Gondola 收入翻倍，团队借助 Codex 完成更多工作
Gondola 在扩大对 OpenAI Codex 的使用的同时，收入翻了一番；Codex 使其首席工程师的产出提高了 50%。这家帮助创意工作者获得署名和就业机会的公司还使用 ChatGPT 简化日常工作。
#编码
OpenAI NewsAI 评分1818 OpenAI NewsAI 评分2222 Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进
Amplitude 的主动式产品智能体 Wave 主要基于 OpenAI 模型构建，可识别需要构建的内容，帮助团队借助编码智能体交付变更，并衡量其影响。这一方案让 Amplitude 能在 1–2 天内交付产品改进。
Microsoft ResearchAI 评分2222 微软研究院焦点版第98期：AI翻译、KLS猜想证明与更快的编码智能体
微软研究院焦点版第98期重点介绍了AI进展使通用翻译更接近现实，以及一项新证明解决了高维几何中悬置31年的KLS猜想。本期还涵盖CompactionBench和APEC，它们将编码智能体的上下文压缩成本最多降低25.4%，执行时间缩短9.6%，以及Latent Core Tokenizer，它在104种语言上改进了分词。
OpenAI NewsAI 评分2222 Amplitude 如何借助 OpenAI 在 1–2 天内交付产品改进
Amplitude 的主动式产品智能体 Wave 主要基于 OpenAI 模型构建，可识别需要构建的内容，帮助团队借助编码智能体交付变更，并衡量其影响。这一方案让 Amplitude 能在 1–2 天内交付产品改进。
AWS Machine Learning BlogAI 评分3434 使用 Amazon Bedrock 和 LiteLLM 构建自助式 LLM 网关
一个基于 Amazon Bedrock Application Inference Profiles 和运行在 AWS Fargate 上的 LiteLLM 构建的自助式 LLM 网关，通过 OpenAI 兼容 API 对外暴露 Bedrock 基础模型，为开发者提供单一 base URL 和每用户密钥。该方案增加了每用户支出控制、按模型配额隔离以及 CloudWatch RPM/TPM 可观测性，并使用 Langfuse 实现提示词级遥测。自助发放密钥需要 LiteLLM Enterprise，因为免费版仅限五个用户。
AWS Machine Learning BlogAI 评分5858 Moonshot AI 的 Kimi K3.1 Pro Highspeed 在 Amazon Bedrock 上线
Moonshot AI 的 Kimi K3.1 Pro Highspeed 现已在 Amazon Bedrock 上可用，它是 Kimi K3 的后训练版本，具有相同的 3T 级开放权重架构和 100 万 token 上下文窗口，使用更多后训练算力进行训练，以支持长时程智能体工作并减少事实性错误。Moonshot AI 报告其输出速度是 Kimi K3.1 Pro 的 2–3 倍，现有 Kimi K3 用户可以通过更改模型 ID 进行切换。该文章展示了 Chat Completions、Responses 和 Converse API 调用、价格为 Standard 一半的 Flex 层级、使用 prompt_cache_breakpoint 的显式提示缓存，以及将模型连接到 OpenCode 编码智能体。
OpenAI NewsAI 评分1818 Holiday Extras 使用 Codex 将客户专业知识转化为更好的应用
Holiday Extras 正在使用 OpenAI 的 Codex，将客户专业知识转化为更好的应用、更高的预订转化率和新的增长机会。这家旅行附加服务公司正在重新思考借助该编码模型可以构建什么。
Google Developers BlogAI 评分5858 谷歌工程师用 Gemini 4 Argon 和 Z3 捕获 fuzzing 漏掉的 Go 边界检查缺陷
一位负责谷歌 agent skills 项目的工程师构建了一条流水线：Gemini 4 Argon 读取 Go 源码和 RISC-V 反汇编，将存活的 runtime.panicBounds 陷阱转换为 Z3 约束，然后 go test 将任何满足条件的输入重放为真实复现用例。该工作流捕获了 skill-lint 中全部三个植入缺陷和三个潜在缺陷，而未设种子的 go test -fuzz 漏掉了两个植入崩溃，因为 Go 按容量而非长度检查切片。用 data[:len(data):len(data)] 将容量裁剪到长度后，fuzzer 在三次运行中均使两个越界缺陷崩溃，中位数分别为 0.28 秒和 0.17 秒。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon，面向智能体编程、网络安全与科学推理
Google DeepMind 向开发者、企业、科学家和消费者开放了 Gemini 4 Carbon，将其定位在 Gemini 4 Argon 之上，适用于需要更深层推理和更多 token 的任务。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一，每任务成本比次优外部模型低 2 倍以上，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，与 Argon 的 introductory 价格相同。Google 还预览了 Google Antigravity 中的 /swarm，可将单个提示转化为协同工作的智能体团队，并报告 Carbon 在模拟网络攻击测试中拦截了 99% 的攻击轨迹。
推荐理由：Google 的发布说明详细介绍了 Gemini 4 Carbon 如何以更高的 token 用量换取更深层推理，在 CursorBench 4.0、WANDR 和 AutomationBench 上排名第一，每任务成本不到次优外部模型的一半。
Meta AI Research Blog精选AI 评分7878 Meta 发布 Muse Ember，其最小、最高效的智能体任务模型
Meta 发布了 Muse Ember，这是其最小、最高效的模型，面向智能体全天执行的重复性工作，例如工具调用、编码子任务、路由、抽取和长文档解析。Meta 称其在约三分之一成本下达到 Claude Haiku 5.5 的最佳分数，并击败 GPT-6 Luna 的所有配置，价格为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元。该模型配备 100 万 token 上下文窗口、最高 51.2 万输出 token，原生支持文本、图像、音频和视频输入，即日起在 Muse Code 和 Meta Model API 上以 muse-ember-1.0 提供。
推荐理由：Meta 最小的模型瞄准高吞吐的智能体步骤，其与 Claude Haiku 5.5 和 GPT-6 Luna 的每任务成本对比说明了效率主张的来源。
GitHub Blog · AI & MLAI 评分3838 超越代码生成：开发者的智能体工程指南
GitHub 发布了一份面向开发者的智能体工程指南，介绍了 Copilot 如何支持软件工作中的规划、构建、验证和观察四个阶段。该指南引用了 GitHub 今年 10 月单周 12 亿次提交的数据，比一年前增长超过 400%，还引用了 Faros AI 的一项研究：随着团队从低 AI 采用率转向高 AI 采用率，拉取请求在审查环节的停留时间延长了 441%。指南详细介绍了多项功能，包括 Slack 或 Teams 中的 Copilot、Plan Mode、GitHub Agentic Workflows、云沙箱、会话连续性、共享记忆、Copilot Dreaming 和 Copilot Fusion。
Google Developers Blog精选AI 评分6060 谷歌研究发现，过时的 TODO bug 引用在 13% 的会话中分散了编码智能体的注意力
) 引用。智能体在 6% 的遇到情况下对 bug ID 采取了行动，其中 83% 的行动并非由开发者提示；41% 的未提示绕行追逐的是已关闭的工单，而 57% 触及的是仍然开放的 bug 并扩大了范围。在控制开发者、代码库复杂度、任务类型、模型层级和其他因素后，未提示的 bug 绕行使每次会话增加了 70% 的步骤、77% 的 token 和 105% 的等待时间。
推荐理由：谷歌的大规模追踪分析显示，过时的 TODO bug 引用会将编码智能体拖入未提示的绕行，而其清理智能体移除了数千条过时引用，审查者接受率超过 95%。
Microsoft ResearchAI 评分5858 微软研究院的 PDD Kit 对智能体编写的全栈 Web 应用进行形式化验证
微软研究院推出了 PDD Kit，这是一个研究原型，可将开发者的自然语言意图转化为 Verus 形式化规范，证明编码智能体生成的 Rust 代码对任意输入均满足该规范，并在证明无法覆盖之处回退到测试。在 GitHub Next 的 Chopin 中进行的一次演示中，团队使用 PDD Kit 验证了 Pet Store 的登录逻辑——这是一个约 5,000 行的 Rust 全栈应用——开发者审查的是意图产物，而非逐行审查生成的代码。PDD Kit 目前仅能验证 Rust，其保证依赖于六个经开发者批准的可信组件，包括 bcrypt 密码校验和两次数据库查询。
Figma BlogAI 评分5858 Figma 以开放测试向所有用户开放代码层，推出由智能体驱动的原型工作流
Figma 的代码层功能现已面向 100% 的用户开放测试，让团队可以直接在 Figma 画布上构建并对比由代码支持的原型。演示中，一位设计师将 GitHub 仓库克隆到代码层，提示 Figma 智能体并排生成三个配送地址变体，并在全屏代码编辑器中优化其中一个。Extract designs 可将屏幕或录制的流程转换为可编辑的设计层，并通过 Update code layer 将其送回原型；智能体还能将两位队友的代码层合并为一个组合体验。
Microsoft ResearchAI 评分2222 Microsoft Research Focus Edition #97：ForkPilot、CABRA、TeleTune 与工作中的 AI 使用
Microsoft Research Focus Edition #97 重点介绍了 ForkPilot，这是一个自我改进的智能体框架，在六个基准测试中与现有最佳方法表现相当，同时将 AI 处理需求最多降低 59%。该期还涵盖了 CABRA，该框架表明编码智能体仍难以理解不熟悉的代码库，以及 TeleTune，它从用户活动日志中学习可复用的技能。它还考察了 Copilot Chat 活动，其中文档编辑超过了分类活动的 20%。
Meta Engineering BlogAI 评分5858 Meta详细说明“Catching JiTTests”的生产部署，采用人在回路审查
Meta已将Catching JiTTests——其基于LLM的即时测试生成方法——从研究原型转入生产基础设施，并在FSE 2026论文《Just-in-Time Catching Test Generation at Meta》中公布了结果。该系统利用空闲算力在夜间运行，针对高风险diff，通过dodgy-diff和意图感知工作流生成测试，并在结果送达工程师之前，用LLM-as-Judge集成加上基于规则的RubFake评估器过滤误报。截至撰写时，589名工程师（占触达人数的64%）参与了结果互动，结果显示真阳性率为60%；在2026年上半年，该系统在diff阶段捕获了74个严重隐私缺陷，并将隐私SEV降低了20%。
Mistral AI精选AI 评分8686 Mistral 发布 Mistral Large 4（Le Chonk）开放权重，这是一个 1 万亿参数的多模态模型
Mistral AI 发布了 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，本月早些时候进入公开预览，并在欧洲从零开始训练。该公司表示，额外三周的强化学习使其登顶开放权重编码榜首，在 Terminal-Bench 4.0 上达到 41%，在 Artificial Analysis Coding Agent Index 上达到 48%，同时每项任务使用的 token 比 GLM-5.3 少 47%。它新增了低、中、高三种推理模式，在 Artificial Analysis Cyber Index 上得分 51%，在修改版 MIT 许可证下，定价为每百万 token 输入 $0.70、缓存输入 $0.07、输出 $2.10。
推荐理由：Mistral 开放了其 1 万亿参数旗舰模型的权重，将编码和防御性安全基准的提升与三种推理模式和按 token 定价相结合。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Carbon，一款专注于网络安全与长周期任务的前沿模型
Google DeepMind 发布了 Gemini 4 Carbon，这是其迄今最强的模型，具备最先进的网络安全与长周期能力，在 v5.0 Artificial Analysis Intelligence Index 上以 59 分排名第一。它在用于发现漏洞的 SEC-bench Pro 上得分 88.2%，在用于漏洞利用的 ExploitGym 上得分 54.8%，在用于修补的 CWE-bench 上得分 71.0%，并在 WebDev Arena 上以 1768 分排名第四。Carbon 以与 Argon 相同的 introductory 价格发布，即每百万输入 token 2 美元、每百万输出 token 10 美元，并首先通过 Fairwind Program 向部分网络防御者开放，随后再更广泛发布。
推荐理由：Gemini 4 Carbon 在漏洞发现与修补方面的基准测试结果，显示出前沿模型正如何被定位用于网络安全防御工作。
Replit Blog精选AI 评分7575 Replit Cloud Agents 现已让非工程人员也能参与公司代码库
Replit 面向现有代码库推出 Cloud Agents，团队中任何人都可以用自然语言描述一项改动，由智能体在 GitHub 或 GitLab 中发起一个经过测试的拉取请求，所有 Pro 和 Enterprise 客户均可使用。该智能体在隔离的云沙箱中运行每项改动，点击浏览运行中的应用，并将截图和视频附加到 PR 中；共享环境为每位贡献者提供预配置的设置，并会从主分支更新。Replit 还推出了早期访问的自改进工作区记忆功能，可将评审评论转化为由工程师批准的团队技能，以及一项 Slack 集成，用户可在话题中提及 @Replit 来发起改动。
推荐理由：Replit 把 Cloud Agents 接入企业既有代码库，让非工程人员以带测试视频的 PR 形式提交改动，展示了 AI 编码工具向团队协作流程延伸的一种路径。
GitHub Blog · AI & MLAI 评分2222 三位 Java Champion 如何利用 GitHub Copilot 提升生产力
三位拥有十多年 Java 经验的 Java Champion 分别分享了他们在生产环境和开源工作中使用 GitHub Copilot 的方式。Vlad Mihalcea 在两天内（而非数周）构建了一个 Hypersistence Optimizer Web 应用，并基于自己的 65 篇文章训练了自定义技能，以匹配他的写作风格。Patrick Baumgartner 借助 Copilot 将 15 份演示文稿中约 900 张教学幻灯片从 Reveal.js 迁移到 Marp，并通过截图对比验证结果。
GitHub Blog · AI & MLAI 评分2626 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用会话现在可以直接在 VS Code 中打开，并延续对话、代码更改和工作树，让开发者无需重新开始即可查看差异、手动编辑并在本地测试。本教程逐步演示如何打开会话、逐行查看智能体的更改、在 Copilot 侧边栏中继续同一对话，以及将会话的拉取请求推送更新。
MiniMax Blog精选AI 评分8383 MiniMax 发布 M3.1 Flash，声称成本降低 70%、推理速度提升近 3 倍
MiniMax 正式推出 MiniMax M3.1 Flash，这是一款新一代 Flash 模型，据称相比前代将使用成本降低 70%，在线推理速度提升近三倍。公司报告其在 DeepSWE v1.1 上达到 73.7%，在 BankerToolBench 上为 76.2，在 OSWorld V2 上为 61.7，在 Agents' Last Exam 上为 29.6，在 CyberGym 上为 82%，输出速度超过 200 TPS，中位数为 170+ TPS。定价为每 100 万输入 token 0.15 美元、每 100 万输出 token 0.60 美元、每 100 万缓存输入 token 0.015 美元，该模型可通过 MiniMax API、M Plan 和 MiniMax Code 使用，权重将于后续发布。
推荐理由：MiniMax 的 Flash 模型声称以每 100 万输入 token 0.15 美元的价格实现顶级的智能体与编程得分，为智能体工作负载的成本侧提供了一个具体的数据点。
Anthropic · Claude.dev精选AI 评分6262 Claude Code 团队如何进行代码审查
Claude Code 团队介绍了其分层代码审查流程：大部分阅读工作由机器完成，人的注意力则保留给基于风险的审批。6 月至 9 月，Claude Code 代码库中合并的拉取请求数量增长了一倍多，而不得不回滚的比例下降了 40% 以上。该流程在 PR 之前叠加验证、必需的 CI、Claude 审查、安全审查、按风险分级的人工审批，以及带标志和快速回滚的合并队列；团队还将过去的事故转化为审查者的每日评估集。
推荐理由：Anthropic 的 Claude Code 团队详细说明了如何将大部分代码阅读转移到自动化层，同时合并的 PR 翻倍、回滚下降超过 40%，为大量使用智能体的团队提供了一个可迁移的审查模型。
Meta AI Research Blog精选AI 评分8888 Meta 发布 Muse Spark Open：一个 816B 开放权重多模态模型，可在两台 Mac Studio 上运行
Meta 发布了 Muse Spark Open 的权重，这是一个开放权重的原生多模态模型，总参数 816B（激活参数 42B），上下文窗口为 1M token，定位面向编程和智能体任务。它是同类模型中首个借助 MLX 框架、在两台 Apple M5 Ultra Mac Studio 上于桌面端运行的模型，并可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 等 API 合作伙伴获取，权重已在 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 上提供。Meta 表示，该模型在 SGLang 中附带可自动调优的 Helion GPU 内核，在 NVIDIA 和 AMD GPU 上实现 1.03-3.95 倍的内核级加速，在 AMD MI350 上实现 3% 的端到端加速。
推荐理由：Meta 发布了一个 816B 参数多模态模型的开放权重，该模型可在两台 Mac Studio 上运行，为开发者提供了一个用于长程编程和智能体任务的本地选项。
Modal Blog精选AI 评分7878 Meta 发布 Muse Spark Open 权重，并已在 Modal Auto Endpoints 上线
Meta 发布了 Muse Spark Open 的权重，Modal 现已通过其 Auto Endpoints 以按 token 计费的方式提供该模型。该模型面向智能体编程和长周期任务，具备原生多模态理解、100 万 token 上下文窗口、多步规划、顺序工具调用和故障恢复能力。Meta 报告称，在 Terminus 2 智能体下 Terminal-Bench 2.1 得分为 76.4，在使用其首选 harness、xhigh 推理强度下 DeepSWE 1.1 得分为 60。
推荐理由：Meta 的开源权重模型 Muse Spark Open 现已在 Modal 上提供服务，让团队能够以按 token 计费的方式试用一款具备 100 万 token 上下文窗口的智能体编程模型。
Vapi BlogAI 评分5858 Vapi 自建 PR 审查机器人如何将合并时间减半
Vapi 工程师 Lat Ware 复盘自建 Pedantic Review Bot 的实践，该机器人现已审查每个 PR，平均合并时间从 130 小时降至 65 小时。
Meta AI Research Blog精选AI 评分8282 Meta 发布 Muse Wonder 和 Muse Wonder Full 前沿模型，面向个人与专业智能体
Meta 推出 Muse Wonder 系列，包括 Muse Wonder 和 Muse Wonder Full，称其在个人与专业智能体任务、记忆和编程方面达到最先进性能。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 即日起面向 Muse Code 订阅用户提供。这些模型将 Active Memory（跨对话携带上下文并检索任务相关细节）与 Active Focus（持续处理长期目标并在重要操作前确认）相结合；Meta 表示两者均在其千兆瓦级 Prometheus 数据中心训练。
推荐理由：Meta 的 Muse Wonder 系列声称在智能体、记忆和编程基准上取得最先进结果，其构建围绕 Active Memory 和 Active Focus 两项能力。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 预览版：1T 参数多模态模型，权重将于本月发布
Mistral 已推出 Mistral Large 4 的公开预览版，这是一个 1 万亿参数的原生多模态模型，拥有 520 亿活跃参数，现可通过 Mistral Studio API 使用。Mistral 表示，该模型可与最强的开源模型竞争，并优于美国和欧洲的其他开放权重模型，在 Artificial Analysis Cyber Index 漏洞复现与修补测试中得分 82%，在其综合 Coding Agent Index 中得分 49.8%。权重将于本月底发布，此前已与网络安全合作伙伴和主管部门进行红队测试；Mistral 表示，该模型是在其自有欧洲数据中心内的 3,800 块 NVIDIA Grace Blackwell GPU 上从零开始训练的。
推荐理由：Mistral 迄今最大的模型声称在网络安全和智能体编程方面拥有开放权重领先地位，并承诺月底发布权重。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 ReviewBench，一个用于 AI 代码审查的开放基准
GitHub 发布了 ReviewBench，这是一个面向 AI 代码审查智能体的开放基准，基于 19 种语言的 219 个公开拉取请求构建，其语言和仓库规模分布参照 1.039 亿个 GitHub 拉取请求建模。黄金集从人类审查者、作者后续提交、静态分析和多个前沿 LLM 中提取发现，由 Claude Sonnet 5 按照已发布的评分标准评分，资深工程师独立重新标注了每一条发现，一致率为 96.6%。GitHub 表示，其对 Copilot 代码审查的离线评估预判了生产 A/B 测试的方向，其中已处理率上升 8.0%，召回率上升 13.6%，每次审查成本下降 8.0%。
GitHub Blog · AI & MLAI 评分2525 GitHub 博客：AI 重塑工作方式，开发者需要三项技能
GitHub 博客指出，随着 AI 改变开发者的工作方式，开发者应加强三项技能：引导 AI 智能体而非仅仅使用它们；批判性地审查 AI 输出，而不是轻信第一个答案；利用 AI 节省的时间去解决更广泛的问题。文中提到 GitHub Copilot 内置的 Rubber Duck 智能体，它会在开发者继续推进之前，用第二个模型对计划、代码和测试进行评审。
Factory精选AI 评分6262 Factory 将 Automations 面向 Droid 智能体全面开放
Factory 已将 Automations 全面开放，让团队可以描述一个重复性工作流，并让 Droid 按计划或事件触发来运行它。每个自动化都结合了触发器（计划、Slack、GitHub 或 webhook）、指令、用户选择的模型和推理级别，以及一台可以是本地、已连接或由 Factory 托管的 Droid Computer 的机器。Factory 表示，过去 30 天内有 52% 的企业用户运行了自动化代码审查，48% 使用了安全审查，35% 使用了 AutoWiki，自动化会话量较此前 30 天增长了 51%。
推荐理由：Factory 将其 Automations 全面开放，展示了企业实际把哪些重复性工程工作流交给 Droid，以及模型和机器选择如何按任务生效。
Anthropic · Claude.dev精选AI 评分8282 Anthropic 发布 Claude Sonnet 5.5，每 token 价格不变，输出速度提升 30%
Anthropic 发布了 Claude Sonnet 5.5，这是继 Opus 5.5 之后 Claude 5.5 系列的第二款模型。公司称其在相同每 token 价格下比 Sonnet 5 更智能、更高效，速度快 30%。由于每项任务通常需要更少的 token，Anthropic 表示大多数工作的成本最多可降低 30%。该模型原生支持 100 万 token 上下文窗口、最大 128k 输出，并默认开启思考功能。发布指南列出了 Sonnet 5 用户需要注意的破坏性变更，包括用 between_tools 设置替代已禁用的思考功能、将强制 tool_choice 替换为 auto 加 strict tools，以及将 computer use 迁移至 computer_toolset_20260801 工具集。
推荐理由：Anthropic 的 Sonnet 5.5 保持 Sonnet 5 的定价，同时降低每任务 token 用量，迁移说明则展示了已在 Sonnet 5 上构建的团队需要做哪些变更。
MiniMax Blog精选AI 评分8787 MiniMax M3 发布，具备 100 万上下文、前沿编程能力与原生多模态
MiniMax 发布了 M3，这是一款开放权重模型，据称是首个将前沿编程与智能体性能、100 万 token 上下文窗口以及原生图像和视频输入结合在一起的模型。M3 采用 MiniMax 新的 MSA 稀疏注意力架构，公司报告称该架构将 100 万上下文下的每 token 计算量降至上一代的 1/20，并将预填充速度提升 9 倍以上、解码速度提升 15 倍以上。它在 SWE-Bench Pro 上得分 59.0%，在 Terminal-Bench 2.1 上得分 66.0%，在 MCP Atlas 上得分 74.2%，可通过 MiniMax Code、Token Plan 和 API 使用，权重和技术报告承诺在 10 天内发布。
推荐理由：MiniMax M3 将 100 万 token 上下文、前沿编程与智能体得分以及原生图像和视频输入结合在一个开放权重模型中，MSA 降低了长上下文下的每 token 计算量。
OpenAI Developers BlogAI 评分4747 面向 ChatGPT 和 Codex 的 OpenAI Developers 插件
OpenAI 发布了一款 Developers 插件，让 ChatGPT 和 Codex 能够访问 OpenAI API Platform 和 API 设置指导，并针对 Claude Code 和 Cursor 做了适配，捆绑了可移植的开发者技能和公开的 OpenAI Docs MCP 服务器。该插件涵盖 API 密钥设置、使用 Agents SDK 构建应用、将 API 迁移到 Responses API，以及排查常见 API 故障。
FactoryAI 评分5858 Factory 对 13 个模型进行代码审查基准测试，发现 GPT-5.2 最佳、MiniMax M2.7 最便宜
Factory 构建了一个开源基准测试，用来自 Sentry、Grafana、Keycloak、Discourse 和 Cal.com 的 50 个真实拉取请求测试 13 个模型，每个模型在高推理强度下对每个 PR 至少审查三次，并由 LLM 评审员根据人工整理的金标准集对发现进行评分。GPT-5.2 以 60.5% 的 F1 领先，每个 PR 成本 1.25 美元，领先于 Claude Opus 4.6 的 59.8% F1 和每个 PR 3.11 美元，而 MiniMax M2.7 以每个 PR 0.15 美元达到 45.6% F1，Kimi K2.5 以 0.41 美元达到 51.9% F1。Factory 表示成本仅解释约 21% 的质量差异，并开源了金标准集、评估脚本以及支持全部 13 个模型的 Droid Action GitHub Action。
OpenAI Developers Blog精选AI 评分6060 OpenAI Codex 应用更新扩展至工具、应用和自动化
OpenAI 发布了 Codex 应用新更新的概述，旨在跨工具、应用、自动化及其他开发者工作流开展工作。该材料仅为简短摘要，因此未描述具体功能、版本和可用性细节。
推荐理由：OpenAI 概述了 Codex 应用的更新，将编码智能体扩展至工具、应用和自动化，显示其范围正从代码生成向外拓宽。
OpenAI Developers Blog精选AI 评分6262 OpenAI 发布 gpt-5.3-codex 的 Codex 提示指南
OpenAI 发布了一份 Codex 提示指南，面向通过 API 直接调用经 Codex 调优的 gpt-5.3-codex 模型的开发者，建议交互式编码使用中等推理强度，最难的任务使用高或 xhigh。该指南涵盖将现有 harness 迁移到开源 codex-cli，包括标准 Codex-Max 提示、apply_patch、shell_command 和 update_plan 工具，以及通过 Responses API 中的 /compact 为多小时的会话提供一流的压缩功能。它还介绍了新的 phase 字段，该字段仅在 gpt-5.3-codex 上受支持，用于将助手条目标记为 commentary 或 final_answer，且必须在历史记录中保留以避免性能下降。
推荐理由：OpenAI 的官方指南详细说明了如何为 gpt-5.3-codex 调整提示、工具和压缩，为团队提供了针对自身编码智能体的具体迁移路径。
Modal BlogAI 评分5858 Ramp 如何在 Modal 上构建全上下文后台编码代理 Ramp Inspect
Ramp 构建了 Ramp Inspect，这是一个运行在 Modal Sandboxes 上的内部后台编码代理，如今 Ramp 前端和后端仓库中约有一半已合并的拉取请求由它发起。每个会话都能在几秒内启动包含 Postgres、Redis、Temporal 和 RabbitMQ 的全栈环境，因为一个 Modal 定时任务每 30 分钟克隆仓库并保存文件系统快照。Modal Functions、Dicts 和 Queues 负责处理快照构建、会话锁和提示路由，使 Inspect 能够支持多人会话和数百个并发会话，且彼此互不影响。
Modal Blog精选AI 评分7878 Modal 上线 GLM-5 免费端点并发布自部署与前端接入指南
Modal 推出 GLM-5 的免费 OpenAI API 兼容端点，可用至 4 月底，限单个并发请求，同时发布在单节点 8 张 B200 上用 SGLang 部署的可复现代码。
推荐理由：Modal 为 Z.ai 的 GLM-5 提供免费 OpenAI 兼容端点，并给出在 OpenCode、OpenClaw、Claude Code 和 Vercel AI SDK 中接入的具体配置。
OpenAI Developers Blog精选AI 评分6262 OpenAI 推出 Codex 应用
OpenAI 在其官方开发者博客文章中介绍了 Codex 应用，这是为其 Codex 编程智能体打造的专属应用。该文章是一篇入门导览，介绍该应用及其核心工作流程，完整视频托管在 YouTube 上。
推荐理由：OpenAI 的官方导览展示了 Codex 应用如何组织核心编程工作流程，对于正在将其与现有编程智能体进行比较的开发者很有用。