CoSPlay是一个无需Ground-Truth数据且无需训练的代码生成框架，其通过合作自博弈机制联合提升代码与单元测试质量。工作流程为：探索多样化方案并识别潜在失败模式以生成有区分度的单元测试；利用代码-单元测试执行矩阵中的双向通过计数信号，迭代修剪或修复弱代码、刷新或替换不可靠测试，使两个候选池协同演进；最终从最大输出共识簇中选择代码，因为正确代码对相同输入的输出一致。在四个基准测试上，应用于Qwen2.5-7B-Instruct时，将平均BoN从22.1%提升至33.2%，单元测试准确率从14.6%提升至78.3%，性能匹配或超越RLVR模型CURE-7B；应用于CURE-7B时，可进一步将BoN提升5.7%。该方法在不同骨干模型上具备泛化能力，且在可比的token预算下优于无GT数据的TTS基线，性能随预算增加持续提升。
Berryxia.AI@berryxiaOpenCode can now officially be used with your Grok or X Premium subscriptions Try it with the new Grok Build model
Berryxia.AI@berryxiaCodex近期推出Appshots功能，用户可在Mac上双击Command键，快速将当前应用窗口的截图与文字内容（包括屏幕外部分）投喂给AI。同时上线的/goal模式支持用户设定明确任务目标（如跑通功能、编写测试），AI可自主跨时执行，允许用户随时查看进度或调整方向。这些更新凸显了AI Agent的自主能力，但目前Mac端体验最佳，Windows用户仍在等待基础远程控制与功能同步。
It's Codex Thursday, and yes, we have updates for you. First up: Appshots, a new way to bring the context of what you're...
在2026年阿里云峰会上，阿里巴巴的Qwen团队发布了其迄今最先进、最全面的智能体模型Qwen3.7-Max。该模型核心特点是具备100万token的超长上下文窗口，并引入扩展思考模式，专为代码编写、调试及多步骤工作流自动化等长周期任务设计。在Artificial Analysis Intelligence Index评测中，该模型获得56.6分，在所有专有模型中排名第五。
小互@xiaohuCodex 新增“锁屏使用”功能，允许用户在 Mac 锁屏状态下，通过手机远程下发指令，让电脑继续执行任务。该功能基于苹果官方授权机制临时解锁，操作全程屏幕保持黑屏以保护隐私，并具备四层安全设计，如短时授权、检测到本地操作即刻重锁，确保了远程操作的安全性与便利性。
本次更新引入了Workflow工具，支持确定性多智能体编排（默认关闭）。将/simplify命令重命名为/code-review，现可报告代码正确性问题并支持生成GitHub PR内联评论。改进了自动更新器（增加重试与错误报告）、大文件diff渲染性能，并优化了提示历史记录以避免重复条目。修复了多个关键问题，包括企业登录限制未生效、Windows下的PowerShell工具与终端闪烁问题、插件系统及shell快照的bug，并增强了沙箱安全性与终端兼容性。
🚨 AI News | TestingCatalog@testingcatalogIt's Codex Thursday, and yes, we have updates for you. First up: Appshots, a new way to bring the context of what you're...
宝玉@doteyOpenAI 近日对 Codex 进行了一系列重要更新，旨在提升团队协作效率并降低开发门槛。核心功能包括：通过快捷键快速发送当前窗口上下文至 Codex，解决工作流中断问题；桌面版正式推出/goal 模式，支持长时间自主执行复杂任务；新增高级标注模式，方便设计师在页面预览中直接调整与批注；企业用户现可共享自定义插件，并通过升级的 Analytics 面板查看细粒度使用数据。这些更新标志着 Codex 正从个人编程助手向更强大的团队协作平台演进。
It's Codex Thursday, and yes, we have updates for you. First up: Appshots, a new way to bring the context of what you're...
宝玉@doteyOpenAI 为编程助手 Codex 推出一系列重要更新，旨在降低参与门槛并提升团队协作效率。主要更新包括：“Appshots”功能，用户可通过快捷键将当前应用窗口的截图与文本内容（含屏幕外部分）直接发送至 Codex；桌面版正式支持“/goal”模式，允许 Codex 自主执行跨时长的复杂任务；新增高级标注模式，设计师可在预览中直接拖拽调整元素并提交修改。此外，Business 用户现可共享自定义插件，Analytics 面板也升级了细粒度数据监控。这些举措标志着 Codex 正从个人编程助手向团队协作平台演进。
It's Codex Thursday, and yes, we have updates for you. First up: Appshots, a new way to bring the context of what you're...
Sam Altman@samaIt's Codex Thursday, and yes, we have updates for you. First up: Appshots, a new way to bring the context of what you're...
小互@xiaohuOpenAI为Codex推出Appshots功能，用户可通过快捷键（连续按两次Command键）将当前操作窗口的完整上下文分享给AI。该功能不仅传输屏幕截图，还能提取窗口内的文本内容及未显示的隐藏信息，例如完整代码结构、设计稿内容或控制台报错等。这免去了开发者、设计师手动复制粘贴代码与截图的繁琐流程，实现了工作界面的直接共享。
Greg Brockman@gdbIt's Codex Thursday, and yes, we have updates for you. First up: Appshots, a new way to bring the context of what you're...
Rohan Paul@rohanpaul_aiQwen3.7-Max on AI/ML API - built for the agent era GPQA Diamond (92.4), HMMT (97.1), Apex (44.5) Sustains 35+ hours of a...
OpenCode@opencodeYou can now use your @grok or X Premium subscription in @opencode. Use the model powering Grok Build for high speed and ...
Alibaba Cloud@alibaba_cloudThe new Qwen3.7-Max from @Alibaba_Qwen is live on OpenRouter. The flagship of the Qwen3.7 series, built for agent-centri...
关联讨论 8 条公众号：通义实验室（千问）X：通义千问 / Qwen (@Alibaba_Qwen)X：阿里云 / Alibaba Cloud (@alibaba_cloud)X：X.PIN (@thexpin)X：Rohan Paul (@rohanpaul_ai)Qwen：Blog Retrieval（API）Hacker News 热门（buzzing.cc 中文翻译）IT之家（RSS）
AYi@AYi_AInotesClaude Code上线了/usage指令，实现token消耗的精细化归因。该功能可展示每个Skill、子代理及MCP的用量占比，并能追踪由下游操作触发的消耗源头。支持按天/周筛选历史数据，CLI端已可使用，桌面端即将跟进。这一更新使用户能从模糊感知转向精确掌握AI工作流的具体成本构成。
In the next version of Claude Code: run /usage to see a breakdown of which Skills, Agents, MCPs, and Plugins are using y...
xAI宣布，其SuperGrok或X Premium订阅用户现可在开源编程工具OpenCode中使用Grok模型。OpenCode提供终端或独立桌面应用两种形式，用户连接Grok账户后，即可调用驱动xAI终端编程代理的Grok Build模型进行开发。该集成通过xAI Grok OAuth实现认证接入，官方表示未来将推出更多开源代理及集成方案。
云端智能体已从本地智能体的简单扩展，发展为具备独立环境、可并行无人值守处理长任务的系统。构建的核心经验在于：完整的开发环境是输出质量的关键，这需重建大量基础设施；可靠性方面，团队从自研架构迁移至Temporal平台，将可靠性提升至99.9%以上，该平台每日处理超5000万次操作，支撑超40%的代码拉取请求；同时，实现了智能体循环、机器状态与对话状态的解耦，以适应复杂的跨环境协作。
宝玉@doteyIn the next version of Claude Code: run /usage to see a breakdown of which Skills, Agents, MCPs, and Plugins are using y...
OpenRouter@OpenRouter
Replit ⠕@ReplitMistral AI发布了新模型Mistral Medium 3.5。该模型为Vibe产品中的远程编程智能体（remote coding agents）提供支持，这些智能体可在终端、IDE和后台运行。同时，Le Chat新增Work模式，专为处理复杂任务而设计。发布日期为2026年5月22日。
Chubby♨️@kimmonismus作者体验了KroWork平台的“对话生成软件”功能。他通过自然语言提示Kro代理，要求创建一个新闻仪表盘。该工具更新后可展示其系统逻辑的思维映射过程，并借助Kro Browser Bridge扩展程序实现浏览器实时操作。整个应用生成过程仅耗时约五分钟，全程无需编写代码。关键在于，由于生成结果是编译后的真实本地软件，后续运行不会消耗任何token。
Chubby♨️@kimmonismusCursor's new Composer 2.5 takes third on the Artificial Analysis Coding Agent Index and is ~10-60x lower cost than the h...
Berryxia.AI@berryxia新发布的Qwen 3.7 Max正被用户通过“递归分形二叉树”生成测试进行评估。该测试要求模型编写HTML代码，模拟树木从生长到摇曳的动画。此前，Gemini 3.5 Flash已用同一测试进行了展示，其生成完整动画耗时77.56秒，效果被评测者认为惊艳。该测试已成为比较不同AI模型代码生成与创意能力的一种常见方式，用户可借此对比各模型的表现。
兄弟们! 今天已经可以在ZenMux上免费体验Gemini 3.5 Flash 了! 我第一时间用它跑了那个经典的「AI模型递归二叉树生长测试」. 同一个 Prompt ,不同模型画出的树形态完全不一样。(见视频-Prompt见评论区) G...
凡人小北@frxiaobei用户宣布从Claude cowork全面转向Claude Code，核心原因是Claude cowork的沙盒权限控制过于严格，难以支持复杂任务。相比之下，Claude Code与Codex提供了更开放的权限，允许更自由的系统级操作，被形容为“脱缰野马”般灵活。
宝玉@doteyCodex在ChatGPT iOS app上进行快速迭代，推出多项手机端功能更新。核心改进包括实现代码轮次编译完成的实时推送通知，优化断线重连UI以增强网络恢复顺畅性，对话界面设计更紧凑精致并向桌面端应用看齐。新增/fork命令，并大幅优化代码差异对比功能，支持直接打开完整文件查看差异。这些更新聚焦于提升移动端交互效率和视觉体验，体现了Codex在移动场景下的持续优化。
Codex in ChatGPT iOS app got better in latest update! - Receive turn completion push notifications - Better reconnection...
凡人小北@frxiaobei用户将Codex工具指向一个现有产品，仅用30分钟就自动分析并输出了该产品的完整技术蓝图，包括架构、数据模型、带有成本估算的提示词，并生成了一份长达378行的重建计划。更令人惊叹的是，现在可以通过一条明确的指令（“/goal implement...”），让Codex尝试一次性重建出与目标产品功能完全一致的成果，展示了其强大的逆向工程与代码生成能力。
codex is actually insane 🤯 if you thought frontend cloning was impressive, check this out: I just pointed codex at anot...
Alibaba Cloud@alibaba_cloudAlibaba's new Qwen3.7 Max model scores 56.6 on the Artificial Analysis Intelligence Index, 4.8 points higher than Qwen3....
关联讨论 8 条公众号：通义实验室（千问）X：通义千问 / Qwen (@Alibaba_Qwen)X：阿里云 / Alibaba Cloud (@alibaba_cloud)X：X.PIN (@thexpin)X：Rohan Paul (@rohanpaul_ai)Qwen：Blog Retrieval（API）Hacker News 热门（buzzing.cc 中文翻译）IT之家（RSS）Chubby♨️@kimmonismus阿里云发布新旗舰模型Qwen3.7 Max，定位为“代理时代”的基础模型，强调其在端到端编码、办公自动化等实际任务中的执行能力。模型在一个内核优化任务中展示了35小时无人干预的自主运行能力，完成了超过1000次工具调用。但这并非模型的全面自我进化，而是针对特定优化目标的迭代改进。更值得关注的是，Qwen声称其代理能力能从多样化的训练环境中泛化，如同语言能力从文本中泛化。这一观点若成立，其意义将远超任何基准测试成绩。
📣Meet Qwen3.7-Max - our latest flagship, made for the Agent Era. A versatile foundation for agents that actually get th...
Alibaba Cloud@alibaba_cloud阿里云发布了通义千问系列的新旗舰模型Qwen3.7-Max，定位为面向智能体时代的通用基础模型。该模型旨在为“能真正完成任务”的智能体提供强大支撑，其核心能力包括：支持端到端的复杂编码任务，可作为集成多智能体协作的办公助手，并能执行超过35小时的长期自主任务。该模型具有框架无关的兼容性，可适配Claude Code、OpenClaw等多种工具链。目前，用户已可通过Model Studio平台调用其API。
关联讨论 8 条公众号：通义实验室（千问）X：通义千问 / Qwen (@Alibaba_Qwen)X：阿里云 / Alibaba Cloud (@alibaba_cloud)X：X.PIN (@thexpin)X：Rohan Paul (@rohanpaul_ai)Qwen：Blog Retrieval（API）Hacker News 热门（buzzing.cc 中文翻译）IT之家（RSS）
Qwen@Alibaba_QwenAlibaba's new Qwen3.7 Max model scores 56.6 on the Artificial Analysis Intelligence Index, 4.8 points higher than Qwen3....
关联讨论 8 条公众号：通义实验室（千问）X：通义千问 / Qwen (@Alibaba_Qwen)X：阿里云 / Alibaba Cloud (@alibaba_cloud)X：X.PIN (@thexpin)X：Rohan Paul (@rohanpaul_ai)Qwen：Blog Retrieval（API）Hacker News 热门（buzzing.cc 中文翻译）IT之家（RSS）编辑Sean Hollister分享了他使用Google AI Studio的震撼体验。在一个下午内，他仅通过输入文字就成功构建了三个安卓应用。其中一次，他向AI输入了148个单词描述后便离开，十分钟后，一个功能完整的应用就已安装到他的手机并可运行。Google的AI工具包揽了从生成代码到编译、部署的所有技术环节，用户只需进行简单的手机调试设置。这一过程生动展示了“vibe coding”如何降低软件开发门槛，预示着普通用户也能借助AI工具快速将创意变为现实，个人软件开发的革命正在到来。
🚨 AI News | TestingCatalog@testingcatalogQwen3.7-Max is live! 🚀 Introducing the latest proprietary model, built for advanced agentic coding, complex reasoning, ...
Artificial Analysis@ArtificialAnlys阿里云发布闭源旗舰模型Qwen3.7 Max，在Artificial Analysis智能指数上获得56.6分，较前代Qwen3.6 Max Preview提升4.8分，与国际前沿模型的差距有所缩小。其进步主要体现在科学推理、智能体及编码能力上。值得注意的是，本次评分提升很大程度上源于模型在“AA-Omniscience”基准上主动选择“不回答”的次数增多，从而将幻觉率从44.2%显著降至22.9%。此外，该模型的上下文窗口已扩大至100万token，但仍延续了Max系列的闭源策略。
火山引擎的Agent Plan和Coding Plan产品新增支持DeepSeek V4模型，用户可在相关计划中调用该模型进行开发与部署。
凡人小北@frxiaobeihttp://x.com/i/article/2057247064115838976
