Google 在 I/O 大会上把 Gemini 重新定位成消费级 AI 入口和开发者代理平台。最核心的发布是 Gemini 3.5 Flash，今天就能用，上下文窗口 100 万 token，单次最多输出 6.5 万 token，提供“极简/低/中/高”四档思考深度，并且能在多轮对话里保留思考过程。官方说它比 3.1 Pro 更强，尤其在终端操作、编...
推荐理由：Google I/O 这次不是单点发布，是把模型、视频、agent 和开发工具打包一起推。Gemini 3.5 Flash 的定价和上下文窗口摆在那，对做应用的人有直接参考价值；Omni 的视频理解和 Spark 的后台 agent 思路，跟现在行业里追的 agent 落地、多模态成本是同一根神经。我会先打个折——现场 demo 和实际 API 稳定性之间通常有差距，但信息量够、时间点敏感，放 P1 没问题。
微软内部认为，Cursor、Claude Code 这类 AI 编程助手正在改变开发者写代码和协作的方式，大家不再需要频繁把代码传到 GitHub 仓库，这让 GitHub 的托管业务受到根本性冲击。微软已经要求部分团队在 2026 年 6 月底前停用 Claude Code，统一改用自家的 GitHub Copilot CLI，表面理由是统一工具链和...
推荐理由：这条消息的杀伤力在于“内部示警”和“生存级风险”这两个词，把 AI 编程工具对 GitHub 托管业务的威胁摆到了台面上。我会先打个折：目前只有一家媒体爆料，微软和 GitHub 都没公开回应，所以不能当定论看。但信息量够硬——微软一边推 Copilot CLI，一边给 Claude Code 设了停用 deadline，说明内部已经在用行政手段抢开发者入口了。对从业者来说，这比单纯的产品更新更有嚼头：如果 AI 编程工具真的让代码托管变得可有可无，GitHub 的护城河就塌了一大块。正文没披露这个决策覆盖多大规模、是否全球执行，这点先别太激动。整...
彭博社援引知情人士消息称，SpaceX 打算在上市 30 天后买下 AI 编程助手 Cursor。这篇报道没披露交易金额、IPO 时间表，也没提监管审批条件。Cursor 是目前程序员圈子里很火的 AI 写代码工具，如果交易落地，SpaceX 等于直接把一套成熟的 AI 开发工具塞进自己的工程体系里。不过现在连 SpaceX 什么时候上市都还没定，这个...
推荐理由：Bloomberg 的信源加上 SpaceX 在 IPO 后立刻买 Cursor 这个奇怪安排，让消息本身够硬、够新、也够有话题性，所以 HKR 全中。不过正文没披露价格、IPO 时间表和监管条件，信息缺口明显，分数就停在 84，不到 85 的 P1 线。
Claude Code 团队发现让模型直接生成 HTML 页面，比用 Markdown 更能把事说清楚。文章举了四个具体用法：用表格做对比、用 CSS 控制排版样式、用 SVG 画图表、用 JavaScript 加交互操作。他们没说性能数据或成本变化，更像是一篇内部实践分享，告诉你“我们这么用下来效果不错”。
推荐理由：Claude Code 团队把默认输出从 Markdown 切到 HTML，这篇官方博文列出了表格、CSS、SVG 和 JS 交互四种用法，说明 HTML 在展示结构化结果和可交互内容上比纯文本强。对写代码的人有实操参考价值，但不算重大产品发布，放在 featured 档合适。
Google Research 在《自然》杂志上发表了他们基于 Gemini 的“经验研究助手”（ERA），同时通过 Google Labs 的可信测试者计划开放了早期访问。这个工具想帮研究人员自动完成文献综述、提出假设和设计实验这些耗时的工作。文章主要讲了 ERA 从一篇 Nature 论文走向实际计算发现工具的过程，但正文没披露它在真实科研场景里的...
推荐理由：Google Research 把基于 Gemini 的 ERA 发在了 Nature 上，同时通过 Google Labs 的可信赖测试者计划开放初步试用。我会先打个折：正文没给出具体指标、基准测试设置，也没讲可复现的工作流细节，所以没法判断它到底有多能打。但这件事本身值得关注——它不是在秀一个 demo，而是试图把论文里的研究助手推到真实科研场景里去验证。这点先别太激动，等看到实际使用反馈和量化结果再说。
Google 宣布 Gemini CLI 将在 2026 年 6 月 18 日停止服务，个人免费用户和 Pro/Ultra 订阅用户届时都无法再使用。这个命令行工具去年发布后攒了超过 10 万 GitHub 星标和 6000 个合并请求，但 Google 认为用户现在需要的是多个 AI 代理互相配合干活，而不是单打独斗，所以决定把精力集中到新的 Ant...
推荐理由：Google 开发者博客扔出一个 Gemini CLI 的停用日期，并指向 Antigravity CLI 作为替代。标题本身就是一个硬截止日，对依赖这条命令行的开发者冲击不小，所以 HKR 三项都站得住。不过正文除了日期和迁移目标外，没解释怎么迁、兼容性如何、旧项目会不会断，信息量其实很薄。我会先打个折，把它放在 featured 的低位，因为截止日本身就有新闻性，但细节缺口太大，不值得给更高分。
谷歌 AI 在 X 上宣布推出 Gemini 3.5 系列，首发的是 Gemini 3.5 Flash。官方说这个版本重点强化了智能体（让模型进业务流程干活）和编程能力。正文没披露参数量、价格、跑分成绩和上下文窗口大小，所以实际提升有多大、成本划不划算，现在还没法判断。
推荐理由：Gemini 3.5 系列是 Google 的正代更新，Flash 版先出，定位在智能体和编程，这两个方向现在很热。但正文没披露价格、上下文长度和参数量，我会先打个折——信息不全，实际落地成本不好判断。这点先别太激动，等补上关键数字再重新评估。
Google 在 I/O 后开放了 Gemini 3.5 Flash，产品端和 API 都能用。官方说它在多数基准测试上比 3.1 Pro 强，编程能力提升明显，每秒吐 token 的速度是其他前沿模型的 4 倍。不过帖子没给具体跑分数字和测试条件，这点先别太激动。
推荐理由：Google 在 I/O 后放出了 Gemini 3.5 Flash，产品和 API 都能用。最抢眼的数字是每秒吐 token 的速度是其他前沿模型的 4 倍——我会先打个折，因为正文没披露跟哪些模型比、在什么条件下测的，也没给价格和上下文窗口。这点先别太激动，但速度翻几倍对降低延迟和成本确实有用，所以这条消息值得从业者看一眼。
谷歌在 I/O 开发者大会上推出了 Gemini 3.5 Flash，官方说这是他们目前写代码和驱动 AI 智能体（让模型进业务流程干活）最强的模型。它能独立跑通编程流程、管理研究项目，内部测试里甚至从零搭建了一个操作系统。这标志着谷歌的重心从聊天转向了能自主执行复杂任务的智能体。不过，正文没披露这个模型的参数量、上下文窗口和具体定价，所以实际成本和规...
推荐理由：我会先打个折：正文没披露参数量、价格和上下文窗口，所以性能上限和实际成本都还看不清。但 Google 这次把 Gemini 3.5 Flash 直接押在 agent 和从零写软件上，等于说“别只把我当聊天工具，我能进业务流程干活”。对做 agent 和代码生成的人来说，这个方向比单纯刷榜更有看头。不过没给技术细节和定价，现在只能当信号看，别太激动。
Google 在 I/O 上把去年 10 月亮相的代码安全工具 CodeMender 的 API 开放给一批专家测试，定位是“能自己发现漏洞并修好”的 AI agent。DeepMind CTO 说目标是帮全球代码库做安全加固。文章拿它跟 Anthropic 突然发布的 Claude Mythos Preview 对比，但正文没披露 CodeMende...
推荐理由：HKR 三项都踩中了，但正文只确认了封闭内测和标记修复机制，开放时间、价格、评测结果全都没披露，所以先放在 featured 这一档。
谷歌在 I/O 大会上掏出了 Gemini 3.5 系列的第一个模型 Flash，定位很明确：让模型进业务流程干活，处理那种步骤多、周期长的任务。在 Terminal-Bench 和 MCP Atlas 这两个考编程和代理能力的测试里，它的分数压过了自家上一代的 3.1 Pro。速度方面，比别家顶尖模型快 4 倍，如果放在谷歌自己的 Antigravi...
推荐理由：谷歌在 I/O 大会上扔了个 Gemini 3.5 Flash，专门给那种要跑很久、步骤很复杂的 agent 工作流用的。我会先打个折：跑分是谷歌自己给的，第三方还没复现，但 Terminal-Bench 上超 3.1 Pro、速度是其他前沿模型 4 倍这些数字，如果属实确实省钱省时间。Antigravity 环境里飙到 12 倍，这点先别太激动，正文没披露那是啥场景、跟谁比。整体看，这是个同日发布的重要模型更新，对做 agent 落地的人有直接参考价值，但还没到改写行业规则的程度。
Google 给 AI Studio 加了个新功能：你输入想法，它直接生成一个能在安卓手机上跑的 App。平台里内嵌了安卓模拟器，写完可以先预览；想真机体验的话，把手机连上电脑就能安装。Google 说后续还会开放测试邀请功能，但目前还没上线。这次首发主要面向个人小工具类应用，不是啥都能做。
推荐理由：Google AI Studio 现在能靠提示词直接吐出可安装的 Android 原生应用，还带模拟器预览和真机安装。初版只覆盖个人工具类应用，不是完整开发环境，所以算中等分量的产品更新，不是 P1。
Google 在 I/O 大会上把 Android CLI 推到了 1.0 稳定版。这东西是个命令行工具，主要作用是让各种 AI 编程助手（比如 Claude Code、OpenAI Codex，或者 Google 自家的 Antigravity）能直接通过命令行来构建安卓应用，不用非得打开 Android Studio 的图形界面。它内置了一个“an...
推荐理由：我会先打个折：正文没给版本号、发布时间，也没性能数据，所以只能当个信号看。但 Google 加 Android 加 agentic coding 这个组合，本身就够上 featured 线。它不是在秀技术指标，而是在开一扇门——让 agent 从命令行直接插手 Android 构建，这对移动端开发者的工作方式冲击不小。
Google 在 I/O 2026 上给自家的网页版 AI Studio 加了个新功能：直接用自然语言描述需求，几分钟就能生成一个原生的安卓应用。以前搭环境、写代码可能要几周，现在把门槛压到了“会打字就行”。不过正文没披露背后用的是哪款模型、生成的应用能复杂到什么程度、有没有代码审查机制，也没提收费方式。另外 Google 还提到会用 Gemini 帮...
推荐理由：Google AI Studio 这次更新把代码生成直接落到安卓原生应用上，速度卖点很明确。正文没披露模型、价格和发布范围，所以只能算中等体量的产品更新，先放在 featured 档。
Google 在 I/O 大会上推出了编程助手 Antigravity 的 2.0 版本，主要更新了桌面应用、命令行工具和一个用来搭自定义流程的 SDK。同时，他们新加了一个每月 100 美元的 AI Ultra 套餐，使用额度是 AI Pro 套餐的 5 倍。不过，这篇报道没具体说桌面应用和命令行工具到底更新了哪些功能，也没提 SDK 能接入哪些外部系统。
推荐理由：HKR 三项都踩中了，但正文没写桌面应用和 CLI 具体能干什么，功能细节是空的，所以分数压一压，不上 78。Google I/O 的发布节点加上 100 美元套餐和 5 倍额度，够上 featured。
Google 把顶配 AI Ultra 套餐从每月 250 美元降到 200 美元，同时加了一个每月 100 美元的新档位。新档位把 Gemini 应用的使用上限提到 Pro 套餐的 5 倍，主要面向编程和创作场景，还附带新功能抢先体验、20TB 存储和 YouTube Premium。正文没说明 5 倍限额具体对应多少调用次数，也没提新功能抢先体验的...
推荐理由：这是订阅价格和配额打包调整，不是模型或能力发布，但官方来源、价格数字都实在，对用 Google 生态干活的人有直接影响。降价幅度和新增档位让信息够硬，放在 featured 没问题。
Codegraph 的做法是提前给代码建好一张知识图谱，把符号关系、调用链和代码结构都索引好。在 VS Code 的测试里，工具调用从 52 次降到了 3 次，运行时间从 1 分 37 秒缩短到 17 秒。不过正文没披露具体测试的代码规模和任务复杂度，这个 94% 的降幅能不能在别的项目里复现还不好说。
推荐理由：HKR 三条都过了，但证据目前只有 Reddit 帖子和公开仓库的自测结果，没有独立复现或第三方验证。94% 的降幅和 52→3 的调用次数足够上 featured，但还不到 p1 的确定性。我会先打个折：数字好看，但别太激动，等有人复现再说。
Google DeepMind 推出 Gemini 3.5 系列，首发的是 3.5 Flash。官方说这是他们目前最适合让模型进业务流程干活和写代码的模型。正文没披露参数量、价格和上下文窗口，实际能力还得等跑分和实测。
推荐理由：HKR 三项都成立。Google DeepMind 把 Gemini 3.5 的首发押在 Flash 版本上，并且直接挂上 agent 和 coding 的标签，钩子够清晰。新事实是 3.5 Flash 先跑出来，但参数、价格、上下文窗口一概没提，信息有缺口，所以重要性我给 88，没往更高拉。对做模型选型和 agent 落地的人来说，这条更新会直接影响后续决策，相关性没问题。
有 Reddit 用户扒了 API 日志，发现 Cursor 和 Claude Code 的 agent 干活时，会在上万行的代码库里反复用 grep 搜大约 40 个文件，有时为了改 5 行代码就把整个 2000 行的文件塞进上下文。更夸张的是，在真正开始写代码前，光工具定义和操作日志就先吃掉大约 3 万个 token。帖子认为工具本身没降智，是这种...
推荐理由：这篇 Reddit 帖子没走“模型降智”的老路，而是从 API 日志里挖出一个更扎心的解释：agent 在工作时自己把上下文窗口塞满了。我会先打个折——这只是单帖爆料，没附原始日志，也没第三方复现，所以不能当定论。但它的价值在于把模糊的“变慢变蠢”翻译成了可排查的结构性问题：仓库一大，递归检索就失控，工具描述和日志占掉大量 token，留给真正写代码的空间反而不多。对正在用这类工具的从业者来说，这比猜模型更新管用，因为它指向了可以动手优化的地方，比如裁剪工具定义、限制检索深度。正文没披露具体复现步骤，这点先别太激动，但作为一线信号已经够格上 fea...
作者给 Claude Code 下了一段精确的提示词，两分钟就吐出一个单文件 HTML 页面，暗色主题、时间线、可折叠表格全都有，没有外部依赖，拿来就能用。他以前在 Notion 里搭同样的模板要花 30 到 40 分钟，效率差了近 20 倍。核心是把视觉、内容结构和交互细节一次性写进提示词里，让模型直接交付成品。正文没披露具体提示词全文，也没说生成后...
推荐理由：HKR 三项全中：有具体的 Claude Code 实操钩子，有 2 分钟 vs 30-40 分钟的硬数字对比，对一线干活的人直接有用。范围虽小，但信息密度够，放在 featured 没问题。
Kimi 正在进行一笔 20 亿美元（约 136 亿人民币）的融资，已接近收尾。新股东名单里出现了国智投、北京人工智能基金等国资机构，以及中国移动这样的央企。今年 1 月和 2 月，Kimi 已经密集完成了三轮融资，分别拿了 5 亿、7 亿和 7 亿美元。加上最新这笔，不到半年融资总额超过 39 亿美元，估值比去年 11 月的约 43 亿美元翻了四倍多...
推荐理由：Kimi 这轮融资还没完全 close，所以先不打满分。但国智投和中国移动出现在股东名单里，加上半年估值从不到 10 亿跳到 40 亿左右，说明国资在加速给头部模型公司兜底。我会先打个折：正文没披露具体估值计算方式和交割时间，这点先别太激动。
Vlad Feinberg 写了一篇求职笔记，把进前沿实验室的门槛讲得很直白：核心能力是底层性能调优，也就是能动手改内核（kernel），让模型训练真的跑得动。他给了一道具体的面试题——先推导 Chinchilla 缩放定律，并比较它在稠密模型和 MoE（混合专家）架构下的区别；然后用 JAX 从零实现，最后写一个 Pallas 内核，要求在专家维度 ...
推荐理由：这篇文章把“进前沿实验室做预训练”拆成了可操作的技能清单：手写 JAX 内核、自己推一遍 Chinchilla 定律、用 Pallas 给 MoE 的 up/down 投影做融合。我会先打个折——正文没披露这些建议是 Vlad Feinberg 的个人经验还是 Google 的普遍要求，也没说这些技能在面试里占多大权重。但光是这份清单本身，对想往预训练方向走的人就有参考价值，尤其是把“懂缩放定律”从一句空话落到“自己推导过”这个动作上。
The Information 统计了 34 家头部 AI 创业公司的年化收入，加起来约 800 亿美元。OpenAI 和 Anthropic 两家就占了 89%，其中 Anthropic 到 2026 年 4 月年化收入已超过 300 亿，反超 OpenAI 对外报的 250 亿。不过原文因为微信环境验证拦截，正文没披露具体统计口径和收入确认方式，这...
推荐理由：这条消息的钩子很清晰——Anthropic 收入反超 OpenAI，同时两家垄断近九成份额，比单纯说“行业总盘子大”更有信息量。The Information 给出的 800 亿年化收入和 89% 集中度是新的具体数字，不是泛泛的趋势判断。对 AI 从业者来说，收入集中度比融资额更能反映商业落地现状，所以值得推。不过这是二手财务报道，不是模型或产品发布，重要性定在 82 合理。
这篇文章是机器之心翻译的 Sebastian Raschka 博客，盘点了几款新模型的架构改动，核心都在想办法降低长上下文的显存开销。Gemma 4 的 E2B 方案在 128K 上下文、bfloat16 精度下，KV 缓存能省大约 2.7GB，这个数字挺实在的。另外还提到了 Laguna XS.2 和 ZAYA1-8B，但正文因为微信环境验证拦截，具...
推荐理由：这是一篇编译的架构趋势梳理，不是一手发布，但信息密度不错。我会先打个折，不往 breaking 级别推。HKR 三档都站得住：标题有明确的模型名钩子，正文有可引用的 KV Cache 节省数字，话题本身也直接关系到推理成本和部署预算。整体放在 featured 中段比较合适，既不过度拔高，也不低估它对从业者的参考价值。
Cursor 把 Composer 模型升级到了 2.5，说它在处理长任务、理解复杂指令上比之前强了不少，同等能力下效率能高出 10 倍。这次升级主要靠三件事：训练规模更大、强化学习环境搞得更复杂，还加了一套文本反馈机制，让模型能根据文字反馈自己调整。底层架构跟 Moonshot 的 Kimi K2.5 是同一套。另外 Cursor 正跟 SpaceX...
推荐理由：Cursor 发了 Composer 2.5，说同等能力下效率能提 10 倍，还提到用了更大的训练规模、更复杂的强化学习环境和文本反馈来调模型。我会先打个折：10 倍这个数目前只有厂商自己说，正文没给基准测试、没给价格、也没法复现验证，所以别太激动。但如果是真的，对用 Cursor 写代码的人来说确实挺省钱省时间。这条消息来自单一社交来源，信息量够让从业者关注，但缺硬数据支撑，所以分数定在 82，放在 featured 里提醒大家留意后续实测。
Anthropic 买下了一家叫 Stainless 的纽约初创公司，这家公司 2022 年成立，专门做一件事：自动生成和维护 API 的 SDK（就是开发者用来调接口的代码库）。有意思的是，Stainless 的客户名单里本来就有 OpenAI、Google 和 Cloudflare 这些 Anthropic 的直接对手。收购价和具体整合计划正文都没...
推荐理由：我会先打个折，因为没公布交易金额和整合细节，没法判断这笔收购到底有多大分量。但钩子确实强：Stainless 的客户名单里躺着 OpenAI 和 Google，Anthropic 把它买下来，等于把对手用的工具收进自己口袋。技术上，Stainless 干的事是自动生成和维护 API 的 SDK，省得开发者手动写调用代码，对想推 API 的模型公司来说是个实在的基建。正文没写收购后 Stainless 还会不会继续服务其他客户，这点先别太激动。整体看，这事对关注开发者工具和 API 生态的人有信息量，但缺关键数字，所以到不了更高分。
Claude Code 的快速模式现在默认跑在 Opus 4.7 上，输入 /fast 就能切过去。正文只提了调用方式，没写价格、上下文窗口多大、速率限制和灰度条件，这些实际用起来的关键信息都还缺着。
推荐理由：HKR 三项都成立，因为 Claude Code 把快速模式的默认模型换成了 Opus 4.7，而且给了明确的 /fast 调用路径。但价格、上下文长度、调用限额这些关键信息正文全没提，所以分数压在 72–77 这个区间。我会先打个折：知道换了什么，但不知道换完要花多少钱、能用多久，这点先别太激动。
llama.cpp 在 PR #22673 里正式合并了 MTP（多 token 预测）投机解码支持。实测 Qwen3.6 27B 用 Q8_0 量化，在 Strix Halo 上从 7.4 tok/s 提到 18.1 tok/s，速度翻了 2.44 倍；双 RTX 3090 的 Q8_0 方案也从 25.7 tok/s 涨到 55.9 tok/s，约...
推荐理由：HKR 三项都满足：llama.cpp 合入了 MTP 投机解码，用 Qwen3.6 27B 在 Strix Halo 和 RTX 3090 上跑出了实打实的加速数字。范围限定在本地推理优化，不是大模型发布，78 分放在 featured 合适。
Cursor 推出了 Composer 2.5，一个专门做长代码任务的模型。官方说在连续几十甚至上百步的复杂编程里，效率最高能到之前的十倍。技术上的关键是用了文本反馈来训练，解决了十万 token 级别超长轨迹的学习问题，让模型能稳定跟完一长串指令。底座还是拿 Moonshot 的 Kimi K2.5 继续训出来的。另外 Cursor 宣布要和 Spa...
推荐理由：Cursor 发 Composer 2.5，说长任务效率最高能提 10 倍，背后是用 Kimi K2.5 做二训、处理十万 token 级轨迹。我会先打个折——10 倍是官方说法，没看到独立评测，实际效果还得等用户跑起来再看。但 Cursor 本身是编程工具里的头部产品，这次更新又绑定了 Moonshot 的模型，对开发者选工具和模型都有参考价值。正文没披露二训具体用了多少样本、成本如何，这点先别太激动。整体信息量够、时效性强，给 82 分放在 featured 里合理。
GitHub 给 Copilot 加了个远程控制会话功能。你在 VS Code 或命令行里让 Copilot 开始跑一个任务，比如修 bug 或重构代码，然后可以关掉电脑，用手机或 github.com 网页接着看进度、继续对话或者让它接着干。这相当于把本地开发环境里的 AI 助手会话搬到了云端，随时能接上。正文没提这个功能要不要额外付费，也没说手机端...
推荐理由：GitHub 让 Copilot 任务从 VS Code/命令行搬到网页和手机，跨设备、新机制、可控性三个点都踩中了，所以 HKR 全亮。不过正文只给了入口和场景描述，权限怎么设、要不要额外付费、支持哪些任务类型都没说，实际能用成什么样还得等上线看。
InsForge 是一个 Apache 2.0 协议的开源后端平台，专门给编程类 AI（也就是 coding agent）用。它把数据库、用户认证、文件存储、算力托管和 AI 网关打包在一起，AI 写代码时可以直接调用这些现成模块，不用每次都从零搭后端。安装只要一行 CLI 命令，再配上它的 Skills 功能，AI 就能自己完成部署、运维和查错。目前...
推荐理由：InsForge 的定位很准，就是帮 coding agent 解决部署和运维的后端平台，一条命令安装，协议也宽松。不过目前只有 Show HN 和 GitHub 仓库，正文没披露实际使用量、性能基准或生产环境案例，所以先按 featured 处理，等有落地数据再往上调。
作者用一张 RTX 3090 24GB 跑 Qwen 3.6 27B，最终留用了 ik_llama.cpp 搭配 Qwen3.6-27B-MTP-IQ4_KS.gguf 这个量化版本。在 156k 上下文、q8_0 KV 缓存并开启 MTP 的设置下，输入约 5900 token 的提示、生成 1024 token 时，预填充速度约 1261 tok/...
推荐理由：这是一篇个人实测，不是官方发布，所以传播面窄一些，但信息密度很高。作者在单张 3090 上把 Qwen 3.6 27B 压进 24GB 显存，还跑通了 156k 上下文，最终选了 ik_llama.cpp 加 IQ4_KS 量化。prefill 能到 1261 tok/s，decode 72.9 tok/s，对本地部署来说相当可用。后端对比部分把 llama.cpp 系和 vllm 的取舍讲清楚了，对想自己搭推理服务的人有直接参考价值。我会先打个折：这只是单人单卡的一次测试，没有多卡、没有生产环境压测，但作为选型参考够用了。
OpenAI 宣布与戴尔合作，让 Codex 这个编程助手能跑在企业的本地服务器和混合云环境里，而不是只能连 OpenAI 的云端。Codex 现在每周有超过 400 万开发者用，企业已经拿它做代码审查、写测试、处理事故，甚至开始用它整理跨工具的信息、写报告、筛选销售线索。这次合作主要对接戴尔的两个现成基础设施：一个是管企业本地数据的 AI Data ...
推荐理由：我会先打个折：正文没披露上线时间、价格、地区和安全机制，所以现在只能当个方向性信号看。H 和 R 都很强——Codex 进本地机房，意味着企业可以把编程代理放在自己环境里跑，代码隐私和合规部署的想象空间一下子打开了。K 这边，合作本身是新的部署条件，但关键信息全缺，没法判断落地有多快、成本多高。综合下来，这条值得放在 featured 位置，但别急着下结论。
作者用 Gemma 4 的 4B 参数模型做了一个叫 SmallCode 的编程 agent，在 100 道题的基准测试里解出了 87 道。核心不是模型本身，而是给模型配了一套复合工具：写完代码自动编译、跑 lint 检查，出错就根据报错信息改；同一个任务连续失败两次后，会自动把问题拆成更小的子任务再试。遇到实在搞不定的题，还能把任务转给 Claude...
推荐理由：这是一篇 Reddit 个人实验帖，不是正式论文。我会先打个折：基准测试的具体身份和复现细节没给全，87 分到底是在哪个测试集上跑的、对比基线是谁，正文没披露。但作者把做法讲得很实在——用复合工具、编译反馈当纠错信号、任务拆解策略，这些工程思路对想自己折腾小模型编程智能体的人有直接参考价值。信息有缺口，但第一手实验的干货够，放在 featured 档合适。
Cloudflare 在自家代码仓库上测试了 Anthropic 的 Mythos Preview 模型，发现它比之前的通用模型强在两点：一是能把几个小漏洞串成一条完整的攻击链，推理过程像资深研究员；二是能自己写代码触发漏洞、编译运行，失败了会调整假设再试，直到拿出可用的验证脚本。但模型也有毛病，它有时会拒绝做合法的漏洞研究，换个说法或环境又同意了，这...
推荐理由：Cloudflare 这篇是实操观察，把 Mythos 这类安全模型扔进关键基础设施的实时代码测试里，发现它能揪漏洞，但也会误报，而且上下文一长就不稳。我会先打个折：正文没给样本量，也没给准确率、召回率这些硬指标，所以只能当经验分享看，不能当评测结论。不过它碰的问题很实在——安全模型在真实生产环境里到底靠不靠谱，这点先别太激动，但值得跟。
腾讯云上线了自家的 AI 设计工具 Ardot，定位是给产品、设计和开发用的协作平台。核心功能就两个：一是用一句话描述就能生成 App 页面、官网、海报这类可编辑的设计稿，支持调用团队自己的组件库来保证风格统一，也能直接导入 Figma 文件接着改；二是设计稿可以一键转成代码，把变量、组件、布局这些细节数据直接拉进 CodeBuddy 这类 IDE 里...
推荐理由：这条消息本身够具体，产品形态和输出物都交代清楚了，所以 H/K/R 全过。但正文没提模型能力、生成稿的还原度、代码质量、定价和实际用户反馈，这些缺口让它的重要性只能停在 73 分这个位置。我会先打个折，别因为“一键转代码”就过度激动，等有实测数据再调权重。
Cursor 把代码助手 Composer 升级到了 2.5 版，底层还是基于月之暗面的 Kimi K2.5 开源模型。这次主要做了三件事：一是用“文字反馈强化学习”，在模型犯错的地方直接插一句提示（比如“提醒：可用工具有这些”），让模型在那个点上学会纠正，而不是靠最后的总分去猜哪里做错了；二是把合成训练数据的量提到了上一代的 25 倍，并且动态生成更...
推荐理由：HKR 三项都踩中了：Cursor 本身就是编程助手的核心入口，文章又给了 Moonshot 基座、25 倍合成数据、文本反馈 RL 和分片 Muon 这些实打实的训练细节。我会先打个折——正文没给基准测试、没提价格，也没说用户端能力边界，所以分数卡在 78–84 这个区间是合理的。
MinishLab 开源了 Semble，一个专为 AI 编程 agent 设计的代码搜索工具。它把轻量级语义嵌入（Model2Vec）、传统关键词匹配（BM25）和融合排序（RRF）串在一起，最后再用重排序模型精排结果。在 63 个代码仓库的测试里，它的搜索质量达到 NDCG@10 0.854，每次查询在 CPU 上大约只要 1.5 毫秒。最直接的好...
推荐理由：Semble 的卖点很直接：给代码 agent 用的搜索工具，比 grep 加 read 少花 98% 的 token，CPU 上跑一次大概 1.5 毫秒。这个数字我会先打个折，因为基准测试里的 grep 用法可能不是最优的，但方向是对的——用传统检索加轻量重排来替代把整个代码库塞进上下文，确实能省不少钱和延迟。正文没披露重排模型的具体大小和准确率对比，这点先别太激动。整体还是工具链层面的改进，影响力到不了必须写的地步，但对做 coding agent 的人来说值得一试。
一位 Reddit 用户拿 DeepSeek V4 去啃 4.5 万、18 万和 52 万 token 的代码库，结论是 15 万到 25 万 token 时写代码最顺手。超过 30 万 token 后，模型对具体行号的定位开始不准；到 52 万 token 时，输出明显偏向架构总结，具体实现细节会跳过。帖子正文没披露测试用的具体任务和评估指标，所以这...
推荐理由：单篇 Reddit 帖子权威性有限，但 HKR 三项都站得住：有数字、有对比、有明确的失效模式。归入 featured 而不是更高，是因为复现细节和模型版本信息偏薄，先别太激动。
这篇文章本身因为微信环境验证没抓到正文，所以具体实验细节没法展开。但从标题和已有摘要能看出，研究团队用 OpenHands 跑了 8 个前沿模型在 500 个 swe-bench 编程任务上的表现，发现 Agent 模式下输入输出 token 比能到 154:1，而且人类标注的任务难度和实际 token 消耗之间关联很弱，Kendall tau 只有 ...
推荐理由：我会先打个折：这不是新模型发布，而是一篇基于轨迹数据的分析，所以放在 78–84 这个推荐区间是合适的。它的钩子很直接——token 花了一千倍，效果未必更好，这对正在给 coding agent 算账的团队来说，比单纯刷榜的新闻更有实际参考价值。文章给出了 OpenHands 在 500 个 swe-bench-verified 任务上的具体数字，154:1 的输入输出比和 0.32 的 Kendall tau，说明模型在排行榜上的名次和实际干活的表现相关性很弱。这点先别太激动，正文没披露不同模型各自的成本曲线，但至少把 agent 的隐性账单摆...