比。

还缺的信息：跟上一代 codex-1 的对比数据、在真实项目里的通过率、以及沙盒环境的具体限制。这些不补上，光看系统卡很难评估它到底强在哪。

2025年5月16日星期五

OpenAI News5/16 16:00

OpenAI 为 o3 和 o4-mini 系统卡补了一份 Codex 说明

OpenAI 在 5 月 16 日给 o3 和 o4-mini 的系统卡打了个补丁，专门讲 Codex 这个云端编程助手。Codex 背后是 codex-1 模型，它是 o3 的一个变体，专门针对软件工程任务用强化学习练过，目标是写出像人一样风格、符合 PR 偏好的代码，并且会自己跑测试直到通过。每个 Codex 实例都在一个独立的云端容器里干活，容器...

推荐理由：这篇是系统卡补编，不是主产品发布，但信息密度不低。我会先打个折，因为安全文档通常偏保守，不过它把执行细节讲清楚了：独立云容器、用户自配开发环境、启动后断网、能跑测试和 lint。真正值得看的是可验证链路——Codex 会引用终端日志和文件，结果能直接导出成 GitHub PR 或本地 diff，这对审计和信任加分很大。正文没披露具体性能基准或成本数据，所以别急着对标其他编码代理。整体属于有料但不炸裂，featured 合理。

锐评

Codex 是 OpenAI 把 o3 模型改造成云端编程助手后的产物，背后模型叫 codex-1，专门用强化学习在真实编程任务上练过，目标是写出像人一样风格、符合 PR 偏好的代码，并且会自己跑测试直到通过。每个 Codex 实例跑在独立的云端容器里，装好用户指定的代码和环境后就会断网，之后只能读写文件、跑测试和检查工具。这个断网设计是个实在的安全措施，能防止模型在干活时往外偷数据或接收恶意指令。

比较实用的一点是它留了审计痕迹：Codex 会引用终端日志和文件来证明自己干了什么，用户能验证它的工作，完成后可以导出成 GitHub PR 或本地 diff。正文没披露 codex-1 的具体参数量、训练数据规模，也没说强化学习的奖励函数怎么设计、偏好数据从哪来。这些缺口让人没法判断它生成代码的质量天花板和潜在偏见。另外，断网容器虽然安全，但也意味着它没法实时查文档或拉依赖，实际开发中会不会因为缺上下文而写出过时代码，这点正文没提。

OpenAI News5/16 16:00

OpenAI 发布云端编程代理 Codex，能并行处理多个开发任务

OpenAI 在 5 月 16 日推出了 Codex 的研究预览版，这是一个跑在云端的软件工程代理，底层是专门为编程优化过的 codex-1 模型（基于 o3）。你可以把它当成一个能同时干好几件事的远程开发助手：在 ChatGPT 侧边栏里给它派活，比如写新功能、修 bug、回答代码库的问题或者直接提 PR。每个任务都在独立的沙盒环境里跑，它会自己读代...

推荐理由：OpenAI 这次不是给代码补全加功能，而是直接扔出一个云端软件工程代理 Codex。它能在隔离沙箱里读写仓库、跑命令和测试，单个任务耗时 1 到 30 分钟，还会把终端日志和测试结果吐出来给你看——这点挺实在，不是光说“能写代码”就完了。首发给了 Pro、Business、Enterprise 用户，6 月 3 日才扩到 Plus，正文在价格和完整限制上截断了，所以我会先打个折：产品方向够硬，但商业细节没讲透，先给 88 分。

锐评

OpenAI 在 5 月 16 日发布了 Codex 研究预览版，你可以把它理解成一个跑在云端的软件工程代理。底层模型 codex-1 是基于 o3 专门为编程任务优化过的版本，训练时用了强化学习，让模型学会模仿人类的代码风格和 PR 偏好，并且能自己反复跑测试直到通过。

它的工作方式是在 ChatGPT 侧边栏里接活，每个任务在独立的沙盒环境里运行，能读代码库、改文件、执行命令，通常 1 到 30 分钟出结果，最后会提交更改并附上终端日志和测试输出作为证据。官方给出的内部基准测试成绩不错，但正文没说明这些测试任务的具体难度分布，也没给出与主流开源模型的横向对比，所以这个“强”要打个问号。

目前先推给了 Pro、Business 和 Enterprise 用户，Plus 用户 6 月 3 号才用上。最大的信息缺口是定价和用量限制，正文只提了“可用”，没写清楚每次任务花多少 token 或多少钱，也没说沙盒环境的计算资源上限。另外，安全部分只开了个头就被截断，具体有哪些护栏措施、会不会审查代码内容，这些都没展开。

2024年8月13日星期二

OpenAI News8/13 18:00

OpenAI 发布 SWE-bench Verified：人工复核过的代码能力测试集

OpenAI 和 SWE-bench 原作者一起搞了个“验过货”的子集，叫 SWE-bench Verified。他们发现原版测试有坑：单元测试太死板、问题描述含糊、环境搭不起来，导致明明对的代码被判错，会系统性地低估模型写代码的真实水平。截至 2024 年 8 月 5 日，头部智能体在原版 SWE-bench 上得分约 20%，在 SWE-bench...

推荐理由：这不是一次常规发布。OpenAI 拉着原作者把 SWE-bench 翻了一遍，点出三类硬伤，还给出了新的分数天花板。我会先打个折：正文没披露修正后的完整新榜单，但现有数据已经足够让人重新审视那些代码智能体的评测成绩。

锐评

OpenAI 这次没发新模型，而是动手修了修考卷。他们发现 SWE-bench 这个流行的代码能力测试有不少“冤假错案”：单元测试卡得太死，跟要解决的问题对不上；问题描述写得太模糊，模型不知道到底该修什么；还有环境配置的锅，导致正确的代码跑不起来。这些坑会让模型得分系统性地偏低，截至 2024 年 8 月 5 日，头部智能体在原版上只有约 20% 的得分，但在更干净的 Lite 版上能到 43%。

所以他们拉上原作者，人工筛了一遍，搞出了 SWE-bench Verified 这个子集。具体怎么筛的、筛完还剩多少题、以及新基准下各家模型到底跑多少分，正文里没给具体数字，这点比较可惜，没法直接判断修正后的评估能有多大变化。

对从业者来说，这条消息的价值在于提醒：别光盯着排行榜上的绝对分数，得先看看考卷本身有没有问题。OpenAI 把这事放在“模型自主能力风险”的框架下讲，说明他们更担心的是低估模型能力导致安全准备不足。但反过来想，如果基准本身有系统性偏差，那之前基于原版分数做的所有能力对比和趋势判断，都得打个折扣重新审视。