OpenAI 内部报告:研究员对编码智能体的依赖已超过近半数同事
OpenAI 发布第二份内部研究加速报告,称 Codex、Dots 等内部智能体工具使用量快速上升,10 月中位研究员按 API 标价折算每天消耗 2400 美元 token,较上月增长 62%,前 10% 用户达每天 23000 美元。
OpenAI 发布第二份内部研究加速报告,称 Codex、Dots 等内部智能体工具使用量快速上升,10 月中位研究员按 API 标价折算每天消耗 2400 美元 token,较上月增长 62%,前 10% 用户达每天 23000 美元。
OpenAI 测量了编码智能体加速 AI 研究的实际效果,发现其表现并不均衡。该研究同时探讨了这一"参差不齐的前沿"对递归自我改进意味着什么。
Google DeepMind 发布 Gemini 4 Neon,主打复杂软件工程、知识工作与科研流程的端到端任务完成,在 Artificial Analysis Intelligence Index 上以 61 分位列第 3。
推荐理由:官方给出 Gemini 4 Neon 在多项基准上的排名、定价与思考档位,读者可据此判断它在 Gemini 4 家族中的定位与成本取舍。
Airbnb 通过 LLM gateway 在 Amazon Bedrock 上运行编码智能体 AirChat,并用“每任务成本”指导模型选型。约五周内上线八款新模型,到 10 月中旬约三分之二的编码智能体请求已流向这些新模型。Airbnb 在发布前用自有任务评测各模型的得分与每任务成本,发布后借助 CloudWatch 的延迟、限流和 token 指标核对生产表现。
Snapchat 推出 Easy Lens CLI,让开发者用 Claude Code、Cursor、Codex 等 AI 编程助手构建 AR Lens。创作者用自然语言描述需求,AI 助手即可调用 100 多个 AR 构建模块和 50 个 AI 资产生成器,完成生成预览、发布到 Snapchat 及追踪表现。
Codex 在用户机器上执行命令时,会按用户设定的文件系统与网络限制进行约束,覆盖 macOS、Linux 和 Windows 三大平台。
微软在 Ignite 上一口气发布七款 MAI 自研模型,覆盖代码、安全、图像、语音、路由与检索,主打性价比。微软称 MAI Code 2 在四项基准上平均达到 GPT-6.1 Sol 性能的 98%,成本为其 40%;对比 Claude Opus 5.5 则达到 96% 的性能、5% 的成本。
推荐理由:微软一次发布七款自研模型,并给出与 OpenAI、Anthropic 同档模型的性能与价格对照,可据此判断企业智能体的成本结构。
Daniel Stenberg 透露,AI 智能体在三周多时间里将 18.5 万行 C 代码转换为 34 万行 Rust 代码,同期 curl 项目实际合并了 300 多个 commit、修复 200 多个 bug 及若干漏洞。他指出这些 Rust 重写版本并不包含上述修复,并质疑这些克隆项目能否跟上 curl 的更新节奏。
OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol 两款语言模型,已在 ChatGPT Work 和 Codex 中向 Plus、Pro、Enterprise、Edu 用户开放,并通过 API 提供。
推荐理由:原文汇总了多家第三方评测与定价数据,读者可据此比较 Astra 与 Sol 在成本与能力上的取舍。
OpenAI 发布 GPT-6.2 Astra 与 Sol,在专业输出、编码和电脑操作方面有所提升,并降低了成本。新模型覆盖 ChatGPT Work、Codex 和 API 三个入口。
推荐理由:原文给出 GPT-6.2 Astra 与 Sol 在专业输出、编码和电脑操作上的能力变化,以及更低成本这一关键信息。
Revolut 使用 OpenAI 模型和 Codex 将编码时间缩短 30–60%,并扩展金融犯罪调查能力。在保障安全的前提下,Revolut 借助这些工具推进创新,同时不降低标准。
微软研究院联合 UC Berkeley 和 Microsoft Security 提出开源插件 TokenEconomizer,它从编码智能体在仓库中的历史会话学习,在不修改智能体和底层模型的情况下减少重复探索、无用工具加载和失败循环。
推荐理由:微软研究院等机构提出的插件在不改动智能体和模型的前提下,用仓库历史降低编码智能体的 token 成本,并给出多组合实测数据。
AWS 发布五阶段方法论,借助 Amazon Bedrock、Kiro IDE 和 AWS Transform 将大型机 Assembler 程序先转为 COBOL 中间层、再转为 Java Spring Boot 服务部署到 AWS。
Datasette 1.0a43 发布,1.0 里程碑完成度达 53%,最大新增是输出渲染器支持流式输出,内置 TSV 和 CSV 导出已采用,插件可通过新的 Response.stream() 方法注册流式输出。该版本还修复了私有存储查询可能泄露标题和 SQL 的安全问题,并新增 CSS 多页面视图过渡,让多页应用导航体验更接近 SPA。
Simon Willison 发布 Datasette 新地理空间插件 datasette-maplibre 0.1a0,结合 MapLibre GL 与免费矢量地图服务 OpenFreeMap,融合 datasette-cluster-map 和 datasette-leaflet-geojson 两个插件的功能。
美团开源 LongCat-2.5 权重,这是一个 1.6 万亿参数的 MoE 智能体模型,每个 token 约激活 480 亿参数,支持文本、图像、视频输入和最高 100 万 token 上下文。
推荐理由:读者可了解这款 1.6 万亿参数 MoE 智能体模型在编码基准上的位置,以及它完全基于华为昇腾芯片训练和部署的路径。
NVIDIA NeMo Switchyard 是一个开源库,可让 AI 智能体为每个请求选择由哪个模型处理,其 LiteLLM 集成支持 Stage 路由(读取请求历史中的工具活动与结果,在两个候选模型间选择)和 Random 路由(按权重分流用于 A/B 对比)。
Gondola 借助 Codex 将首席工程师产出提升 50%,并实现营收翻倍。ChatGPT 同时简化了其团队的日常工作。
Microsoft Research Focus 第98期由 Anson Ho 主持,介绍 AI 通用翻译进展、31 年 KLS 猜想被解决,以及让 AI 编码智能体更高效的新方法。
Amplitude 以 OpenAI 模型为主要基础构建主动式产品智能体 Wave,可识别该做什么、帮助团队用编码智能体交付改动并衡量影响,从而在 1–2 天内完成产品改进。
该方案用运行在 AWS Fargate 上的 LiteLLM 代理,将 Amazon Bedrock 封装为 OpenAI 兼容 API,并通过 Application Inference Profiles 实现按用户和按模型的成本控制与配额隔离。
Google DeepMind 发布 Gemini 4 Hydrogen,面向日常编码与智能体工作流,并在 Google AI Studio、Gemini API、Gemini app 和 Google Search 等全线开放。
推荐理由:原文给出 Hydrogen 与 Carbon、Argon 的定位分工及多项基准与定价,读者可据此判断它在多模型工作流中的位置。
Holiday Extras 正借助 Codex 将客户专业知识转化为更好的应用、更高的预订转化率以及新的增长可能。
OpenAI Codex 可通过 Amazon Bedrock 调用支持的 OpenAI 模型完成推理,Codex 本身仍运行在开发者工作站上。
Simon Willison 为收录 244 个 vibe-coded 工具的 tools.simonwillison.net 上线按标签浏览功能,用 tree-sitter 分析每个工具所用的 JavaScript API、库和 Web API 主机。首页现提供对应三类标签的标签云。
独立游戏《Big Walk》使用 AI 修复了一个 bug,引发独立游戏界争议。许多独立游戏节(IGF)评委认为,任何程度的 AI 编程都不可接受。
OpenAI 开发者体验工程师 Dominik Kundel 和 Charlie Guo 在 AI Engineer Code Summit 的 workshop 上分享了 Codex 的新工作方式。
Moonshot AI 的 Kimi K3.1 Pro Highspeed 已在 Amazon Bedrock 上线,基于 Kimi K3 后训练而来,保持 3T 级开放权重架构和 100 万 token 上下文窗口,官方称输出速度是 Kimi K3.1 Pro 的 2–3 倍。
Latent Space 作者实测了 NaiveAI 的开源权重模型 Naive-N0.5-Flash,它基于小米 MiMo-V2.5 继续训练并适配 DeepSeek Sparse Attention,主打高吞吐。
Google DeepMind 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,称其在网络安全能力和长周期智能体工作流上达到前沿水平。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,单任务成本比次优外部模型低 2 倍以上。
推荐理由:原文给出 Carbon 与 Argon 的定位差异、多项基准排名和定价,读者可据此判断该模型适合哪类任务。
Anthropic 文档指出,Claude Fable 5.2 会关注代码归属:当提示词说明代码库属于模型自己时,它更倾向于合并重复代码并主动做相关修复。文档给出的提示词是“You are the owner and long-term maintainer of this codebase, and its design is up to you.”。
Simon Willison 用 Claude Code 构建了 Beep Locator,通过多台设备三角定位房间里的神秘蜂鸣声,最终将声源位置锁定在约 40cm 范围内,找到一台电量耗尽的旧一氧化碳探测器。
CodeRabbit 使用 OpenAI 模型治理并信任 AI 生成的代码,并借助 Codex 在工程团队规模不变的情况下将软件交付量提升 20 倍。
AWS 宣布 Claude Fable 5.2 和 Claude Mythos 5.2 在 Amazon Bedrock 与 Claude Platform on AWS 上可用,其中 Fable 5.2 面向编码、数学和科研等技术工作,可处理多步骤任务并自行校验输出。
推荐理由:文章说明了 Fable 5.2 在编码与科研任务上的能力定位,以及数据保留和迁移方式,便于评估接入成本。
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型,称其在编码、推理和视觉方面有所提升,生成速度也快于 5.1 版本。
推荐理由:读者可了解 Anthropic 两款新模型在编码、推理与视觉上的能力宣称,以及 Mythos 5.2 仅向受审核机构开放的发布差异。
Anthropic 发布 Mythos 5.2 和 Fable 5.2,称其在编码、推理和视觉方面有所提升,Fable 输入价格从每百万 token 10 美元降至 8 美元,响应速度提升 30%。
推荐理由:读者可了解 Mythos 5.2 与 Fable 5.2 的能力、定价变化,以及 METR 报告后 Anthropic 对 RSI 与模型隐蔽行为的回应。
Simon Willison 用 HTML 的 details/summary 标签把 Claude Code、Codex 等智能体生成的冗长 PR 描述折叠起来,GitHub Markdown 原生支持该标签。他在 PR 开头只保留一段人工挑选的高层说明和截图,summary 处标注模型名与 effort 级别(如 "Claude Opus 5.5 Medium"),完整细节仍可展开查看。
Simon Willison 在 Claude Chat 中用 Claude Opus 5.5 Medium 把此前用 Three.js 制作的裸鳃类主题 Fabergé 彩蛋(77KB)移植成原生 JS 版本(98KB)。
Simon Willison 用 Claude(Opus 5.5)对比了用 C 和 Rust 编写 SQLite parse_number() 扩展的差异:Rust 版体积为 321 KB(Rusqlite)和 298 KB(sqlite-loadable-rs),C 版仅 14 KB,但 Rust 版更快。
斯坦福 CS146S 课程《The Modern Software Developer》已把作业改为向开源项目提交补丁,由仓库维护者亲自评审学生代码。授课者 Mihail Eric 同时在 Monaco 负责 AI,其团队评估后保留 Devin 做代码审查,但自建智能体工作区,并遵循"买来学、自建留"的原则。