OpenAI 发布云端编码智能体 Codex，由 o3 优化版 codex-1 驱动
OpenAI 在 o3 与 o4-mini 系统卡附录中介绍云端编码智能体 Codex，其由针对软件工程优化的 o3 版本 codex-1 驱动。codex-1 通过强化学习在多种环境的真实编码任务上训练，目标是生成贴近人类风格与 PR 偏好的代码、精确遵循指令，并迭代运行测试直到通过。
推荐理由：原文来自官方系统卡附录，说明 codex-1 的训练方式与目标，读者可以据此了解该编码智能体的技术来源。
技术方向
AI 编码 最新动态
用 AI 写代码：编程助手、Vibe Coding、代码模型评测，以及开发方式的变化。
771 条精选近 30 天 96 条共收录 4,443 条
更新
精选归档 · 第 38 页
OpenAI：官网动态精选AI 评分7171
Cognition 模型 / Devin 博客精选AI 评分6565 Devin 2.1 发布：任务置信评级、Linear/Jira 集成与内置代码库理解
Cognition 发布 Devin 2.1，新增 🟢🟡🔴 置信评级，置信分与任务成功率高度相关，🟢 得分任务的 PR 合并可能性是 🔴 的两倍。同时为 Linear 和 Jira 集成加入批量自动评分，可在不启动会话的情况下为多个 issue 打分；并内置 DeepWiki 同源的代码库理解能力，可用 !ask 提问，不确定计划时等待用户确认。
推荐理由：原文给出置信分与任务成功率的关联数据，以及按置信度筛选任务的用法，读者可据此改进 Devin 工作流。
Mistral AI：News精选AI 评分6767 Mistral AI 发布 Mistral Medium 3
Mistral AI 发布 Mistral Medium 3，定位以约 1/8 成本提供接近旗舰模型的性能，价格为每 M token 输入 $0.4、输出 $2，基准成绩达到或超过 Claude Sonnet 3.7 的 90%。
推荐理由：官方给出了与 Claude Sonnet 3.7、Llama 4 Maverick 的基准对比、定价和部署门槛，读者可据此评估其在企业场景的性价比。
Google DeepMind：Blog精选 Gemini 2.5 Pro Preview 提前发布：编程性能进一步提升
鉴于开发者反馈积极，Google 提前两周发布 Gemini 2.5 Pro Preview 更新版本，编程性能进一步提升，现已开放获取。
推荐理由：Gemini 2.5 Pro 提前发布更新版本，编码性能显著提升，开发者可即刻体验
Cognition 模型 / Devin 博客精选AI 评分7474 Cognition 发布 DeepWiki，为任意 GitHub 仓库生成免费 AI 文档
Cognition 推出 DeepWiki，将 Devin Wiki 和 Devin Search 免费公开，把 URL 中的 github.com 换成 deepwiki.com 即可查看任意仓库的 AI 文档。已索引超过 50,000 个热门公开仓库，涵盖 Model Context Protocol、LangChain 等；公开仓库可免费添加，私有仓库需 Devin 账号。
推荐理由：原文给出了使用方式和已索引规模，读者可以据此判断如何用 DeepWiki 快速理解陌生代码仓库。
Anthropic：Engineering精选AI 评分7777 Claude Code：智能体编码最佳实践指南
Claude Code 提供了一套完整的智能体编程工具与框架。其核心遵循“先探索、再计划、后编码”的工作流，并通过配置 CLAUDE.md 文件、管理权限和连接 MCP 服务器来优化环境。最佳实践强调为 Claude 提供工作验证方法、积极管理上下文、使用子代理进行调查，以及利用检查点回退来处理复杂任务。文档还详细介绍了在 VS Code、JetBrains IDE、Slack 及 CI/CD 中的集成使用，并提供了避免常见失败模式的实用建议。
推荐理由：Anthropic 官方出的 Claude Code 最佳实践，不是泛泛而谈的入门指南，而是从 CLAUDE.md 配置到 subagent 编排的完整工程手册，用 Claude Code 做日常开发的人直接照抄就能少踩一半坑。
OpenAI：官网动态精选AI 评分7373 OpenAI 在 API 中发布 GPT-4.1 系列模型
OpenAI 在 API 中发布 GPT-4.1 系列模型，带来编码、指令遵循和长上下文理解方面的全面提升，并同时推出其首个 nano 模型，即日起向全球开发者开放。
推荐理由：官方宣布 API 上线 GPT-4.1 系列并首次推出 nano 模型，读者可据此了解编码与长上下文等能力的更新方向。
Cognition 模型 / Devin 博客精选AI 评分6767 Cognition 发布 Devin 2.0，推出 Agent 原生 IDE 并新增 $20 起的灵活方案
Cognition 发布 Devin 2.0，带来 Agent 原生 IDE 体验和 $20 起的新方案。用户可并行运行多个 Devin，各自配备云端 IDE，可在 IDE 内用 Cmd+I、Cmd+K 等快捷键审查和修改 Devin 的代码。
推荐理由：官方公告列出新 IDE 体验、三项新功能和 $20 起的新定价，读者可据此评估 Devin 在编码工作流中的可用性变化。
DeepSeek：API 更新日志精选AI 评分7272 DeepSeek 将 deepseek-chat 升级为 DeepSeek-V3-0324
DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V3-0324，推理能力增强，MMLU-Pro 升至 81.2，AIME 升至 59.4。同时优化了 Web 前端开发、中文写作（对齐 R1 风格）、中文搜索及 Function Calling 准确率，并修复了此前问题。
推荐理由：这是 DeepSeek V3 发布后的一次重要版本更新，推理和代码能力提升显著，AIME 提升近 20 分，前端和中文写作体验优化，API 用户应该尽快切换。
Cognition 模型 / Devin 博客精选AI 评分6464 Linktree 复盘用 Devin 一个月写约 300 个 PR 的实践经验
Linktree 团队分享使用 Cognition 的 AI 智能体 Devin 一个月的成果：Devin 完成约 300 个 PR，其中约 100 个已合并，主要是修复客户报告的 bug、实现小功能和原型验证。
推荐理由：Linktree 官方复盘 Devin 落地细节，给出任务筛选标准、多 Devin 协作和 API 用法等可直接迁移的经验。
Sam Altman：Blog精选 三点观察
OpenAI 阐述关于 AI 经济学的三点观察：模型智能与训练资源的对数成正比，可预测扩展；AI 使用成本每 12 个月下降约 10 倍，远超摩尔定律速度；智能线性增长将产生超指数级社会经济价值。据此，AI 代理将如虚拟同事般渗透各领域，科学进步将大幅加速，虽然短期内生活照旧，但长期将深刻重塑社会经济结构，个人意志力和适应能力将成为关键价值。
推荐理由：Sam Altman 提出 AI 经济学三大观察，描绘 AGI 时代 Agent 工作图景
Mistral AI：News精选AI 评分7474 Mistral AI 发布全新 le Chat，登陆 iOS 和 Android 并推出 Pro、Team 与 Enterprise 版本
Mistral AI 发布全新 le Chat AI 助手，上线 iOS 和 Android，并推出 Pro（$14.99/月）、Team 及 Enterprise 私测版本。
推荐理由：Mistral 官方完整列出新 le Chat 的功能、定价和部署选项，读者可以据此与同类助手做横向比较。
Modal 官方工程博客精选AI 评分6565 Modal Sandboxes 正式可用，为不可信代码提供安全执行环境
Modal 宣布 Sandboxes 正式可用，这是安全运行 LLM、用户或第三方来源不可信代码的隔离执行环境。它提供 exec API，可在运行时用与 Functions 相同的 Image API 动态配置任意语言依赖，支持文件系统快照以持久化和多 Sandbox 扇出，并复用 Functions 基础设施带来快速冷启动、GPU 和全球区域选择。
推荐理由：Modal 官方宣布 Sandboxes 正式可用，给出 exec API、动态镜像和 SWE-bench 7 分钟跑完 Verified 等实测数字，可据此评估智能体代码执行方案。
Mistral AI：News精选AI 评分6363 Mistral AI 发布 Codestral 25.01，代码生成速度提升约 2 倍
Mistral AI 发布 Codestral 25.01，采用更高效的架构和改进的 tokenizer，代码生成与补全速度较原版提升约 2 倍。
推荐理由：官方给出与同类模型的多项基准对比和可用渠道，读者可以据此评估它在代码补全工作流中的替换价值。
Answer.AI 官方研发博客精选AI 评分7878 Answer.AI 实测 Devin：20 项任务仅 3 次成功，自主编程能力存疑
Answer.AI 团队对 AI 软件工程师 Devin 进行了为期一个月的深度测试。尽管早期在 API 集成等简单任务中表现尚可，但在扩展至新项目创建、研究及代码修改等 20 项真实任务时，结果令人失望：仅 3 项成功，14 项失败，且无法预测成败规律。Devin 常陷入技术死胡同、生成过度复杂的“面条代码”，或在面对不可行任务时产生幻觉并浪费大量时间。文章指出其实际表现远低于宣传预期，难以替代人类开发者。
推荐理由：来自知名 AI 评测机构的详实一手数据，揭示了明星产品 Devin 在真实工作流中的局限性，为评估当前自主编程 Agent 的实际成熟度提供了重要参考。
Anthropic：Engineering精选AI 评分7272 Claude 3.5 Sonnet 在 SWE-bench Verified 基准测试中刷新纪录
升级版 Claude 3.5 Sonnet 在软件工程评估基准 SWE-bench Verified 上取得 49% 的解决率，超越此前最佳模型的 45%。该基准通过真实 GitHub 问题测试 AI 模型完成软件工程任务的能力，要求模型在给定环境中理解、修改并测试代码，最终通过原始单元测试验证。Claude 团队构建的智能体设计简洁，仅包含提示词、Bash 工具和编辑工具，赋予模型充分的自主判断空间，以灵活步骤解决问题。目前尚无模型在该基准上突破 50% 的解决率。
推荐理由：Anthropic 把自家 SWE-bench agent 的 prompt、工具设计和踩坑经验全公开了，做 coding agent 的人可以直接抄作业，比看十篇二手解读都管用。
Cognition 模型 / Devin 博客精选AI 评分7373 Cognition 宣布 Devin 正式全面开放使用
Cognition 宣布 Devin 正式全面可用，无席位限制，所有工程团队可在 app.devin.ai 开始使用，并提供 Slack 集成、IDE 扩展（VSCode 及分支，Beta）和 API，以及 Cognition 工程团队的 onboarding 支持。
推荐理由：官方宣布 Devin 全面开放并给出适用任务、使用建议和多个开源 PR 实例，读者可据此评估如何把 Devin 接入自己的工程流程。
METR：Research精选AI 评分6262 METR 发布 RE-Bench：对比语言模型智能体与人类专家的 AI 研发能力
METR 发布 RE-Bench 基准，用 7 个 ML 研究工程环境衡量人类专家与前沿模型智能体的表现，并公开 71 次人类专家尝试及 Claude 3.5 Sonnet 和 o1-preview 的全部运行转录。
推荐理由：原文在同一环境公平对比人类专家与前沿模型智能体，并给出长短时间预算下得分反转的关键数据和完整开源转录。
OpenAI：官网动态精选AI 评分7272 OpenAI 发布 canvas：与 ChatGPT 协作写作和编码的新方式
OpenAI 推出 canvas，一种与 ChatGPT 协作写作和编码的新方式。
推荐理由：原文来自 OpenAI 官方发布，读者可据此了解 ChatGPT 在写作和编码场景上的新交互方式。
Cognition 模型 / Devin 博客精选AI 评分6060 Cognition 评测 OpenAI o1 系列在 Devin 编码智能体上的表现并公开评测方法
Cognition 公布在 Devin 中测试 o1-mini 和 o1-preview 数周的早期结果：在内部基准 cognition-golden 上，Devin-Base 从 GPT-4o 的 25.9% 提升到 o1-mini 的 34.6%、o1-preview 的 51.8%，生产版 Devin 达 74.2%。
推荐理由：Cognition 作为 Devin 开发方给出 o1 系列的实测对比数据，并完整披露其内部基准 cognition-golden 的评测方法。