Claude Sonnet 5.5 登陆 Amazon Bedrock 和 AWS 上的 Claude Platform
AWS宣布 Claude Sonnet 5.5 已在 Amazon Bedrock 和 AWS 上的 Claude Platform 提供，面向聚焦型编码与知识工作，速度更快且大多数任务的单任务成本更低。
推荐理由：文章同时给出 Sonnet 5.5 与 Opus 5.5 的任务分工，以及在 Amazon Bedrock 上的调用路径，便于评估模型选型与落地方式。
#编码
#编码
今日 1 条AWS Machine Learning Blog精选AI 评分7171
AWS Machine Learning Blog精选AI 评分7474 GPT-6.1 Sol 在 Amazon Bedrock 上正式可用
GPT-6.1 Sol 已在 Amazon Bedrock 上正式可用，面向编码、计算机使用和专业工作负载提供更强推理。OpenAI 称其在 DeepSWE v1.1 上达到 GPT-6 Astra 的表现，单任务成本约为其五分之一，并以低于 GPT-6 Sol 相关结果的 reasoning effort 超出后者最高分 6.4 个百分点。
推荐理由：原文以 DeepSWE v1.1 的成本与性能对比，说明 GPT-6.1 Sol 如何服务编码和多步骤智能体工作流。
OpenAI NewsAI 评分2727 OpenAI DevDay 2026 回顾：GPT-6 Astra、ChatGPT、Codex 等 20 多项公告
OpenAI DevDay 2026 汇总了 20 多项公告，核心内容包括 GPT-6 Astra、ChatGPT、Codex、APIs、安全以及面向 builders 的新工具。这些公告覆盖模型、产品、API、安全与开发工具，聚焦构建者可用的新内容。
OpenAI News精选AI 评分7272 OpenAI 推出 GPT-6.1 Sol，API token 价格为 Astra 的五分之一
OpenAI 推出 GPT-6.1 Sol，在编码、计算机使用和专业工作中提供接近 Astra 的智能水平。其 API 输入和输出 token 价格均为 Astra 标准价格的五分之一。
推荐理由：材料将编码、计算机使用和专业工作中的智能水平与 API 输入输出价格并列比较，为理解模型能力与成本的取舍提供参照。
AWS Machine Learning Blog精选AI 评分8181 Grok 4.7 登陆 Amazon Bedrock，支持长上下文与可配置推理
xAI 的 Grok 4.7 已上线 Amazon Bedrock，面向编码、长时运行的智能体和知识工作，提供 500K token 上下文窗口及 low、medium、high、xhigh 四档推理强度。
推荐理由：文章将 Grok 4.7 的长上下文与推理档位和 Bedrock 的接入、路由及认证方式对应起来，便于评估部署成本与使用路径。
OpenAI NewsAI 评分1818 你是 Codex Original 吗？OpenAI 邀请 Codex 使用者分享故事
OpenAI 正为 Codex Originals 计划的下一阶段征集真实故事，邀请使用 Codex 完成出色项目的构建者、创客、研究者和创作者分享经历。参与者可在页面下方提交自己的故事与项目，加入 Codex Originals 计划的下一章。
OpenAI NewsAI 评分1717 Proaction 借助 Codex 销售额提升 60%，节省 75+ 小时
Proaction 借助 Codex、GPT-Live-1 和 GPT-6 Astra，加快现代车队管理业务的构建、运营与销售，销售额提升 60%，并节省 75+ 小时。相关 AI 工具覆盖业务构建、运营和销售环节。
GitHub Blog · AI & ML精选AI 评分7575 GitHub Copilot 中的 canvas：为什么聊天界面并不总是合适
GitHub Copilot 应用中的 canvas 是运行在应用内、无浏览器界面的 full-stack app，可与 Agent 双向通信，让用户为具体任务生成定制界面。文章以 Connect 4、Winget、SQLite 和开发工作流为例，展示 canvas 如何支持游戏交互、本地包管理、数据库操作和流程自动化。
推荐理由：文章通过 Connect 4、Winget、SQLite 和开发流程案例，说明 GitHub Copilot canvas 如何把智能体交互转成可操作的任务界面。
GitHub Blog · AI & ML精选AI 评分7777 GitHub Security Lab Taskflow Agent 实现 AI 驱动的 C/C++ 模糊测试
基于 GitHub Security Lab Taskflow Agent 构建的 Fuzzing Taskflow，可为 C/C++ 项目自动完成入口识别、构建分析、harness 编写、AFL++ 运行、覆盖率改进、崩溃分诊和漏洞报告生成。
推荐理由：文章具体拆解了 Fuzzing Taskflow 如何把 C/C++ 模糊测试中的 harness 编写、覆盖率反馈和崩溃分诊交给 LLM agent，并说明运行时的安全边界。
GitHub Blog · AI & ML精选AI 评分6868 GitHub Copilot app 重建超大 Pull Request 视图
GitHub 在 GitHub Copilot app 中重建了 Pull Request 视图，使包含 2,200 个文件、超过一百万行变更和 400 多条行内评论的超大 PR 仍能打开和滚动。新架构将代码行与动态评论分开处理，通过惰性测量、滚动锚定、缓存和自动化性能探针，减少评论高度变化带来的跳动与空白。
推荐理由：文章拆解了 GitHub Copilot 如何用双重几何、惰性测量和自动化探针，让超大 Pull Request 的滚动与评论渲染保持稳定。
OpenAI NewsAI 评分2626 Airbnb 扩大 GPT-6 Astra 与 OpenAI 前沿模型的使用范围
Airbnb 正扩大工程团队对 GPT-6 Astra 与 OpenAI 前沿模型的访问，帮助团队解决 bug、设计系统并更快交付。此次扩展聚焦工程场景，覆盖问题修复、系统设计和产品交付。
GitHub Blog · AI & MLAI 评分4848 GitHub Podcast：该读代码吗、RAG 已死吗，Skills 是否淘汰 MCP？
GitHub Podcast 最新一期拆解五个 AI 热点观点，认为 AI 生成的代码仍需审查，Skills 与 MCP、RAG 并非互相替代。代码审查应按风险分配精力，开发者仍需理解并对结果负责。MCP 负责连接工具和数据，Skills 提供流程与专业知识，RAG 用于检索模型训练数据之外的相关信息。
GitHub Blog · AI & ML精选AI 评分8282 GitHub Copilot 使用 Copilot 将运行时迁移至 Rust
GitHub Copilot 团队使用 GitHub Copilot app 和 Copilot CLI，将 Copilot agent runtime 从 TypeScript 重写为超过 800,000 行生产 Rust，主要代码由 AI agents 编写，历经 128 个 pull requests，并在数月内由一名开发者主导完成。
推荐理由：文章以 GitHub Copilot runtime 的 Rust 重写为案例，梳理渐进式迁移、跨语言互操作和人机协作中的具体做法。
OpenAI NewsAI 评分2727 ChatGPT Work 和 Codex analytics 如何将 AI 使用连接到业务价值
ChatGPT Work 和 Codex analytics 帮助团队了解 AI 的使用情况与支出，并将 AI 采用情况与业务成果建立联系。相关分析还能识别团队的培训需求。
GitHub Blog · AI & ML精选AI 评分7474 GitHub 如何用 GitHub Copilot 将活动运营代码化
GitHub 日本和韩国市场的营销负责人使用 GitHub Copilot，将活动策划、报名筛选和会后跟进串成由 GitHub Issue 触发的自动化流程。GitHub Actions 负责创建落地页、生成 UTM 链接、处理名单和更新项目看板，GitHub Copilot skills 则以 SKILL.md 描述灵活的会后步骤。
推荐理由：文章给出一套从 Issue 表单、标签和 Actions 到 SKILL.md 的营销自动化实践，展示如何在保留人工审批的同时减少跨工具重复操作。
OpenAI NewsAI 评分2323 Cognition 借助 GPT-6 Astra 帮助 Devin 测试自身工作
Cognition 借助 GPT-6 Astra 提升 Devin 测试软件并证明其可运行的能力，旨在帮助工程师减少代码审查、交付更多软件。
GitHub Blog · AI & ML精选AI 评分7171 GitHub Copilot 初学者指南：使用 diff、terminal 和 browser
GitHub Copilot app 将 diff、terminal 和 browser 作为内置面板，让用户在同一处审查 Agent 的代码变更、运行项目命令并预览网站效果。用户可以通过 Pick & Polish 工具选择界面元素并让 Agent 调整，确认功能可用后直接接受变更并创建 pull request。
推荐理由：文章把审查代码变更、运行命令和浏览器预览串成一套流程，帮助读者在接受 Agent 生成的代码前完成验证。
Mistral AI精选AI 评分6969 Mistral AI 如何用 AI 智能体现代化复杂遗留代码
Mistral AI 协助一家欧洲能源运营商将40,000行 Fortran 77 迁移到 C++，目标系统是没有测试套件和集中式文档的物理密集型储层模拟器。团队先建立数值对齐测试框架并整理代码文档，再按模块组织规划、实现、测试和审查流程，由人工审核 PR；首个 sprint 覆盖了300,000行代码中的40,000行。
推荐理由：文章把复杂遗留代码迁移拆成文档整理、数值对齐和分模块协作三步，呈现了 AI 智能体在人工审核下落地的具体路径。
OpenAI News精选AI 评分6868 OpenAI 发布 GPT-6 Astra，面向工作的下一代智能模型
OpenAI 发布 GPT-6 Astra，称其为面向企业最强大的模型，具备高级推理、计算机使用以及更强的写作和设计判断能力。
推荐理由：摘要列出 GPT-6 Astra 在推理、计算机使用、写作和设计判断方面的能力侧重，可帮助读者快速了解其面向企业工作的定位。
OpenAI NewsAI 评分3434 GPT-5.6 Sol 如何助力量子计算实验
MIT 研究者借助 GPT-5.6 Sol 与 Codex，自主运行量子计算实验、分析实验结果并校准 qubits。该应用将模型能力用于量子计算实验流程。
OpenAI NewsAI 评分2828 1Password 使用 Codex 将工程生产力提升 21%
1Password 工程师使用 Codex 快速构建新功能和内部工具，将工程生产力提升 21%，并达到生产就绪状态。整个过程中，他们仍遵循严格的安全策略。
GitHub Blog · AI & ML精选AI 评分8080 GitHub Copilot 发布 Project HydraFusion 研究预览，支持运行时多模型编排
GitHub Copilot 推出 Project HydraFusion 研究预览，可在运行时从多个提供商的模型中选择并编排执行流程。HydraFusion目前支持 Single、Cascade 和 Critique 三种模式，并通过 Copilot CLI 的 /experimental 向所有 GitHub Copilot 计划用户开放。
推荐理由：GitHub Copilot 将多模型选择、评审与升级纳入运行时流程，并用三项 agentic coding 基准展示质量与成本之间的具体权衡。
GitHub Blog · AI & ML精选AI 评分6666 GitHub Copilot 初学者指南：如何同时运行多个智能体
GitHub Copilot app 支持通过彼此独立的 Agent session 同时运行多个任务，任务之间不会互相干扰。每个 session 使用独立的 Git worktree 并保留自己的上下文，用户可在 sessions view 中查看进度和结果。文章以添加 funded sort、进行无障碍检查和运行测试为例，展示并行处理方式。
推荐理由：文章以 Git worktrees 和独立上下文为主线，说明如何在 GitHub Copilot app 中并行安排开发、无障碍检查与测试任务。
Hugging Face Blog精选AI 评分7070 如何用 TRL 和 OpenEnv 训练 Qwen3.5-35B-A3B 编写水彩画代码
作者用 TRL 和 OpenEnv 复现水彩画代码训练方法，通过 GRPO 训练 Qwen3.5-35B-A3B，让模型编写调用 p5.brush 的 JavaScript，并向个人审美偏好靠拢。
推荐理由：将通用审美评分与人工筛选参考图的对比奖励分开实验，展示了减少劣质输出与贴近个人画风是两种不同的训练目标。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，前者面向长程编码与智能体工作流，后者面向网络安全。
推荐理由：文章同时给出 Gemini 3.8 Flash 在长程编码与多步推理上的基准表现，以及 Cyber 版本的漏洞发现、修复和使用门槛，便于比较两种定位。
Hugging Face Blog精选AI 评分8080 Granite 4.2 推理模型家族如何构建
IBM Granite Team 详解 Granite 4.2 推理模型家族的构建过程，涵盖 3B、8B 和 30B 三种规模，以及从 Granite-4.1 基础模型到 SFT 和多阶段 RL 的训练流程。
推荐理由：文章梳理 Granite 4.2 从 Granite-4.1 基础模型、SFT 到多阶段 RL 的训练链路，并说明 8B 与 30B 如何在真实环境中通过 Agentic RL 学会工具操作。
Hugging Face Blog精选AI 评分8080 Gradio 如何用 gr.Workflow 连接、运行和部署 AI 工作流
Gradio 的 gr.Workflow 将 AI 流程表示为带类型节点的图，提供可拖放画布，让每个节点都能运行并查看中间结果。同一张工作流图还可作为 REST API，并通过一条命令部署到 Hugging Face Spaces。
推荐理由：文章通过图像编辑、媒体工作室、数据集分析和 ZeroGPU 动画示例，展示 gr.Workflow 如何把可视化调试、API 调用与部署整合到同一张工作流图中。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.7 Flash，强化编码与智能体工作流
Google DeepMind 发布 Gemini 3.7 Flash，称其在编码、知识工作和 Web 开发流程上较 Gemini 3.6 Flash 有明显提升。
推荐理由：Gemini 3.7 Flash 的基准对比、价格和接入方式较为完整，便于判断其在编码与智能体工作流中的升级幅度和适用场景。
Berkeley AI Research精选AI 评分6767 K-Search 如何将 CUDA 内核经验迁移到 MLX 并优化 Apple Silicon
IBM Research 将 K-Search 扩展为支持 MLX 的后端，并通过结构化 CUDA-to-MLX 翻译层，把 CUDA 内核优化经验迁移到 Apple Silicon。
推荐理由：文章展示了如何把 CUDA 内核中的优化经验结构化迁移到 MLX，并以 Attention 和 Mamba SSM 实测说明翻译层对 Apple Silicon 性能的影响。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、Gemini 3.5 Flash-Lite 和 Gemini 3.5 Flash Cyber，分别面向通用智能体、低延迟高吞吐任务及网络安全。
推荐理由：文章将三款模型的定位、速度与价格放在同一发布中说明，并交代 Gemini 3.5 Flash Cyber 的受限部署方式，便于比较不同智能体工作负载的选择。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调、用于快速发现、验证和修复软件漏洞的轻量网络安全模型。
推荐理由：原文结合 CyberGym、Big Sleep 和生产扫描结果，展示了轻量模型在漏洞发现与修复任务中的性能和规模化使用方式。
Mistral AI精选AI 评分7070 Mistral AI 发布 Leanstral 1.5，强化 Lean 4 形式化验证
Mistral AI 发布 Leanstral 1.5，这是一款采用 Apache-2.0 许可、119B 总参数且仅 6B active parameters 的模型，面向 Lean 4 形式化验证。
推荐理由：文章同时给出形式化数学基准、成本对比和真实代码验证案例，便于评估 Lean 4 证明智能体从题目求解到仓库级任务的实际能力。
Hugging Face Blog精选AI 评分7070 ScarfBench：面向企业 Java 框架迁移的 AI 智能体基准
ScarfBench 是一个用于评估 AI 智能体执行企业 Java 跨框架迁移的开放基准，覆盖 Spring、Jakarta EE 和 Quarkus。基准包含 34 个应用、204 个迁移任务和约 151K 行代码，要求应用完成构建、部署并通过行为验证；当前最强智能体的行为成功率仍低于 10%。
推荐理由：ScarfBench把企业 Java 框架迁移拆成构建、部署和行为验证，揭示编码智能体在可编译代码之外仍受配置与运行环境依赖影响。
Mistral AI精选AI 评分8484 Mistral 发布 Vibe，统一工作与编码智能体
Mistral 发布 Vibe，将 Le Chat 的工作能力与编码能力整合为一个可处理长时、多步骤任务的 AI 智能体。Work Mode 支持跨企业工具执行研究、数据分析和文档撰写，Code Mode 则可连接 GitHub，在网页、VS Code 和 CLI 中完成编码任务并生成 pull request。
推荐理由：文章同时梳理了 Vibe 的工作与编码模式、连接器和部署方案，并列出套餐与 Le Chat 迁移安排，便于判断其适用场景。
Mistral AI精选AI 评分8787 Mistral Medium 3.5 发布，支持 Vibe 远程编码智能体与 Le Chat Work mode
Mistral AI 发布 Mistral Medium 3.5 public preview，这是一款 128B dense open-weight 模型，成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由：文章同时交代模型规格、编码基准与部署方式，并说明它如何支撑云端并行编码和多步骤工作流。
Google Research精选AI 评分7272 Google Research 发布 ERA 并逐步开放 Computational Discovery
Google Research 发布由 Gemini 驱动的 Empirical Research Assistance（ERA），并开始通过 Gemini for Science 逐步开放由 ERA 与 AlphaEvolve 构建的 Computational Discovery。
推荐理由：文章把 ERA 的研究结果、科学问题案例与开放路径放在一起，便于了解它如何从代码优化系统走向可供科研人员试用的工具。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码
Google DeepMind 发布 Gemini 3.5 系列并首先推出 Gemini 3.5 Flash，定位为面向智能体和编码的高速模型。
推荐理由：文章同时交代 Gemini 3.5 Flash 在智能体、编码和多模态基准上的具体表现，以及面向个人、开发者和企业的开放入口，便于理解其应用范围。
Google DeepMind精选AI 评分6868 Google DeepMind 展示 AlphaEvolve 在多领域扩展应用
Google DeepMind 发布报告称，Gemini 驱动的编码智能体 AlphaEvolve 已从试点工具扩展为 Google 基础设施的核心组件，并用于商业场景。
推荐理由：文章集中展示 AlphaEvolve 在科研、基础设施和商业场景中的应用，用具体指标说明算法优化能力如何迁移到不同领域。
Google Research精选AI 评分7272 Google Research提出 ReasoningBank，让智能体从经验中学习
Google Research在 ICLR 论文中提出 ReasoningBank，从智能体的成功与失败经验中提炼结构化推理记忆，并通过 MaTTS 支持测试时自我演化。
推荐理由：文章展示了如何把成功与失败轨迹提炼为可复用的推理记忆，并用 WebArena 与 SWE-Bench-Verified 结果说明其效果与效率变化。
Mistral AI精选AI 评分7373 Mistral AI 介绍面向人类与智能体的 Spaces CLI
Mistral AI 介绍 Spaces CLI，它可通过 `spaces init`、`spaces dev` 等命令搭建多服务项目，并生成配置文件与 Dockerfiles。为支持编码智能体，Spaces 为交互输入提供 flag 等价方式，使用插件注册表返回结构化数据，并在项目初始化时生成 context.json 和 AGENTS.md；文中示例从提示到部署耗时不到 10 分钟。
推荐理由：文章将交互输入、显式状态和结构化上下文落到 CLI 设计中，给面向智能体的开发工具提供了可复用的实现思路。