Mellum 2 是一个开源的 12B 参数 MoE 大语言模型，每个 token 有 2.5B 活跃参数，专注于软件工程任务，是 Mellum 的后继版本。其架构基于 64 专家、8 激活的 MoE，并融合了分组查询注意力、滑动窗口注意力和多 token 预测头。模型在约 10.6 万亿 token 上进行三阶段预训练，并通过 YaRN 扩展至 128K 上下文窗口，之后经过监督微调与 RLVR 后训练，发布了直答式（Instruct）和带推理链（Thinking）两个变体。在多项基准测试中，其性能可与 4B-14B 范围的开源模型竞争，而计算成本仅相当于 2.5B 稠密模型。所有检查点以 Apache 2.0 许可证发布。
Endava通过应用AI工具Codex，成功构建了智能体驱动的组织模式，显著加速了软件交付流程。其核心成果体现在需求分析环节，耗时由数周大幅缩短至数小时。
文章探讨了大语言模型输出中存在的各种典型缺陷或不受欢迎的模式（即“异味”），并提供了相关示例。该内容来自 shvbsle.in，在 Hacker News 社区获得了 107 点热度。
Anthropic推出Claude Opus 4.8，在Claude Code中引入动态工作流和更便宜的快速模式，目前处于研究预览阶段。工作流最多可调用1000个子智能体执行任务。
关联讨论 15 条TechCrunch：AI（RSS）X：Claude Devs (@ClaudeDevs)X：Boris Cherny (@bcherny)X：Artificial Analysis (@ArtificialAnlys)Hacker News 热门（buzzing.cc 中文翻译）X：洪明 (@hongming731)The Decoder：AI News（RSS）X：OpenRouter (@OpenRouter)X：Thariq (@trq212)X：Kim (@kimmonismus)X：Claude (@claudeai)X：Rohan Paul (@rohanpaul_ai)X：邵猛 (@shao__meng)X：Testing Catalog (@testingcatalog)X：宝玉 (@dotey)Claude Opus 4.8 上线，价格与 4.7 相同（$5/M 输入、$25/M 输出），上下文等参数一致。新特性：effort 控制向所有用户开放；模型更精确遵循指令但主动性减弱；代码瑕疵蒙混过关概率降低 4 倍；fast mode 速度 2.5 倍，价格降至之前的 1/3（输入 $10/M、输出 $50/M）。Claude Code 新增 dynamic workflows，可自动拉起数十至上百个子 Agent 并行处理并自验。Benchmark 方面，Terminal-Bench 2.1 仍未超过 GPT-5.5。此外，Anthropic 完成 650 亿美元融资，估值近万亿美元。创作能力虽比 4.7 有进步，但整体仍不如 4.6。
Claude Code 引入了动态工作流功能，该特性允许智能体在执行任务时，根据上下文动态地构建和调整工作流程。文章发布于 2026 年 5 月 28 日。
tradecore 在48小时内完成了其客户服务工具 Zendesk 的替换。原文仅提及此项迁移在极短时间内完成，未涉及更具体的替换原因、新平台选择或迁移过程的细节。
xAI 的最新编码模型 Grok Build 0.1 已通过 xAI API 进入公开测试阶段。该模型专为智能体编码任务训练，支持网页开发、调试和 MCP，同时也是驱动 Grok Build CLI 的同一模型。其推理速度超过 100 tokens/秒，定价为输入 $1/m tokens，输出 $2/m tokens。除编码外，它也适用于通用智能体及工具调用场景，并可通过 OpenRouter 和 Vercel AI Gateway 获取。
关联讨论 4 条X：xAI (@xai)X：Elon Musk (@elonmusk, xAI)X：阿易 AI Notes (@AYi_AInotes)X：Testing Catalog (@testingcatalog)Claude Code 推出“动态工作流”功能，使 Claude 能端到端处理复杂任务。该功能通过动态编写脚本，在单个会话中并行运行数十到数百个子智能体来完成工作，并会在结果呈现前进行验证。它适用于跨代码库的 bug 查找、大规模迁移（如将 Bun 从 Zig 移植到 Rust）等需要多角度分析的任务。该功能现已在研究预览阶段可用，支持 Claude Code CLI、桌面端、VS Code 扩展以及 API、Amazon Bedrock、Vertex AI 等平台，面向 Max、Team 及已启用的 Enterprise 计划用户。
关联讨论 5 条Claude：Blog（网页）Claude Code：GitHub Releases（RSS）X：邵猛 (@shao__meng)X：Claude Devs (@ClaudeDevs)X：Thariq (@trq212)Anthropic 发布了新一代模型 Claude Opus 4.8，作为 Opus 4.7 的升级版本，其在编码、智能体技能、推理和实用知识工作等各项基准测试中均取得进步。Claude Opus 4.8 现已可用，价格与前代相同。同步推出的新功能包括：用户可控制任务投入程度、Claude Code 新增“动态工作流”特性，以及 Opus 4.8 的 2.5 倍速模式价格降低为以往的三分之一。早期测试者反馈其在智能体任务中的判断力更可靠、工具调用更高效。该模型在 Online-Mind2Web 测评中得分 84%，超越了 Opus 4.7 和 GPT-5.5。此外，其诚实度与对齐表现也得到提升，代码错误漏检率降低了约 75%。
关联讨论 15 条TechCrunch：AI（RSS）X：Claude Devs (@ClaudeDevs)X：Boris Cherny (@bcherny)X：Artificial Analysis (@ArtificialAnlys)Hacker News 热门（buzzing.cc 中文翻译）X：洪明 (@hongming731)The Decoder：AI News（RSS）X：OpenRouter (@OpenRouter)X：Thariq (@trq212)X：Kim (@kimmonismus)X：Claude (@claudeai)X：Rohan Paul (@rohanpaul_ai)X：邵猛 (@shao__meng)X：Testing Catalog (@testingcatalog)X：宝玉 (@dotey)微软计划在下周Build大会发布多款自研AI模型，旨在争取开发者认可。其中将包含一款编程专用模型，以提升GitHub Copilot的竞争力，应对Cursor与Claude Code等对手的挑战。同时，微软还将推出多款不同规格的新模型，具备语音转写、逻辑推理、语音处理及图像生成等技能。
针对大语言模型生成代码可能无意识复制训练数据并引发版权问题，研究提出了SOURCETRACKER编码器及混合溯源流水线HYBRIDSOURCETRACKER。该系统在THESTACKV2数据集子集上训练与评估，在包含改编片段的10万片段搜索空间中，对于60-token及以上的窗口，其性能稳定超越传统Winnowing算法达5.4%，并保持对数时间查询复杂度。基于LLM的评估显示，许多检索到的片段仍与预期源代码高度相似，具有实用价值。
Mistral AI 推出 Vibe，一款统一工作与编码的 AI 智能体。其工作模式可处理长期多步骤任务，连接 Google Workspace、Outlook、Slack 等应用，进行研究、分析与调度。代码模式支持从 Web 应用到终端的全流程编码。Vibe 运行为推理、智能体任务和编码优化的旗舰 Mistral 模型，并发布了新的 VS Code 扩展。
Anthropic 的 Claude Code 创建者鲍里斯·切尔尼建议计算机科学毕业生，如有创业想法，现在就是创办公司的黄金时代。他认为 Claude Code 等 AI 工具正让创业者以前所未有的方式创建和扩大规模。在与 Y Combinator 最新一批创业者交流时，约一半人举手表示其公司的“100%代码”都由 Claude Code 编写，而完全不让模型写代码的仅寥寥数人。他预测，未来使用智能体写代码的人群规模将达到今天的 100 倍。
英伟达研究团队开源了智能体强化学习框架 Polar。该框架无需重写现有智能体执行框架（如 Codex CLI、Claude Code、Qwen Code、Pi），通过在模型 API 边界放置智能体来接入 GRPO 训练。实验显示，基于 Qwen3.5-4B 模型，Polar 将 Codex 在 SWE-Bench Verified 上的 pass@1 分数从 3.8% 提升至 26.4%（增涨 594.74%）。效率上，其 prefix_merging 技术将训练步骤从 1185 次降至 218 次，速度提升约 5.39 倍，GPU 平均利用率从 20.4% 升至 87.7%。
飞书云文档新增“下载为Markdown”功能，文档内图片自动转为公网链接，可供AI读取。Markdown由John Gruber与Aaron Swartz于2004年创建，后被GitHub、Reddit、Slack等平台采用。在AI时代，因纯文本、易生成、有结构、省token，成为人类与大语言模型交互的通用格式——Claude等AI输出底层均为Markdown。尽管Claude Code的Thariq主张HTML更适合展示，作者认为Markdown负责信息流转、HTML负责呈现，建议日常文档改用.md格式以获自由可迁移体验。
SQLite近期在其代码库中添加了AGENTS.md文件，旨在指导将AI智能体指向该代码库的用户。该文件明确声明，SQLite项目不接受智能体生成的代码，但会接受包含可复现测试案例的智能体bug报告。此后的一次提交删除了声明中的“当前”一词，进一步强化了“不接受智能体代码”的立场。同时，因收到大量质量不一的AI生成bug报告，SQLite论坛已将相关讨论分流至新建的SQLite Bug论坛。
思科正与OpenAI合作，利用Codex重新定义企业工程实践。此次合作旨在帮助思科扩展AI原生开发能力、加速其AI Defense安全工作，并实现缺陷修复流程的自动化。
Warp使用GPT-5.5和OpenAI模型，以协调编程智能体，旨在统一本地、云端及开源开发工作流。
AI编程智能体Devin开发商Cognition完成超10亿美元融资，估值超过260亿美元。这笔巨额融资凸显了资本正大量涌入AI编程智能体领域，尽管其实际价值仍存在广泛争论。
Anthropic 与 OpenAI 通过编程智能体找到了产品市场契合点，这导致企业客户成本显著上升。两家公司已于 2026 年 4 月前后调整了企业套餐定价，从原先的高额折扣改为与 API 用量挂钩。Anthropic Enterprise 套餐变为每席位 20 美元/月外加 API 费用，OpenAI Codex 则按 API token 用量计费。同期发布的新模型 GPT-5.5（4月23日）和 Opus 4.7（4月16日）的 API 定价也显著高于前代版本。
关联讨论 1 条Hacker News 热门（buzzing.cc 中文翻译）AI代码审查平台CodeRabbit发现，AI生成的代码常能通过编译与测试，却不符合开发者真实意图，根源在于开发者隐含假设AI理解上下文。为此，团队基于Claude构建了一个智能体编排系统，置于编码请求与智能体之间。该系统在代码生成前协调多个Claude模型进行结构化规划，输出可审查的产品需求文档，使需求显式化。系统每周助力审查超过200万个PR。
AI编程初创公司Cognition宣布，其年化收入已达到492美元，并在八个月内将公司估值提升了一倍以上。
文章探讨了将 Claude Code 作为日常开发工具的实践，重点介绍了其核心配置文件 Claude.md、技能系统、子代理功能、插件扩展以及通过 MCP（模型上下文协议）进行集成的方法，旨在提升开发者的工作流效率。
开源智能体编程平台 Kilo Code 现已集成 xAI 的 Grok 模型。用户可使用其 SuperGrok 或 X Premium+ 订阅，在 VS Code、JetBrains IDE 及终端等环境中调用最新的 Grok 模型，包括专为智能体编程设计的 Grok Build。连接过程无需单独的 API 密钥，通过 OAuth 认证即可使用。Kilo Code 本身支持 500+ 种模型，并集成了工具使用、浏览器自动化及 MCP 扩展等能力，适用于软件工程与智能体工作流。
近日OpenAI的AI智能体Codex热度飙升。教程涵盖完整使用流程：从官网下载安装，支持从Claude Code和Cowork一键导入配置；界面分对话区和项目区，权限可选默认、自动审查或完全访问；模型推荐GPT-5.5，推理等级用高或超高，速度可选快速（1.5倍速度、2倍token消耗）或标准；建议开启引导模式、记忆功能，并设置全局AGENTS.md规则（卡帕西模板）；通过Skills和插件管理扩展能力；演示了开发网页（使用计划模式、批注功能圈选修改）和开发用药提醒App（需安装Xcode编译到手机）。
Claude Code 发布 v2.1.152 版本更新。核心改进包括：/code-review --fix 现在会将审查建议直接应用于工作目录；技能与斜杠命令支持通过 frontmatter 的 disallowed-tools 移除模型工具；新增 /reload-skills 命令可不重启会话重新扫描技能目录；SessionStart 钩子现可返回 reloadSkills: true 重新扫描技能，并可通过 hookSpecificOutput.sessionTitle 设置会话标题；新增 MessageDisplay 钩子事件以变换或隐藏助手消息。其他更新涉及插件市场管理、主模型不可用时自动切换至 --fallback-model、会话用量统计优化等。同时修复了终端样式退化、沙箱警告显示、思考摘要、MCP 服务器去重、远程会话连接及多种会话卡顿问题。
著名黑客乔治·霍茨在经过六个月测试后警告，AI编程智能体可能是软件开发中代价最高的错误之一。他认为这些工具适合快速原型，但无法可靠处理代码细节，生成的代码可能表面完善却隐蔽问题，给组织带来高额维护成本和故障风险。霍茨本人立场已转向怀疑，认为大语言模型是复杂的统计系统而非真正智能。与之相反，安德烈·卡帕西在GPT-5.4和Opus 4.6发布后改口，认为AI智能体已永久改变了编程方式。
昆仑万维天工AI近日正式推出高性能智能体模型SkyClaw-v1.0及其轻量化版本SkyClaw-v1.0-lite。该模型支持百万token上下文，深度适配真实智能体工作场景，重点优化了复杂工具调用、多轮任务执行与代码生成等能力。在多项智能体基准测试中，其性能超越了MiniMax 2.7、DeepSeek V4 Flash等开源模型，并接近DeepSeek V4 Pro、Claude Opus 4.6等更大规模模型。该模型定价极具竞争力，已接入天工Skywork，并提供2至4周免费试用。
天工AI今日推出SkyClaw-v1.0及轻量版SkyClaw-v1.0-lite，支持百万token上下文，深度适配复杂工具调用、多轮任务执行、代码生成与文件编辑等智能体场景。模型在主流Agent benchmark上全面超越Minimax 2.7、DeepSeek V4 Flash及Qwen 3.6，在OpenClaw任务上接近更大规模模型，定价低于Minimax 2.7与Qwen 3.6一半。训练采用大规模mid-train、合成轨迹SFT与端到端Agentic RL优化，适配OpenClaw、Hermes、Claude Code等主流Agent框架。模型已于5月22日接入天工Skywork，开放2至4周免费试用，并提供兼容OpenAI格式的免费API调用。
谷歌针对Antigravity用户抱怨额度消耗过快，推出了新模型Gemini 3.5 Flash（Low）。该版本通过调整推理投入强度，处理简单任务时的token消耗比Medium版本减少约45%。同时，谷歌重置了所有免费和付费Gemini计划的配额。
本文讨论了在使用人工智能辅助编程时存在的一种权衡关系。主要观点是，采用人工智能工具来生成或辅助编写代码，其核心目标在于产出质量更高、更可靠的代码。然而，这一过程可能会以牺牲开发速度为代价，使得编码的整体进程相对变慢。这揭示了在追求代码质量与开发效率之间的一种潜在平衡。
RAMP是一个基于YatCC平台的生产级运行时评估基础设施，用于评估长时程软件工程智能体。它通过标准化接口提供统一评估架构，引入含串行依赖和复杂工具链交互的编译器构造工作负载，结合分阶段恢复机制分析局部失败下的执行行为，并采用面向效用的多维度指标联合评估结果质量和过程效率。对15个主流模型的评估显示，传统静态基准无法发现的能力退化：串行工作流中任务完成率从初始阶段100%下降至最终阶段20%，且无一模型完成整个流水线；计算成本在同类模型间差异高达三个数量级。RAMP推动评估向持续、运行时可观测、生产导向发展。
该研究引入了Verus-SpecBench基准测试集，包含581个源自Codeforces问题、针对Rust验证器Verus的规格编写任务，以及Verus-SpecGym这一AI智能体交互环境。核心挑战是评估规格的正确性。研究通过扩展Verus的执行机制，并使用官方测试用例和对抗性用例进行评测。结果显示，最强模型Gemini 3.1 Pro解决了77.8%的任务，其他前沿模型解决率为51.1%-57.8%，开源模型仅为21.5%-25.5%。分析发现，LLM评判会遗漏26%的错误。结论是规格自动形式化对前沿智能体已可触及，但仍显脆弱。
多名开发者在 OpenAI Codex 后端日志中发现未官宣的 GPT-5.6 模型，内部代号 iris-alpha。该模型将支持 150 万 token 的上下文窗口，较当前 GPT-5.5 的 105 万 token 提升约 43%，有望于今年 6 月发布。测试显示，在输入达到 90 万 token 时仍能流畅响应。同系列还发现了 ember-alpha 与 beacon-alpha 版本。此外，GPT-5.6 在前端界面生成能力上也有所提升。基于爆料信息，Anthropic Claude、Google Gemini 及 xAI Grok 也可能瞄准同期发布新模型。
程序员 George Hotz 在经过六个月测试后警告，AI 编程智能体将成为软件开发领域代价最昂贵的错误之一。他认为 LLM 虽然能快速生成原型，但在细节上会崩溃，产生越来越难以发现的 bug。他的立场体现了 AI 社区对于 LLM 在软件开发中角色的深刻分歧。