voxium：大公司规格、代码、测试全由 Claude Code 生成，工程师每天工作 12-13 小时只为按回车
voxium 称入职一家大公司半个月后，规格、代码、测试、PRD、工单与报告已全部由 Claude Code 生成，从 L1 到 L7 的工程师都在和 Claude 对话。他表示团队里没人喜欢这种状态，却被要求尽可能多交付，高层多次称推代码不是瓶颈、质疑为何仍然慢。工程师每天工作 12 到 13 小时，只为按回车，没人阅读任何内容。
#编码
#编码
今日 0 条Simon WillisonAI 评分5050 Simon WillisonAI 评分4646 llm-keys-ui 0.1 发布：为 llm CLI 提供 API key 保存界面
Simon Willison 发布 llm-keys-ui 0.1 插件，可用浏览器界面把 API key 存到远程机器，避免在 agent 会话中直接粘贴密钥。
Latent SpaceAI 评分6666 两天内出现 6 个 Jev 复现，判别式决策模型引发社区跟进
Latent Space 的 AINews 汇总 9/17 至 9/18 的 AI 动态，核心是 Jev 发布两天内出现 6 个复现。
GitHub Blog · AI & MLAI 评分3434 GitHub Podcast：AI 生成的代码该不该读？RAG 已死？Skills 杀死了 MCP？
GitHub Podcast 最新一期逐条拆解 AI 热门观点：AI 生成的代码仍需阅读与审查，RAG 并未"已死"，Skills 也没有杀死 MCP。MCP 为智能体连接工具与数据提供标准，Skills 更接近打包好的专业知识，两者解决不同问题、可共存于同一工作流。节目还提到，越来越多团队会问候选人如何使用 AI，但更关键的信号是判断力。
Latent SpaceAI 评分4545 Latent Space AINews：Claude Code Projects、OpenAI Astra for Law 与 Jev 动态
AINews 汇总了 Claude Code Projects、OpenAI Astra for Law 等更新。其中 Projects 支持单次对话派生并行云会话并跨线程传递上下文；Astra for Law 含 26 个合作方插件和 47 个社区插件，先在 ChatGPT 和 Codex 的 Trusted Access 推出。
Latent SpaceAI 评分5252 AINews 汇总：Yegge 关停 Gas Town，Databricks 换用 Astra 后编码支出增约 60%
Latent Space 的 AINews 汇总 9/15 至 9/16 的 AI 新闻，头条是 Yegge 关停 Gas Town，以及 Databricks 换用 GPT-6 Astra 后整体编码支出增加约 60%。
GitHub Blog · AI & ML精选AI 评分9090 GitHub Copilot 用智能体将运行时迁移到 Rust，生产代码超 800,000 行
GitHub 用 Copilot 智能体把 Copilot 运行时从 TypeScript 重写为超过 800,000 行生产级 Rust，分布在 128 个 PR 中并增量上线。
推荐理由：文章复盘了用 AI 智能体把大型 TypeScript 运行时原地迁移到 Rust 的做法，可供大规模智能体重构参考。
OpenAI NewsAI 评分2626 OpenAI 如何用 ChatGPT Work 与 Codex analytics 连接 AI 使用与业务价值
OpenAI 的 ChatGPT Work 与 Codex analytics 可帮助团队了解 AI 使用情况与花费、识别培训需求，并将 AI 采用情况与业务成果关联起来。
Latent SpaceAI 评分4242 AEF-1 第三方评估标准出炉，xAI、OpenAI 与 Anthropic 共同签署
AI Evaluator Forum 发布面向独立第三方 AI 评估的基线提案 AEF-1，覆盖评估方的访问权限、利益冲突、资金关系、回避与透明度，xAI、OpenAI 与 Anthropic 共同签署。Anthropic 单方面承诺采纳 Dario 提出的「嵌入式评估者」方案，让第三方评估团队以接近内部风控团队的权限进驻，核实安全实践、报告事件并评估训练流程。
OpenAI NewsAI 评分2525 Cognition 借助 GPT‑6 Astra 让 Devin 测试自己的工作
Cognition 将 GPT‑6 Astra 用于 Devin，提升了它测试软件并证明软件可正常工作的能力。官方表示，这一能力的目标是让工程师减少代码审查量、更专注于交付。
OpenAI NewsAI 评分2020 César de la Fuente 实验室如何用 Codex 和 ChatGPT 搜索新型抗菌分子
César de la Fuente 实验室正用 Codex 和 ChatGPT 搜索新型抗菌分子，范围覆盖现存与已灭绝生物的基因组，目标是抗击耐药感染。
Mistral AI精选AI 评分6060 Mistral 用 AI 智能体把 4 万行 Fortran 77 迁移到 C++
Mistral 帮一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++，这是这套 30 万行油藏模拟器代码现代化的第一阶段。迁移前先搭好数值对齐校验（parity harness），再用 Vibe CLI 调度上百个智能体、配合 Mistral OCR 按调用树自下而上生成文档并提交 PR。
推荐理由：案例给出了可迁移的落地做法，先用数值对齐校验再迁移，并用人工审查关卡平衡智能体自主度。
OpenAI NewsAI 评分2424 GPT-5.6 Sol 如何帮助运行量子计算实验
MIT 一位研究人员使用 GPT-5.6 Sol 配合 Codex，自主运行量子计算实验、分析实验结果并校准量子比特。
OpenAI NewsAI 评分3333 1Password 借助 Codex 将工程生产力提升 21%
1Password 的工程师使用 Codex 快速构建新功能和内部工具，推动工程生产力提升 21%。这些工作在维持严格安全策略的前提下达到生产就绪。
OpenAI NewsAI 评分3939 OpenAI 内部视角：编码智能体正在重塑 AI 研究
OpenAI 从内部视角指出，编码智能体正在重塑其 AI 研究，并披露了 agent 使用情况方面的早期数据。这些数据还涉及实验速度、任务复杂度与研究加速等维度。
GitHub Blog · AI & ML精选AI 评分6767 GitHub Copilot 上线 Project HydraFusion 多模型编排研究预览
GitHub 在 GitHub Copilot CLI 中上线 Project HydraFusion 研究预览，用运行时多模型编排为每个任务选择 Single、Cascade 或 Critique 三种执行模式。
推荐理由：HydraFusion 在 TerminalBench 2.1 上以低 67% 的预估成本换到 4.9 个百分点的质量提升，读者可据此了解多模型编排的取舍。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot app 新手指南：同时运行多个智能体
GitHub Copilot app 支持同时运行多个智能体会话，每个会话运行在独立的 Git worktree 上，彼此互不干扰。会话视图用卡片展示会话标题和任务进度，每个会话保留自己的上下文，可随时切换并接着上次的进度继续。文中以 tailspin-toys 仓库为例，同时启动 funded sort、无障碍审查和测试三个会话，官方建议先从同时跑两个小任务开始试。
OpenAI NewsAI 评分2929 Playco 用 GPT-6 Astra 做游戏原型，手动修复减少 50%
Playco 使用 GPT-6 Astra，基于同一个 grey box 基础构建了三款主题游戏原型，手动修复量相比上一代模型减少 50%。
OpenAI News精选AI 评分6868 OpenAI 发布 GPT-6 Astra 新一代模型
OpenAI 发布 GPT-6 Astra，称其是迄今最智能、对齐程度最高的模型，在计算机操作、编码、网络安全和科学方向具备 SOTA 能力。目前公开内容仅为发布摘要，未给出参数规模、开放范围或评测数据。
推荐理由：官方直接给出 GPT-6 Astra 在计算机操作、编码、网络安全与科学上的能力定位，可用于对照上一代模型的侧重点。
Hugging Face Blog精选AI 评分6868 Hugging Face 开源 Funes：为 Coding Agent 提供可跨机器携带的记忆层
Funes 是 Hugging Face 开源的 coding agent 本地记忆层，把 Claude Code、Codex、pi、Hermes 的 session 日志统一解析成 turn/block 结构。
推荐理由：funes 把各 coding agent 的 session 日志转成可索引、可跨机器检索的记忆层，并用基准测试给出相对上下文压缩和手写交接的量化成本对比。
Google DeepMindAI 评分4646 Google 推出 Fairwind Program：用 Gemini 3.8 Flash Cyber 为政府和企业提供主动式网络防御
Google 面向政府机构、关键基础设施运营商和企业客户推出有限访问的 Fairwind Program，提供其最先进的 AI 网络防御能力。该计划将 Gemini 3.8 Flash Cyber 与 CodeMender harness 结合，自主发现、验证并修复漏洞，数分钟内生成可部署补丁，运行成本仅为传统前沿模型的一小部分。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber，前者面向长程编码与自主智能体，价格与 3.7 Flash 相同，为每百万输入 tokens 0.75 美元、每百万输出 tokens 3.75 美元。
推荐理由：原文给出了与 3.7 Flash 同价同速的升级幅度以及 Cyber 版的受限开放方式，便于开发者判断是否迁移。
Google DeepMind精选AI 评分7575 Google DeepMind 发布面向编码与 Agent 的 Gemini 3.7 Flash
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码与智能体场景的主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：原文对比了 3.7 Flash 与 3.6 Flash 的多项基准提升和半价定价，便于判断是否值得替换现有编码与智能体工作流。
Berkeley AI ResearchAI 评分4343 ABBEL：教 LLM 更新信念状态，实现高效长程交互
ABBEL 框架让 LLM 把长程交互历史压缩为自然语言「信念状态」，并用信念打分监督其信息内容，以缓解上下文膨胀。在 CollabBench 协作编码任务中，ABBEL-rec-BG 把与全上下文模型的性能差距缩小约 50%，训练步数从 100 降到 50。其峰值上下文 token 数为 6.01×10²，低于全上下文模型的 14.08×10²。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布三款新模型 Gemini 3.6 Flash、3.5 Flash-Lite 和专注网络安全的 3.5 Flash Cyber。
推荐理由：原文列出三款 Flash 模型的基准提升、token 效率与每百万 token 价格，便于对比智能体任务的实际成本。
Import AIAI 评分4848 Import AI 464：Fable 编写 GPU kernel；AI 自动化；模拟计算
Fable 在 KernelBench-Mega 提交首个真正 megakernel，在 RTX PRO 6000 Blackwell 上较 PyTorch 基线实现 18.71 倍加速。
Hugging Face BlogAI 评分4343 ScarfBench：评估 AI 智能体在企业 Java 框架迁移中的表现
Hugging Face 推出开源基准 ScarfBench，用于评估 AI 智能体在企业 Java 跨框架迁移任务上的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，包含 34 个应用、204 个迁移任务和约 15.1 万行代码。
Import AIAI 评分3737 Import AI 461：研究人员成立 Sequent 聚焦超级智能对齐，称"对齐未走上正轨"；LMU 等团队发布 ChinaHeritaQA 多模态基准
英国 AI Security Institute 对齐团队与 Timaeus 联合成立非营利研究组织 Sequent，专注超级智能安全对齐研究，计划两年内扩至 40–80 名全职员工，初始融资目标 $100–150M。
Mistral AI精选AI 评分7171 Mistral 推出统一智能体 Vibe，覆盖工作与编程场景
Mistral 推出统一 AI 智能体 Vibe，接替 Le Chat，同时面向长时多步工作任务与编程流程。
推荐理由：原文给出了 Vibe 的能力范围、定价档位和 VS Code、CLI 等接入方式，便于对比现有工作流判断其适配度。
Mistral AI精选AI 评分7070 Mistral 发布 Medium 3.5 模型，同步推出 Vibe 远程编码 agent 与 Le Chat Work 模式
Mistral 发布 128B 稠密模型 Medium 3.5，同步在 Vibe 和 Le Chat 中推出远程编码 agent 与新的 Work 模式。
推荐理由：原文同时给出 Medium 3.5 的基准成绩、API 定价与云端编码 agent 形态，读者可以据此和同类模型与产品做横向对比。
Google DeepMind精选AI 评分9292 Google DeepMind 发布 Gemini 3.5，首发 Gemini 3.5 Flash
Google DeepMind 发布 Gemini 3.5 模型系列，首发 Gemini 3.5 Flash，今日起在 Gemini app 和 Google Search 的 AI Mode 面向所有人开放，开发者可通过 Google Antigravity、Google AI Studio 中的 Gemini API 和 Android Studio 使用。
推荐理由：文章列出 3.5 Flash 与其他前沿模型的基准对比和速度差异，可用于评估智能体与编码场景下延迟和成本的取舍。
Google DeepMind精选AI 评分6666 AlphaEvolve 一年成果：Gemini 编码智能体如何扩大跨领域影响
Google DeepMind 总结 AlphaEvolve 一年成果：这一 Gemini 驱动的编码智能体已在基因组、电网、量子计算和 TPU 设计中产生量化改进，并通过 Google Cloud 服务企业客户。
推荐理由：原文汇总了 AlphaEvolve 在基因组、电网、量子与 TPU 设计中的量化改进，可据此了解算法发现智能体的落地范围。
Import AIAI 评分6565 Jack Clark：AI 系统即将开始自我构建
Jack Clark 在 Import AI 第 455 期中提出，到 2028 年底出现由 AI 自主完成自身下一代训练的端到端自动化 AI 研发的概率为 60%+。
Google ResearchAI 评分4343 Google 发布 Vibe Coding XR：基于 Gemini 与 XR Blocks 加速 AI + XR 原型开发
Google 发布 Vibe Coding XR 工作流，借助 Gemini 与 XR Blocks 框架，将自然语言提示词在不到 60 秒内直接生成可在 Android XR 头显运行的物理感知应用。
Mistral AI精选AI 评分7070 Mistral 发布开源 Mistral Small 4，统一推理、编码与多模态能力
Mistral 发布 Mistral Small 4，采用 119B 总参数 / 6B 激活的 MoE 架构，统一 Magistral 推理、Devstral 编码代理与 Pixtral 多模态能力，支持 256k 上下文和可配置推理强度，权重以 Apache 2.0 开源。
推荐理由：原文给出统一推理、编码与多模态能力的架构与同尺寸模型的输出效率对比，可作为评估开源部署延迟与成本的参考。
Mistral AIAI 评分5454 Mistral 开源 Leanstral：面向 Lean 4 的形式化证明代码智能体
Mistral 发布面向 Lean 4 的开源代码证明智能体 Leanstral，模型权重以 Apache 2.0 协议开源，可通过 Mistral Vibe 智能体模式和 labs-leanstral-2603 API 端点使用。
Mistral AIAI 评分5656 Mistral 用 Vibe 构建自动写 RSpec 测试的 Rails 智能体
Mistral 在开源编码助手 Vibe 之上构建了一个 Rails 自动测试智能体，可读取源码生成或改进 RSpec 测试并接入 CI/CD，全程无需人工干预。
Mistral AI精选AI 评分6060 Mistral Vibe 2.0 发布：Devstral 2 加持的终端编码智能体升级
Mistral 发布 Mistral Vibe 2.0，终端原生编码智能体升级至 Devstral 2，新增自定义子智能体、多选澄清、斜杠指令技能和统一智能体模式。
推荐理由：原文给出了 Vibe 2.0 的具体新能力与 Devstral 2 的定价变化，方便读者判断如何接入日常编码工作流。
Mistral AI精选AI 评分7373 Mistral 发布 Devstral 2 与 Small 2 开源编程模型，同步推出 Mistral Vibe CLI
Mistral 发布 Devstral 2（123B）与 Devstral Small 2（24B）两款开源编程模型，同步推出 Mistral Vibe CLI 命令行代理。
推荐理由：Devstral 2 在 SWE-bench Verified 上取得 72.2%，并给出相对 Claude Sonnet 的 7 倍成本效率数据。
Mistral AIAI 评分5555 Mistral 发布 Codestral 25.08 与企业级编码栈
Mistral 发布 Codestral 25.08，主打代码补全接受率提升和长上下文生成稳定性改进。