Deccy 是一個前 Alpha 階段的決策管理框架，用於以 AI 進行軟體工程，將人類的高層次決策與 AI 執行分開。它以 deccy-cli、一組 deccy-agent 自訂代理，以及 deccy-viewer 的形式發布；deccy-viewer 會將決策及其關係視覺化為有向無環圖，其中每個決策都帶有理由，並依據其依賴關係進行評估。該團隊的目標是意圖容易流失的長期專案，並根據經驗指出，在採用 deccy 建模的專案上，程式設計代理需要較少的人工引導。
Oath Technologies 的 Mike Dodds 分享了數個月來建構語義、驗證器與證明工具鏈的筆記，其中大部分工作由 AI 代理完成。這場演講根據這些實作經驗，提出關於使用 AI 建構形式化工具的初步建議。
AlgoCademy 推出了一個 Show HN 練習平台，開發者要在五個 Python 和 JavaScript 程式碼庫中處理 30 張工單，指揮一個會寫程式並執行測試的 AI 隊友，而這個隊友會刻意犯下逼真的錯誤。每張工單會依據提問、指揮、驗證、保護和效能進行評分，第一張 Lakeside Wheels 工單免費，附 25 則 AI 回覆。Pro 方案為月費制，涵蓋 25 張工單和 50 則回覆，另有回覆點數包，200 則回覆 19.99 美元、600 則回覆 49.99 美元。
Martin Fowler 提出以資料而非程式碼撰寫測試，讓 AI 生成的正式程式碼在編碼代理同時重構測試時仍保持可驗證。此方法結合客戶測試、黑箱測試、表格式或 YAML 測試案例，以及 AI 生成的測試執行器，並將測試資料保存在文字檔中，以便於審閱並防止意外修改。本文取材自 2026 年初對 26 位 Thoughtworks 開發者的訪談，他們表示一旦 AI 重構測試，便不再完全信任這些測試；文中也將此方法與變異測試、基於屬性的測試及人工探索式測試搭配使用。
Google 發布 Gemini 4 Hydrogen，這是 Google DeepMind 的一款封閉權重模型，定位低於 Gemini 4 Carbon 和 Argon，作為編碼與代理工作流程的日常主力。它提供 1,048,576 個 token 的統一視窗、四個思考層級（預設為 high），API 定價為每 100 萬輸入/輸出 token 1.50/7.50 美元，在整個視窗內統一計價。Google 報告其在 Terminal-Bench 4.1 上得分 57%，而 Gemini 3.8 Flash 為 18.2%；在 Artificial Analysis Intelligence Index 上得分 51，但該模型在 Agent Arena 上僅排名第 5；在 Antigravity 中將其與 Carbon 配對使用，比單獨使用 Carbon 少用 24% 的配額，完成速度快 19%。
一位自稱對 AI 持懷疑態度但並不反 AI 的作者主張，軟體開發中不存在可接受的 LLM「適量」使用標準，並以 Overcast 由 Claude 生成的程式碼，以及 Big Walk 披露其程式碼中僅有「百分之一的百分之一」受到 LLM 影響為例。他認為，使用 LLM 就等於參與一個剝削性系統，並指出越來越多證據顯示，依賴編碼代理的開發者正出現「技能退化」現象。
Kobi Mozgori抽樣25萬個npm套件後發現，新套件中鎖定的依賴版本多為已被取代的整數x.0.0版本的比例，從2019年至2024年初的1–2.4%基準，上升至2026年上半年的13.7%，並在2026年下半年至11月初降至7.6%。2021–2023年期間，鎖定依賴版本在套件誕生時的中位數年齡約為155天，但2026年第二季度為451天；而誕生時幾乎所有鎖定版本都指向最新發行版的套件比例，從約28%降至約10%。作者將此模式視為推論而非證明，因為註冊表元數據無法顯示是誰或什麼撰寫了清單，並指出2026年中期以來的下降尚未得到解釋。
ArtCraft 創辦人兼執行長 Brandon Thomas 在舊金山舉行的 AI Engineer Code Summit 上發表了一份關於基於 AI 的開源宣言，表示該公司已發布 17 款熱門軟體工具的開源版本，其中包括以 Rust 打造、名為 PhotoCraft 的 Photoshop 替代品，以及名為 PdfCraft 的 PDF 工具。
Loose Ends 是一款新的 CLI 工具，用來檢查某次變更中新增或改動的程式碼是否仍可從真實的進入點抵達，並標記出孤立的新增內容、新近變成孤立的程式碼，以及被取代卻仍留在原地的實作。它會為 TypeScript、JavaScript、Python 和 Java 建立存活性圖，且只回報該次變更所造成的問題，因此既有的死程式碼永遠不會阻擋拉取請求。可透過 npm 安裝，需要 Node.js 20 或更新版本以及 git。
一項對 GitHub 上 52 個最多星標的 AI 工具儲存庫完整 git 歷史的分析，涵蓋 324,088 次提交，發現中位數儲存庫在其最後 180 天活動中的提交有 16.9% 帶有 AI 簽名，52 個中有 21 個達到 25% 或以上。星標數與 AI 簽名佔比之間沒有可檢測的關聯（Spearman ρ = -0.05，p = 0.72），而 36,892 次簽名提交中有 85.3% 來自 Claude，其工具預設會添加 trailer。作者提醒，大量 AI 使用集中在 2025 年或之後啟動的專案，因此樣本無法將 AI 使用與新近程度分開，且每個 AI 百分比都是下限。
Google 推出 Gemini 4 Hydrogen，這是一款為日常程式編寫與代理工作流程中的快速執行而打造的模型，並在全球範圍內透過 Gemini API、AI Studio、Gemini for business、Gemini 應用程式、Google 搜尋與 Google Antigravity 陸續推出。
CodeRabbit 的年化經常性收入已突破 1 億美元，服務超過 20,000 家客戶、120,000 名日活躍使用者、逾 300,000 個開源專案，以及超過 850 萬個已連線的程式碼庫儲存庫。該公司表示，工程團隊目前每週透過 CodeRabbit 執行超過 300 萬個提取請求，並在程式碼進入生產環境前發現超過 1 億個問題。執行長 Harjot Gill 主張，在代理規模下，沒有人能逐行審查每一項變更，因此需要一個獨立的檢查層，且該層不能是撰寫程式碼的那個代理。
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。
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 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。
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。
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。
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。
根據 a16z 的 Anish、Jon 與本文作者，AI 能加速遊戲三大核心原型——獨立開發者、先知型工具製造者與世界建構工作室——而非取代它們。編碼代理如今協助單人開發者跨越技能落差：一個代理在 Blender 與一款引擎中打造了一間受 Habbo Hotel 啟發的唱片行，接著加入寵物領養機制，並讓程式碼庫保持向後相容。Jon 使用 ChatGPT 與 Codex，為他八歲的兒子打造了一款受《Ghost of Tsushima》啟發的 Minecraft 模組。
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。
一名開發者使用 Google Antigravity 平台中的 Gemini 4 Carbon，將 1987 年的 roguelike 遊戲 NetHack 重製為現代 3D 動作 RPG，並移植到網頁技術與 wasm。這次建置依賴 /swarm 功能，該功能會生成具有獨立上下文的子代理來互相審查彼此的輸出，另外還使用了 Blender MCP 伺服器來生成 3D 資產。Gemini 4 Carbon 可透過 Google AI Ultra 方案使用。
Simon Willison 在 tools.simonwillison.net 上加入了標籤瀏覽功能，讓訪客能依標籤探索他收集的 244 個 vibe-coded 工具。他利用剩餘的 Fable 5.2 額度，讓 tree-sitter 分析每個工具的程式碼，找出其中的 JavaScript API、函式庫與 Web API 主機。首頁現在會針對上述各標籤類別顯示標籤雲。
獨立遊戲 Big Walk 使用 AI 修復了一個錯誤，而這一披露在獨立遊戲界引發了清算。許多獨立遊戲節的評審現在表示，任何程度的 AI 編程都太多了。
Claude Fable 5.2 現已推出，一份新指南說明在 Claude Code 中何時該從 Opus 5.5 開始、何時該升級到 Fable 5.2，或降級到 Sonnet 5.5 或 Haiku 5.5。指南也涵蓋如何把一項工作拆分到多個模型上執行，而可用性與使用上限會因方案而異。
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。
OpenAI 開發者體驗工程師 Dominik Kundel 與 Charlie Guo 在 AI Engineer Code Summit 發表「與 Codex 協作的新方式」，內容涵蓋 DevDay 宣布的改版 Codex Cloud v2、作為管理編碼執行緒控制平面的語音模式，以及名為 dots 的個人代理。Kundel 表示，Codex Cloud 現在扮演背景執行器的角色，讓本機 Codex 將任務移交至雲端，但他也承認雲端工作流程仍需變得更簡便。
安全公司 Claroc 發現，SpaceXSI 的 vibe-coding 代理 Grok Build 透過可分享的應用程式連結，洩露數千名用戶的專有商業資訊及其他敏感機密。儘管 Grok 將 URL 隨機化，只有持有確切連結的人才能存取資料，但一項設計決策讓人得以列舉數千個進行中的專案，而點擊這些連結通常會揭露所有相關資料。外洩的資料包括內部商業計畫、廣告提案、體檢結果、郵輪廚房檢查清單，以及員工姓名與身分證號碼，其中部分來自 SpaceXSI 自行建置的 24 個應用程式，包括一份機密入職計畫、一份涵蓋 594 個客戶的銷售區域圖，以及銷售工具的內部系統位址。
推薦理由：安全公司 Claroc 的發現顯示，Grok Build 分享功能中的一項 URL 設計選擇，如何暴露數千個進行中的專案，包括 SpaceXSI 自身的內部文件。
Latent Space 測試了 NaiveAI 的開放權重模型 Naive-N0.5-Flash，這是一個源自小米 MiMo-V2.5 的程式碼模型，搭配 NaiveRT 推論引擎，並與 DeepSeek V4.1 Flash 1017 及 GLM 5.3 Flash 對比。在作者的執行中，它峰值接近每秒 2,000 個 token，在思考密集的任務中維持約每秒 1,000 個 token，中位回應時間為 3.1 秒，而兩個對比模型分別為 5.3 秒和 10.1 秒。在困難的 HLE 問題上，開啟思考時它平均產生約 108,500 個完成 token，約為 GLM 5.3 Flash 的九倍、DeepSeek V4.1 Flash 1017 的 11 倍；作者指出樣本為每個難度級別 10 題，且未進行準確度評分。
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。
Anthropic 發布 Claude Fable 5.2 與 Claude Mythos 5.2，在多數獨立排行榜上名列前茅，包括 Artificial Analysis Intelligence Index v5 的 65 分與 SemiAnalysis GDPx 的 16.4%。價格下調 20% 至每 100 萬輸入/輸出 token 8 美元/40 美元，但 SemiAnalysis 報告指出，每項 GDPx 任務的成本從 67.16 美元升至 88.15 美元，因為該模型會撰寫數百到數千個測試案例，並啟動子代理來檢查其工作。多項評估顯示，max effort 等級的表現不如 high，且 Fable 每週訂閱上限被限制在 50%。
推薦理由：Anthropic 發布 Fable 5.2 與 Mythos 5.2，每 token 價格下調 20%，但獨立評估顯示每項任務成本更高，且 max-effort 設定的表現不如 high。
Anthropic 針對 Claude Fable 5.2 的文件指出，該模型會密切關注其所處理程式碼的擁有者是誰。在小型編碼任務的測試中，當提示詞未提及擁有權時，模型僅在不到 10% 的執行次數中合併了重複的程式碼；而當提示詞表明該程式碼庫屬於模型自己時，則約有 75% 的執行次數會進行合併。建議的句子為：You are the owner and long-term maintainer of this codebase, and its design is up to you.
Anthropic 發布 Claude Fable 5.2，這是一款為最艱鉅的技術挑戰與雄心勃勃的開放式專案所設計的模型，在程式編寫、推理與視覺方面均有改進。該公司建議大多數程式編寫與知識任務先從 Opus 5.5 著手；Fable 5.2 即日起於 Pro、Max、Team 與 Enterprise 方案提供。
推薦理由：Claude Fable 5.2 鎖定雄心勃勃的開放式技術工作，並宣稱在程式編寫、推理與視覺方面有所提升，而 Opus 5.5 仍是大多數程式編寫與知識任務的建議預設選項。
Every 的實測評論發現，Google DeepMind 今日發布的 Gemini 4 Carbon 在程式編寫上遠強於 Gemini 4 Argon，能建構更佳的 3D 物件，並可在幾乎無人監督下連續工作數小時。測試者對其需要多少監督意見不一，評論指出，早一日發布的 Anthropic Fable 5.2 已提高外界期望，認為旗艦代理也應懂得挑選正確的工作、遵守限制，並知道何時完成。Google 向 Every 提供早期使用權，並未對該評論提供任何意見。
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。
Every 報導，Anthropic 最新模型 Fable 5.2 讓 Kieran Klaassen 打造出一款結合 Adobe Premiere、After Effects 與 Ableton 風格功能的影片剪輯器，並由 AI 代理運行，Everycut 在他開始後三天就上線。該評論指出，Fable 5.2 能承接整個產品，持續建置、測試與精進，直到可日常使用；這與 Opus 5.5 不同，後者會讓使用者不斷檢查其成果，也不同於 Fable 5 與 5.1，它們會花數小時或數天執行大型任務。Every 稱這是它測試過的第一個模型，讓專業人士無需閱讀底層程式碼就能打造生產級工具。
推薦理由：Every 對 Fable 5.2 的實測說明，展示單一模型在極少引導下能把產品建置推進到什麼程度，並與 Opus 5.5 及 Fable 5/5.1 作出具體比較。
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。
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%。
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。
Thinking Machines 發布了 Inkling 2 Small，這是一款專有推理模型，在 Artificial Analysis Intelligence Index v5.0.1 上得分 31，比 Inkling Small 高 18 分，並計劃在日後某個未確認的日期以 Apache 2.0 授權釋出權重。這款 594B 參數的模型（17B 活躍參數）率先透過 Tinker 和 Tinker Playground 提供，價格為每 100 萬輸入/輸出 token 0.30/1.00 美元，它在編碼與幻覺基準測試上與 Gemini 3.8 Flash（high）持平，但落後於 Claude Sonnet 5.5。它在每個 Intelligence Index 任務上平均輸出約 150K token，約為 Inkling Small 的 4 倍，每項任務成本為 1.18 美元，而後者為 0.20 美元。
推薦理由：Artificial Analysis 的獨立基準測試顯示了 Inkling 2 Small 在哪些方面優於其前代，以及在哪些方面仍落後於 Gemini 3.8 Flash 和 Claude Sonnet 5.5。
軟體工程師 Neil Kakkar 報告在 AI 原生新創公司 Tano 每月提交 200 多個 pull request，約為他在 PostHog 時的 11 倍，也約為他早期產出的十倍。他將這一躍升歸因於 AI 代理取代了程式碼審查與溝通開銷，同時也指出新的成本，如上下文切換、共享上下文流失以及 AI 方案限制。