Gondola 營收翻倍，團隊藉助 Codex 打造更多成果
Gondola 在擴大使用 OpenAI 的 Codex 之際，營收也翻了一倍，而 Codex 讓其首席工程師的產出提升了 50%。這家公司協助創意工作者獲得署名與受聘機會，同時也使用 ChatGPT 來簡化日常工作。
#编码
OpenAI NewsAI 評分1818 OpenAI NewsAI 評分2222 Amplitude 如何藉助 OpenAI 在 1–2 天內交付產品改進
Amplitude 的主動式產品代理 Wave 主要建構於 OpenAI 模型之上，能辨識該打造什麼、協助團隊透過編碼代理交付變更，並衡量影響。這套配置讓 Amplitude 能在 1–2 天內交付產品改進。
Microsoft ResearchAI 評分2222 Microsoft Research Focus Edition #98：AI 翻譯、KLS 猜想證明與更快的編碼代理
Microsoft Research Focus Edition #98 重點介紹了讓通用翻譯更接近現實的 AI 進展，以及一項解決高維幾何中懸而未決 31 年的 KLS 猜想的新證明。本期還涵蓋 CompactionBench 與 APEC，它們將編碼代理的上下文壓縮成本降低多達 25.4%，執行時間縮短 9.6%，以及 Latent Core Tokenizer，它在 104 種語言上改進了分詞。
OpenAI NewsAI 評分2222 Amplitude 如何藉助 OpenAI 在 1–2 天內交付產品改進
Amplitude 的主動式產品代理 Wave 主要建構於 OpenAI 模型之上，能辨識該打造什麼、協助團隊透過編碼代理交付變更，並衡量影響。這套配置讓 Amplitude 能在 1–2 天內交付產品改進。
AWS Machine Learning BlogAI 評分3434 使用 Amazon Bedrock 和 LiteLLM 建立自助式 LLM 閘道
一個建構於 Amazon Bedrock Application Inference Profiles 與執行在 AWS Fargate 上的 LiteLLM 的自助式 LLM 閘道，將 Bedrock 基礎模型封裝在相容於 OpenAI 的 API 之後，為開發者提供單一基礎 URL 與每位使用者的金鑰。此設定新增了每位使用者的支出控制、各模型的配額隔離，以及 CloudWatch RPM/TPM 可觀測性，並以 Langfuse 提供提示層級的遙測。自助式金鑰發放需要 LiteLLM Enterprise，因為免費方案僅限五名使用者。
AWS Machine Learning BlogAI 評分5858 Moonshot AI 的 Kimi K3.1 Pro Highspeed 在 Amazon Bedrock 上線
Moonshot AI 的 Kimi K3.1 Pro Highspeed 現已在 Amazon Bedrock 上提供，這是 Kimi K3 的後訓練版本，具備相同的 3T 級開放權重架構與 100 萬 token 上下文視窗，以更多後訓練算力訓練，針對長程代理式工作，並減少事實錯誤。Moonshot AI 回報其輸出速度為 Kimi K3.1 Pro 的 2–3 倍，現有 Kimi K3 使用者可透過變更模型 ID 切換。該文章展示了 Chat Completions、Responses 與 Converse API 呼叫、價格為 Standard 一半的 Flex 層級、使用 prompt_cache_breakpoint 的明確提示快取，以及將模型連接至 OpenCode 編碼代理。
OpenAI NewsAI 評分1818 Holiday Extras 運用 Codex 將客戶專業知識轉化為更優質的應用程式
Holiday Extras 正運用 OpenAI 的 Codex，將客戶專業知識轉化為更優質的應用程式、更高的預訂轉換率與新的成長機會。這家旅遊附加服務公司正在重新思考，能借助這個程式碼模型打造出哪些東西。
Google Developers BlogAI 評分5858 Google 工程師用 Gemini 4 Argon 與 Z3 捕捉 Go 邊界檢查中模糊測試漏掉的錯誤
一位主導公司 agent skills 計畫的 Google 工程師建了一套流程，讓 Gemini 4 Argon 讀取 Go 原始碼與 RISC-V 反組譯，把殘存的 runtime.panicBounds 陷阱轉成 Z3 約束，再由 go test 把任何可滿足的輸入重放成真正的重現案例。這套流程在 skill-lint 中抓到了全部三個植入的錯誤與三個潛伏錯誤，而未設種子的 go test -fuzz 漏掉了其中兩個植入的當機，因為 Go 是拿切片對容量而非長度做檢查。用 data[:len(data):len(data)] 把容量裁到長度後，模糊測試器在三次執行中都讓兩個越界錯誤當掉，中位數分別為 0.28 秒與 0.17 秒。
Google DeepMind精選AI 評分8888 Google DeepMind 發布 Gemini 4 Carbon，用於代理式編碼、網路安全與科學推理
Google DeepMind 向開發者、企業、科學家與消費者開放 Gemini 4 Carbon，將其定位在 Gemini 4 Argon 之上，適用於需要更深層推理與更多 token 的任務。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 與 Zapier 的 AutomationBench 上排名第一，每項任務成本比次佳的外部模型低 2 倍以上，定價為每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，與 Argon 的 introductory 價格相同。Google 也預覽了 Google Antigravity 中的 /swarm，能將單一提示詞轉化為一支協同運作的代理團隊，並回報 Carbon 在模擬網路攻擊測試中攔截了 99% 的攻擊軌跡。
推薦理由：Google 的發布說明詳細介紹了 Gemini 4 Carbon 如何以更高的 token 用量換取更深層的推理，在 CursorBench 4.0、WANDR 與 AutomationBench 上排名第一，每項任務成本不到次佳外部模型的一半。
Meta AI Research Blog精選AI 評分7878 Meta 發布 Muse Ember，其最小、最高效的代理任務模型
Meta 發布 Muse Ember，這是其最小、最高效的模型，瞄準代理整日從事的重複性工作，例如工具呼叫、程式編寫子任務、路由、擷取與長文件解析。Meta 表示，它在約三分之一的成本下達到 Claude Haiku 5.5 的最佳分數，並勝過所有 GPT-6 Luna 設定，每百萬輸入 token 為 0.10 美元、每百萬輸出 token 為 0.50 美元。它隨附 100 萬 token 的上下文視窗、最高 512K 輸出 token、原生文字、圖像、音訊與影片輸入，即日起在 Muse Code 與 Meta Model API 上以 muse-ember-1.0 提供。
推薦理由：Meta 最小的模型瞄準高頻的代理步驟，而其與 Claude Haiku 5.5 及 GPT-6 Luna 的每任務成本比較，說明了效率主張的來源。
GitHub Blog · AI & MLAI 評分3838 超越程式碼生成：開發者的代理式工程指南
GitHub 發布了一份代理式工程開發者指南，說明 Copilot 如何支援軟體工作的規劃、建置、驗證與觀察階段。該指南引用 GitHub 今年十月單週 12 億次提交的數據，較一年前增加超過 400%，並引用 Faros AI 的一項研究發現：隨著團隊從低 AI 採用度轉向高 AI 採用度，拉取請求在審查階段停留的時間延長了 441%。指南詳細介紹了多項功能，包括 Slack 或 Teams 中的 Copilot、Plan Mode、GitHub Agentic Workflows、雲端沙箱、工作階段持續性、共享記憶體、Copilot Dreaming 以及 Copilot Fusion。
Google Developers Blog精選AI 評分6060 Google 研究發現，過時的 TODO 錯誤參照在 13% 的編碼工作階段中分散編碼代理的注意力
參照。代理在 6% 的遭遇中依據該錯誤 ID 採取行動，其中 83% 的行動並非開發者所提示；41% 的非提示性繞道追逐已關閉的工單，而 57% 則觸及仍開啟的錯誤並擴大了範圍。在控制開發者、程式碼庫複雜度、任務類型、模型層級及其他因素後，非提示性錯誤繞道使每個工作階段多出 70% 的步驟、77% 的 token 及 105% 的等待時間。
推薦理由：Google 的大規模追蹤分析顯示，過時的 TODO 錯誤參照會使編碼代理陷入非提示性繞道，而其清理代理已移除數千個過時參照，審查者接受率超過 95%。
Microsoft ResearchAI 評分5858 微軟研究院的 PDD Kit 正式驗證代理撰寫的全端網頁應用程式
微軟研究院推出 PDD Kit，這是一個研究原型，能將開發者的自然語言意圖轉換為 Verus 形式規格，證明編碼代理的 Rust 程式碼對所有輸入皆符合該規格，並在證明無法觸及之處退回測試。在 GitHub Next 的 Chopin 內部示範中，團隊使用 PDD Kit 驗證 Pet Store 的登入邏輯，這是一個約 5,000 行的 Rust 全端應用程式，開發者審查的是意圖產物，而非逐行檢視生成的程式碼。PDD Kit 目前僅驗證 Rust，其保證建立在六個經開發者核准的可信片段上，包括 bcrypt 密碼檢查與兩次資料庫查詢。
Figma BlogAI 評分5858 Figma 以代理驅動的原型工作流程，向所有使用者開放程式碼層級功能，進入公開測試
Figma 的程式碼層級功能現已進入公開測試，100% 的使用者皆可使用，讓團隊能直接在 Figma 畫布上建置並比較以程式碼為後盾的原型。操作示範中，一位設計師將 GitHub 儲存庫複製到程式碼層級，提示 Figma 代理並排生成三種收件地址變體，並在全螢幕程式碼編輯器中調整其中一個。擷取設計可將畫面或錄製的流程轉為可編輯的設計層級，並能透過「更新程式碼層級」送回原型，代理還能將兩位隊友的程式碼層級合併為單一整合體驗。
Microsoft ResearchAI 評分2222 Microsoft Research Focus Edition #97：ForkPilot、CABRA、TeleTune 與工作中的 AI 應用
Microsoft Research Focus Edition #97 重點介紹 ForkPilot，這是一個可自我改進的代理式框架，在六項基準測試中達到現有最佳方法的表現，同時將 AI 處理需求降低多達 59%。本期亦涵蓋 CABRA，此框架顯示編碼代理仍難以理解不熟悉的程式碼庫，以及 TeleTune，其從使用者活動日誌中學習可重複使用的技能。本期也檢視 Copilot Chat 活動，其中文件編輯占已分類活動的 20% 以上。
Meta Engineering BlogAI 評分5858 Meta 詳細說明「Catching JiTTests」的生產部署，並採用人在迴路中審查
Meta 已將 Catching JiTTests（其基於 LLM 的即時測試生成方法）從研究原型推進至生產基礎設施，並在 FSE 2026 論文《Just-in-Time Catching Test Generation at Meta》中發表了結果。該系統利用閒置算力在夜間運行，針對有風險的 diff，透過 dodgy-diff 與意圖感知工作流程生成測試，並在結果送達工程師之前，以 LLM-as-Judge 集成加上基於規則的 RubFake 評估器過濾誤報。截至撰寫本文時，已有 589 名工程師（佔觸達人數的 64%）參與了這些結果，結果顯示真陽性率為 60%；在 2026 年上半年，該系統在 diff 階段捕獲了 74 個嚴重的隱私缺陷，並將隱私 SEV 降低了 20%。
Mistral AI精選AI 評分8686 Mistral 為 Mistral Large 4（Le Chonk）釋出開放權重，這是一個 1 兆參數的多模態模型
Mistral AI 釋出了 Mistral Large 4（Le Chonk）的開放權重，這是一個 1 兆參數的原生多模態模型，於本月稍早進入公開預覽，並在歐洲從零開始訓練。該公司表示，額外三週的強化學習將其推升至開放權重編碼的頂端，在 Terminal-Bench 4.0 上達到 41%，在 Artificial Analysis Coding Agent Index 上達到 48%，同時每項任務使用的 token 比 GLM-5.3 少 47%。它新增了低、中、高三種推理模式，在 Artificial Analysis Cyber Index 上得分 51%，並在修改版 MIT 授權下，定價為每百萬 token 輸入 $0.70、快取輸入 $0.07、輸出 $2.10。
推薦理由：Mistral 開放其 1 兆參數旗艦模型的權重，將編碼與防禦性安全基準的進展，與三種推理模式和按 token 計價結合在一起。
Google DeepMind精選AI 評分8282 Google DeepMind 發表 Gemini 4 Carbon，一款專注於網路安全與長程任務的前沿模型
Google DeepMind 發表 Gemini 4 Carbon，這是其迄今最強的模型，具備最先進的網路安全與長程能力，在 v5.0 Artificial Analysis Intelligence Index 上以 59 分排名第一。它在 SEC-bench Pro 上以 88.2% 的成績尋找漏洞，在 ExploitGym 上以 54.8% 的成績進行漏洞利用，在 CWE-bench 上以 71.0% 的成績進行修補，並在 WebDev Arena 上達到第 4 名（1768 分）。Carbon 以與 Argon 相同的首發價格推出，每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，並先透過 Fairwind Program 提供給部分網路防禦人員使用，之後再更廣泛發布。
推薦理由：Gemini 4 Carbon 在漏洞發現與修補方面的基準測試結果，顯示前沿模型正如何被定位於網路安全防禦工作。
Replit Blog精選AI 評分7575 Replit Cloud Agents 現在讓非工程人員也能參與公司程式碼庫
Replit 為既有儲存庫推出 Cloud Agents，讓團隊中任何人都能用自然語言描述變更，並由代理在 GitHub 或 GitLab 開啟經過測試的提取請求，所有 Pro 與 Enterprise 客戶皆可使用。代理會在隔離的雲端沙箱中執行每項變更、點擊操作運行中的應用程式，並將截圖與影片附加到 PR，而共享環境則為每位貢獻者提供預先配置的設定，並從主分支更新。Replit 同時推出早期存取的自我改進工作區記憶，可將審查意見轉化為由工程師核准的團隊技能，以及一項 Slack 整合，讓使用者在討論串中提及 @Replit 即可發起變更。
推薦理由：Replit 把 Cloud Agents 接入企業既有程式碼庫，讓非工程人員以帶測試影片的 PR 形式提交改動，展示了 AI 編碼工具向團隊協作流程延伸的一種路徑。
GitHub Blog · AI & MLAI 評分2222 三位 Java Champion 如何用 GitHub Copilot 提升生產力
三位擁有超過十年 Java 經驗的 Java Champion 分別分享了他們在生產環境與開源工作中如何使用 GitHub Copilot。Vlad Mihalcea 在兩天內（而非數週）建置了一個 Hypersistence Optimizer 網頁應用程式，並以他的 65 篇文章訓練自訂技能，使其符合他的寫作風格。Patrick Baumgartner 用 Copilot 將 15 份簡報中約 900 張教學投影片從 Reveal.js 遷移到 Marp，並透過截圖比對驗證結果。
GitHub Blog · AI & MLAI 評分2626 如何在 VS Code 中繼續 GitHub Copilot 應用程式工作階段
GitHub Copilot 應用程式工作階段現在可以直接在 VS Code 中開啟，並延續對話、程式碼變更與工作樹，讓開發者無需重新開始即可檢視差異、手動編輯並在本機測試。本教學逐步說明如何開啟工作階段、逐行檢視代理的變更、在 Copilot 側邊欄中繼續同一段對話，以及將更新推送至該工作階段的提取要求。
MiniMax Blog精選AI 評分8383 MiniMax 發布 M3.1 Flash，聲稱成本降低 70%、推理速度提升近 3 倍
MiniMax 正式推出 MiniMax M3.1 Flash，這是一款新一代 Flash 模型，該公司稱其使用成本較前代降低 70%，線上推理速度提升近三倍。該公司報告其在 DeepSWE v1.1 上達到 73.7%，在 BankerToolBench 上為 76.2，在 OSWorld V2 上為 61.7，在 Agents' Last Exam 上為 29.6，在 CyberGym 上為 82%，輸出速度達 200+ TPS，中位數為 170+ TPS。定價為每 100 萬輸入 token 0.15 美元、每 100 萬輸出 token 0.60 美元、每 100 萬快取輸入 token 0.015 美元，該模型可透過 MiniMax API、M Plan 和 MiniMax Code 使用，權重將於稍後發布。
推薦理由：MiniMax 的 Flash 模型聲稱以每 100 萬輸入 token 0.15 美元的價格提供頂級的代理與編碼分數，為代理工作負載的成本面提供了具體的數據點。
Anthropic · Claude.dev精選AI 評分6262 Claude Code 團隊如何進行程式碼審查
Claude Code 團隊描述其分層的程式碼審查流程，其中大部分閱讀由機器完成，人類注意力則保留給基於風險的核准。從六月到九月，合併至 Claude Code 程式碼庫的拉取請求增加了一倍以上，而必須回退的比例下降了超過 40%。該流程在 PR 之前堆疊驗證、必要的 CI、Claude 審查、安全審查、風險分級的人工核准，以及帶有旗標和快速回滾的合併佇列，團隊並將過去的事件轉化為審查者的每日評估集。
推薦理由：Anthropic 的 Claude Code 團隊詳細說明了他們如何將大部分程式碼閱讀移至自動化層，同時合併的 PR 翻倍且回退下降超過 40%，為代理密集的團隊提供了一個可轉移的審查模型。
Meta AI Research Blog精選AI 評分8888 Meta 發布 Muse Spark Open，一個可在兩台 Mac Studio 上運行的 816B 開放權重多模態模型
Meta 發布了 Muse Spark Open 的權重，這是一個原生多模態的開放權重模型，總參數 816B（活躍參數 42B），上下文視窗達 1M token，定位於程式編寫與代理式工作。它是同類模型中首個能在桌面上運行的模型，使用兩台 Apple M5 Ultra Mac Studio 搭配 MLX 框架；並可透過 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 與 Together AI 等 API 合作夥伴取得，權重則發布於 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 與 Microsoft Foundry Models。Meta 表示，該模型隨附 SGLang 中可自動調校的 Helion GPU 核心，在 NVIDIA 與 AMD GPU 上帶來 1.03–3.95 倍的核心層級加速，在 AMD MI350 上則有 3% 的端到端加速。
推薦理由：Meta 發布了一個 816B 參數多模態模型的開放權重，該模型可在兩台 Mac Studio 上運行，為開發者提供了針對長時程程式編寫與代理式任務的本地選項。
Modal Blog精選AI 評分7878 Meta 的 Muse Spark Open 權重已釋出，並可在 Modal Auto Endpoints 上使用
Meta 釋出了 Muse Spark Open 的權重，Modal 現在透過其 Auto Endpoints 以按 token 計費的方式提供該模型。該模型針對代理式編碼與長程任務，具備原生多模態理解、100 萬 token 上下文視窗、多步驟規劃、依序工具使用與失敗復原能力。Meta 回報，搭配 Terminus 2 代理在 Terminal-Bench 2.1 上得分 76.4，並在其偏好的測試框架下以 xhigh 推理強度在 DeepSWE 1.1 上得分 60。
推薦理由：Meta 的開放權重模型 Muse Spark Open 現已在 Modal 上提供，讓團隊能以按 token 計費的方式試用一款具備 100 萬 token 上下文視窗的代理式編碼模型。
Vapi BlogAI 評分5858 Vapi 自建 PR 審查機器人如何將合併時間減半
Vapi 工程師 Lat Ware 復盤自建 Pedantic Review Bot 的實踐，該機器人現已審查每個 PR，平均合併時間從 130 小時降至 65 小時。
Meta AI Research Blog精選AI 評分8282 Meta 推出 Muse Wonder 與 Muse Wonder Full 前沿模型，適用於個人與專業代理
Meta 推出 Muse Wonder 系列，包含 Muse Wonder 與 Muse Wonder Full，並稱其在個人與專業代理任務、記憶與程式設計方面達到最先進的效能。Muse Wonder 即日起可透過 Meta Model API 與 Muse Code 使用，Muse Wonder Full 即日起開放給 Muse Code 訂閱者使用。這些模型結合了 Active Memory（可跨對話保留上下文並擷取任務相關細節）與 Active Focus（可持續推進長期目標，並在重要動作前進行確認）；Meta 表示兩者皆在其千兆瓦規模的 Prometheus 資料中心訓練而成。
推薦理由：Meta 的 Muse Wonder 系列宣稱在代理、記憶與程式設計基準測試上取得最先進的結果，並以 Active Memory 與 Active Focus 作為其建構的兩大核心能力。
Mistral AI精選AI 評分8282 Mistral 推出 Mistral Large 4 預覽版，1T 參數多模態模型權重將於本月釋出
Mistral 已推出 Mistral Large 4 的公開預覽版，這是一個 1 兆參數的原生多模態模型，擁有 520 億活躍參數，現已可透過 Mistral Studio API 使用。Mistral 表示，該模型可與最強的開源模型競爭，並優於美國和歐洲的其他開放權重模型，在 Artificial Analysis Cyber Index 的漏洞重現與修補測試中得分 82%，在其綜合 Coding Agent Index 中得分 49.8%。權重將於本月月底釋出，此前已與網路安全合作夥伴和主管機關進行紅隊測試；Mistral 表示，該模型是在其歐洲自有資料中心內、以 3,800 顆 NVIDIA Grace Blackwell GPU 從頭訓練而成。
推薦理由：Mistral 迄今最大的模型宣稱在網路安全和代理式程式設計方面取得開放權重領先地位，並承諾於月底釋出權重。
GitHub Blog · AI & MLAI 評分5858 GitHub 發布 ReviewBench，一個用於 AI 程式碼審查的開放基準
GitHub 發布了 ReviewBench，這是一個用於 AI 程式碼審查代理的開放基準，建構於橫跨 19 種語言的 219 個公開 pull request 之上，其語言與儲存庫規模分布仿照 1.039 億個 GitHub pull request 設計。黃金集彙整了人類審查者、作者後續提交、靜態分析以及多個前沿 LLM 的發現，並由 Claude Sonnet 5 依據已發布的評分標準進行評分，資深工程師則獨立重新標註了每一項發現，一致率達 96.6%。GitHub 表示，其對 Copilot 程式碼審查的離線評估預示了生產環境 A/B 測試的方向，其中已處理率上升 8.0%、召回率上升 13.6%，每次審查成本下降 8.0%。
GitHub Blog · AI & MLAI 評分2525 GitHub 部落格：AI 重塑工作型態，開發者必備的三項技能
GitHub 部落格指出，隨著 AI 改變開發者的工作方式，開發者應強化三項技能：引導 AI 代理而不只是使用它們、批判性地審查 AI 產出而非輕信第一個答案，以及利用 AI 節省下來的時間處理更廣泛的問題。文中引用 GitHub Copilot 內建的 Rubber Duck 代理，它會用第二個模型在開發者繼續推進之前，對計畫、程式碼與測試提出批判。
Factory精選AI 評分6262 Factory 將 Automations 正式推出，供 Droid 代理使用
Factory 已將 Automations 正式推出，讓團隊能描述重複性的工作流程，並由 Droid 依排程或事件觸發執行。每個自動化結合了觸發條件（排程、Slack、GitHub 或 webhook）、指令、使用者選擇的模型與推理等級，以及可為本機、已連線或由 Factory 管理的 Droid Computer 的機器。Factory 表示，過去 30 天內有 52% 的企業使用者執行自動化程式碼審查，48% 使用安全性審查，35% 使用 AutoWiki，且自動化工作階段數量較前 30 天成長 51%。
推薦理由：Factory 將 Automations 正式推出，顯示企業實際上把哪些重複性工程工作流程交給 Droid，以及模型與機器選擇如何依任務運作。
Anthropic · Claude.dev精選AI 評分8282 Anthropic 發布 Claude Sonnet 5.5，每 token 定價不變、輸出速度提升 30%
Anthropic 發布 Claude Sonnet 5.5，這是繼 Opus 5.5 之後 Claude 5.5 系列的第二個模型。該公司表示，它在相同每 token 價格下比 Sonnet 5 更聰明、更高效，且速度提升 30%。由於每項任務通常需要更少的 token，Anthropic 表示大多數工作的成本最多可降低 30%。該模型原生支援 100 萬 token 上下文視窗、最高 128k 輸出，並預設開啟思考功能。發布指南列出了 Sonnet 5 使用者的破壞性變更，包括以 between_tools 設定取代已停用的思考功能、將強制 tool_choice 改為 auto 加 strict tools，以及將電腦使用功能移至 computer_toolset_20260801 工具集。
推薦理由：Anthropic 的 Sonnet 5.5 維持 Sonnet 5 的定價，同時降低每項任務的 token 用量，而遷移說明則顯示了已在 Sonnet 5 上建置的團隊需要做哪些變更。
MiniMax Blog精選AI 評分8787 MiniMax M3 發布，具備 1M 上下文、前沿編碼與原生多模態能力
MiniMax 發布 M3，這是一款開放權重模型，該公司稱其為首個結合前沿編碼與代理能力、1M token 上下文窗口，以及原生圖像與影片輸入的模型。M3 採用 MiniMax 新的 MSA 稀疏注意力架構，該公司報告稱，此架構在 1M 上下文下將每 token 計算量降至前一代的 1/20，並將預填充速度提升逾 9 倍、解碼速度提升逾 15 倍。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%，並可透過 MiniMax Code、Token Plan 與 API 使用，權重與技術報告承諾在 10 天內發布。
推薦理由：MiniMax M3 將 1M token 上下文、前沿編碼與代理得分，以及原生圖像與影片輸入結合於一個開放權重模型中，並以 MSA 在長上下文下降低每 token 計算量。
OpenAI Developers BlogAI 評分4747 適用於 ChatGPT 和 Codex 的 OpenAI Developers 外掛程式
OpenAI 發布了一款 Developers 外掛程式，讓 ChatGPT 和 Codex 能夠存取 OpenAI API Platform 與 API 設定指引，並針對 Claude Code 和 Cursor 進行了調整，捆綁了可攜式開發者技能與公開的 OpenAI Docs MCP 伺服器。它涵蓋 API 金鑰設定、使用 Agents SDK 建置應用程式、將 API 遷移至 Responses API，以及疑難排解常見的 API 故障。
FactoryAI 評分5858 Factory 對 13 個模型進行程式碼審查基準測試，發現 GPT-5.2 最佳、MiniMax M2.7 最便宜
Factory 建立了一個開源基準測試，以來自 Sentry、Grafana、Keycloak、Discourse 和 Cal.com 的 50 個真實 pull request 測試 13 個模型，每個模型都以高推理強度對每個 PR 至少審查三次，並由 LLM 評審依據人工策劃的黃金標準集對發現進行評分。GPT-5.2 以 60.5% F1、每個 PR 1.25 美元領先，領先 Claude Opus 4.6 的 59.8% F1 和每個 PR 3.11 美元，而 MiniMax M2.7 以每個 PR 0.15 美元達到 45.6% F1，Kimi K2.5 以 0.41 美元達到 51.9% F1。Factory 表示成本僅解釋約 21% 的品質變異，並開源了黃金標準集、評估腳本以及支援全部 13 個模型的 Droid Action GitHub Action。
OpenAI Developers Blog精選AI 評分6060 OpenAI Codex 應用程式更新擴展至工具、應用程式與自動化
OpenAI 發布了 Codex 應用程式新更新的概述，旨在跨工具、應用程式、自動化及其他開發者工作流程運作。該內容僅為簡短摘要，因此未描述具體功能、版本與可用性細節。
推薦理由：OpenAI 概述了 Codex 應用程式的更新，將此編碼代理擴展至工具、應用程式與自動化，顯示其範圍正從程式碼生成向外擴大。
OpenAI Developers Blog精選AI 評分6262 OpenAI 發布 Codex 提示詞指南，適用於 gpt-5.3-codex
OpenAI 發布了一份 Codex 提示詞指南，供開發者透過 API 直接呼叫針對 Codex 調校的 gpt-5.3-codex 模型，建議互動式編碼採用中等推理強度，最困難的任務則採用高或 xhigh。該指南涵蓋將現有測試框架遷移至開源 codex-cli，包括標準 Codex-Max 提示詞、apply_patch、shell_command 與 update_plan 工具，以及透過 Responses API 中的 /compact 對多小時工作階段進行一等公民級壓縮。指南亦說明了新的 phase 欄位，僅支援於 gpt-5.3-codex，會將助理項目標記為 commentary 或 final_answer，且必須保留於歷史記錄中以避免效能下降。
推薦理由：OpenAI 的官方指南詳細說明如何為 gpt-5.3-codex 調整提示詞、工具與壓縮，為團隊提供具體的遷移路徑來建構自家的編碼代理。
Modal BlogAI 評分5858 Ramp 如何在 Modal 上打造 Ramp Inspect，一個具備完整上下文的背景編碼代理
Ramp 打造了 Ramp Inspect，一個在 Modal Sandboxes 上運行的內部背景編碼代理，如今 Ramp 前端與後端儲存庫中約有一半已合併的拉取請求由它發起。每個工作階段都能在數秒內啟動包含 Postgres、Redis、Temporal 與 RabbitMQ 的全端環境，因為一個 Modal cron 作業每 30 分鐘會複製儲存庫並儲存檔案系統快照。Modal Functions、Dicts 與 Queues 負責處理快照建置、工作階段鎖定與提示路由，讓 Inspect 得以支援多人工作階段與數百個並行工作階段，且彼此互不影響。
Modal Blog精選AI 評分7878 Modal 上線 GLM-5 免費端點並發布自部署與前端接入指南
Modal 推出 GLM-5 的免費 OpenAI API 相容端點，可用至 4 月底，限單個並發請求，同時發布在單節點 8 張 B200 上用 SGLang 部署的可重現程式碼。
推薦理由：Modal 為 Z.ai 的 GLM-5 提供免費 OpenAI 相容端點，並給出在 OpenCode、OpenClaw、Claude Code 和 Vercel AI SDK 中接入的具體配置。
OpenAI Developers Blog精選AI 評分6262 OpenAI 推出 Codex 應用程式
OpenAI 在官方開發者部落格文章中推出了 Codex 應用程式，這是專為其 Codex 編碼代理打造的專屬應用程式。該文章是一篇入門導覽，介紹此應用程式及其核心工作流程，完整影片則發布於 YouTube。
推薦理由：OpenAI 的官方導覽展示了 Codex 應用程式如何組織核心編碼工作流程，對於正在評估它與現有編碼代理的開發者來說很有參考價值。