衡量 AI 编程投入应改用「每个已合并 PR 的成本」，而非 token 消耗量。
单个智能体编程任务的 token 用量可达普通对话提示词的 10 到 50 倍，按 token 计费会让高价值工作流反而最贵：Uber 据称在 4 月就用完了 2026 年全年 AI 预算，GitHub Copilot 已从固定费率转向按量计费额度，Gartner 预测到 2028 年 AI 编程 token 成本将超过开发者平均薪资。文章建议把困难规划与新颖推理留给前沿模型，将代码生成、测试编写和重复重构路由到自运营的开源权重模型，并以网关按任务复杂度、数据敏感度、成本和延迟分流。
The Verge 编辑 Sean Hollister 花 50 美元购入 Waveshare ESP32-S3 1.75C 触摸屏开发板，借助 Claude Code 把它改造成功能接近 Meta Muse Charm 的 AI 挂件。
该开发板是 Meta 官方推荐的 "Muse Gadget" 硬件之一，可直连 Muse AI 云端，但初始版本只能显示单个 Jolly 头像、回复缓慢且无语音、无法自动发现智能家居设备。他用 Claude Code 补上了对话历史页、ElevenLabs 语音播报、蓝牙低画质相机预览、多套头像和带饥饿与清洁度的电子宠物小游戏，并做出可正常走时的怀表表盘。
AWS 发布教程，介绍 Amazon Bedrock AgentCore runtime 的 Session endpoints 功能，让编码智能体在会话内运行 Vite 网站，开发者通过带认证的 URL 在浏览器中实时查看改动。
每个会话获得独立 URL，只转发 allowedPorts 中允许的端口，支持 HTTP/1.1、HTTP/2 和 WebSocket，每次请求都需 SigV4 签名或 JWT。示例中智能体在 8080 端口调用 Claude Haiku 5.5 修改文件，Vite 开发服务器在 8090 端口热更新页面，8081 端口提供 /status 路由。
Latent Space 披露了 AI Engineer CODE 大会的策展细节，这是今年最后一场旗舰 AIE 活动，采用单轨制、仅邀请全球前 1000 名智能体工程师，目前尚余数百个席位。
大会围绕三大主题：Scaling without Slop（延续去年 No More Slop 倡议，反思 Tokenmaxxing 的兴衰）、System One 模型（TypeSafe 团队将展示其顶级用户的实际用法）、以及日益激进的重写潮（Bun 作者 Jarred Sumner 将介绍 Bun 的 Rust 重写与 Bun AOT）。
Microsoft Research Focus 第 97 期由主持人 Sowbhagya Suresh 汇总微软研究社区最新进展，并新增 YouTube 和主流播客平台渠道。
自改进框架 ForkPilot 在六个基准和多个主流 AI 模型上测试，达到现有最佳方法水平，同时将 AI 处理开销降低最多 59%。CABRA 框架通过从零生成编码挑战发现，智能体常借助工具解决编码问题，但在理解陌生代码库时仍显吃力。TeleTune 从用户活动日志中学习可复用技能并推断任务目标，在软件和浏览器任务评测中优于现有方法。
Kiro 提供了一套可重复的 PHP 到 Java 迁移引擎，把原 PHP 应用当作规格说明，在一致性校验通过前不判定 Java 移植版正确。
该引擎由共享方法论、机械式发现扫描器和八阶段工作流组成，全部打包为版本化的 Markdown 技能文件（php-to-java-migration 与 php-model-discovery），因此同一套方法既能在 Kiro 中以交互方式逐个应用运行，也能交给 AWS Transform 以智能体方式并行处理多个应用。核心规则是先发现后翻译：扫描器单遍运行、无依赖，对源码 token 应用三种发现策略并输出一份 JSON manifest，歧义项进入人工复核队列。
Simon Willison 推荐 Jacob Sansbury 介绍 Spawn 的文章。
Spawn 是一个多人游戏环境，玩家可以用提示词让游戏内智能体 Savi 修改游戏世界，Willison 在手机上试玩时用提示词生成了城堡和龙，并骑龙飞行。据 Jacob 描述，Spawn 现在由一群基于 Fable 的智能体自主开发，每月 token 成本超过 300 万美元，约为人力成本的 30 倍；智能体直接修改线上代码并每小时发布，约 60% 的工作来自生产错误、Savi 提交的 bug、日志异常或功能请求。团队把一小时没有发布视为最高级别的 SEV-0 事故，并能在 30 秒内回滚局部故障。
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在公开预览基础上继续做强化学习，编码与防御性网络安全能力提升。
在 Artificial Analysis Coding Agent Index 上得分 48%，与开源领先模型 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 从预览版提升 13 个百分点至 41%，输出 token 减少 30%。
Mistral 公开了 1 万亿参数多模态模型的权重，并给出编码与安全基准及三种推理档位，可据此评估自托管成本。
Google 发布前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全方面有明显提升。
该模型在 Artificial Analysis Intelligence Index（v5.0）上排名第一，Claude Opus 5.5 和 GPT-6 Astra 位列其后，并在衡量真实漏洞发现能力的 SEC-bench Pro 和衡量漏洞利用转化的 ExploitGym 上排名第一。目前它只向少数网络安全防御公司开放，后续将通过 Fairwind Program 扩展到其他合作伙伴。Google 称 Carbon 适合长时间运行的多步工程任务，能减少走捷径、抵御提示词注入，并将无依据表述相比 Argon 减少两倍。
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶，前代 Argon 为 50 分。
Google 称 Carbon 面向需要持续智能体工作流的长时间工程问题，内部团队曾连续运行数天，用于大型代码库的根因分析和缺陷修复。第三方评测显示，Carbon 在 Antigravity 的智能体编码上仍落后 Claude Code 搭配的 Opus 5.5 三分；在 AA-Briefcase 智能体知识工作上达到 1,609 Elo，但低于 Kimi K3.1 Pro 等模型。
Anthropic 周三发布一套报表工具，让企业客户查看团队在指定时间段内做了什么、产出了什么、花费多少，以及工作流在哪些环节中断，并给出改进建议。
Anthropic 表示默认不会将这些数据用于模型训练。该工具还提供团队共享预算，便于管理 token 支出。Anthropic 向投资者披露的数据显示，Claude Code 所在业务第二季度实现运营利润，净收入留存率达 900%。Jellyfish 基于 276,000 名客户使用情况的报告显示，Claude Code 等基于 Anthropic 模型的工具仍最常用，占提交审查的代码变更近三分之一，相关支出自年初以来增长 10 倍，约相当于工程总成本的 2%。
Google 在 Android Dev Summit 上发布 Android Studio Rabbit 2，通过开放 Agent Client Protocol 支持在 IDE 内运行 40 多个编码智能体，包括 Anthropic 的 Claude Agent、OpenAI 的 Codex 和 Google Antigravity，并可直接访问项目结构、模拟器和 Logcat。Android CLI 新增面向 Claude Code、Codex 和 Antigravity 的官方插件，Google 内部测试显示智能体完成 UI 任务快 77%、token 用量最多降至三分之一。
Android Studio 开放第三方智能体接入，并给出终端与 MCP 工具链的具体改动，可据此判断移动开发工作流会怎么变。
Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon，称其在网络安全与长周期任务能力上为自家最强模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
该模型在漏洞发现基准 SEC-bench Pro 上取得 88.2%，在利用验证基准 ExploitGym 上取得 54.8%，在补丁生成基准 CWE-bench 上取得 71.0%；WebDev Arena 上提升 89 elo 至 1769 分、排名第 4。
官方披露了 Carbon 在漏洞发现、利用验证与补丁生成上的基准成绩，以及先向网络安全防御方开放的分阶段策略。
Simon Willison 认为 2026 年 10 月是 vibe coding 游戏开发的拐点，Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上有明显进步，他让模型把游戏改得更有趣，结果确实奏效。
他近几周完全不看代码，做出四款自己真正爱玩的 HTML/JavaScript 浏览器游戏：单次提示生成的找不同小游戏 Tree Appreciator、带剧情和关卡编辑器的奇幻 RPG Emberwick、已以 Apache 2.0 开源的即时战略游戏 Battle Drones，以及仍在迭代的种南瓜模拟器 Quarter Sun Cove，每个项目投入不超过四小时。
Anthropic 工程经理 Felix Rieseberg 取消了传统编程面试，认为 Claude 完成小型编程题的能力已超过候选人，考 React 小题如今和考汇编一样没意义。
他重新定义“junior”为在公司内没有地位、权力和人脉的工程师，称这类新人能发现老员工早已习以为常的问题，并举例两位较新的 Anthropic 工程师 Anthony Morris 和 Alice Zhao 用一个周末做出 Claude Code 图形界面，首个公开版本约八天后发布。他建议开发者弄清上级的目标，挑一个能显著推进该目标的野心想法，周末做出可运行原型，跳过产品规格、审批和游说设计师或产品经理的流程，并强调只聚焦一个好点子。
一位 Thomson Reuters 首席工程师在喜马拉雅山麓的家中，用本地运行的 OpenCode 加 Ollama 驱动 Qwen3.5 9B，验证断网状态下仍能完成解释代码、排查失败测试、小范围重构和补完功能等任务。
该方案需提前下载模型、项目依赖与测试工具，联网下载新包或查网页仍不可行。Qwen 模型卡显示，Qwen3.5 9B 在 LiveCodeBench v6 得 65.6、BFCL-V4 得 66.1，均高于 4B 版的 55.8 和 50.3；9B 下载体积约 6.6–7.6 GB，但下载大小不等于内存需求，64k token 的 OpenCode 配置还需为上下文和其他应用留出余量。
CodeRabbit 使用 GPT-6.1 Sol 在复杂代码库中排查安全风险。
其安全智能体帮助开发者审查发现的问题和拟议修复方案。
OpenAI 工程师使用 Codex Ultrafast 将事故调查时间从数小时缩短到数分钟。
该工具用于加速安全分析、代码重构和日常工作流。
The Verge 梳理 OpenAI 与 Anthropic 在 COBOL 等遗留语言代码迁移上的进展，并采访多位软件工程学者指出这些评测与真正替换关键系统之间仍有距离。
OpenAI 在 10 月 19 日的博客中称，其模型能把 COBOL 代码迁移到 C++、Java、Kotlin、Python、Rust 等语言且不改变原软件行为，并给出 GPT-6.1 Sol 在低推理强度下 87%、高推理强度下 98% 的行为保持准确率，对比 GPT-6 Astra 约 86%、GPT-6 Sol 21%、GPT-5.6 Sol 仅 5%。
Battledrones v14 新增名为 Compass Rose 的四人地图，此前地图仅支持两人对战。
Claude Opus 4.5 制作了这张具备四向旋转对称性的地图，并修改 WebSocket 多人网络代码，使该地图最多支持四名玩家通过分享链接或二维码加入，空位由 AI 玩家补足。新阵营使用紫色和绿色机器人，与原有的蓝色和红色设计并存，可在更新后的模型浏览器中预览配色。
一项研究对比 Claude Code、OpenCode 和 mini-SWE-agent 三个编码智能体框架，发现框架切换带来的成绩变化与同一配置重跑一次的波动相当。
研究用 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型在 SWE-bench Verified 的 45 个最难任务及 447 个任务池上测试，同一配置重跑成绩可差 6 分，换框架时任务级结果翻转率同为 13%，换模型则升至 22%。唯一显著差异是 OpenCode 在大任务池落后最多 9 分，约一半源于输出超限后不续写。
月之暗面发布 Kimi K3.1 Pro，这是一个总参数 2.8 万亿、激活参数 1040 亿的多模态 MoE 模型，支持 100 万 token 上下文，标准版与 Highspeed 版已上线官网、App、Kimi Work、Kimi Code 和 API，官方称 Highspeed 输出速度提升 2–3 倍、价格为标准版两倍。权重尚未发布，官方承诺 11 月 4 日开放，届时许可与商用条件仍不明确。
材料把厂商宣传、独立评测与成本口径分开呈现，读者可据此判断开源权重前沿模型的真实位置与部署代价。
月之暗面发布 Kimi K3.1 Pro，这是 Kimi K3 的后训练版本，后训练算力显著增加。
该模型在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。若按计划在 2026 年 11 月 4 日前开放权重，它将成为得分最高的开源权重模型，把开源与闭源模型的差距从 12 分缩小到 3 分。
Kimi K3.1 Pro 在智能体任务和终端操作上的提升，以及开源权重计划，为关注开源与闭源差距的读者提供了具体参照。
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 对 Google OSS-Fuzz 项目中 123 个开源库的测试程序做形式化验证，几周内生成约 1.8 亿行数学证明代码，由 Rocq 独立校验，据称几乎不需要人工复核。
过程中 Claude 发现数百个缺陷并自行修复，其中一些只在超大输入文件或特定访问顺序下出现；验证一款常用 PDF 阅读器时，一周内发现的安全缺陷数量相当于该软件通常一整年的报告量，另有一个逻辑错误十余年未被发现。
材料交代了 Claude 自动生成形式化证明的规模、发现的真实缺陷，以及处理器架构、单线程、64 MB 输入等适用边界。
AI 编程工具正大幅缩短复古游戏反编译与移植的周期，也让相关社区陷入分裂。
反编译与重组（decomp/recomp）原本是缓慢的手工逆向工程，例如有团队花数年才反编译 GameCube 版《动物森友会》；AI 咨询顾问 Chris Sotraidis 借助社区已有的反编译成果，数周内就同时推进十几个项目，包括 iPhone 版《塞尔达传说：时之笛》。上周末，一个追踪反编译项目并提供资源的社区网站因 AI 冲击突然关站，站长 Encounter 称 AI 在人工指导与代码审查下能显著加速反编译，但社区协作已被破坏，有人用 AI“补完”他人项目、抢做自己并未参与的反编译移植。
作者 Dan McAteer 介绍 Claude Mods，它是 Claude Code 的插件机制，由运行在 Claude Code 内的 TypeScript 或 JavaScript 函数组成，可响应提示词、工具调用或界面渲染等事件，修改 CLI 与桌面端的执行和渲染行为。
Anthropic 已内置六个 mod，包括 agents-md、diff、plugin-authoring、sec-default、telemetry 和默认关闭的 you-should-know；Claude Code 还内置技能，可按自然语言需求生成 mod。
Simon Willison 用 Claude Code 开发了一款 Command & Conquer 风格的浏览器 RTS 游戏 Battle Drones，支持两台邻近设备通过音频消息同步游戏状态实现多人对战。
项目经历 12 个大版本迭代、321 次由编码智能体（主要是 Claude Code）提交的 commit，可在手机和桌面浏览器运行。游戏包含 9 种建筑、7 种地面载具、6 种空中载具、3 种步兵单位，全部为 3D 模型，另有战争迷雾、6 张地图覆盖 5 种生物群系、随机地图生成器、Skirmish 与 Last Stand 模式、AI vs. AI 以及两个 LLM 对战的 Agent vs. Agent 模式。
OpenAI 表示其最新模型针对 COBOL、Fortran、Visual Basic 等训练代码稀缺的“低资源”语言做了改进，并构建了两个评测来衡量进展。
MultiLangBench 要求模型从零构建兼容 SQLite 的数据库引擎，在 20 种语言上，GPT-6 Astra 在最高推理强度下平均测试通过率为 87.4%，GPT-5.6 Terra 约为 38%；GPT-6 Luna 为 40.3%，略高于 GPT-5.6 Terra 的 37.9%，但成本低得多。
三位拥有十余年 Java 经验的 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的具体做法。
Hypersistence 创始人 Vlad Mihalcea 用 Copilot 开发 Optimizer 事件历史 Web 应用，原本需数周的任务两天完成，并基于自己 65 篇已发表文章创建自定义技能，让生成文本贴近本人写作风格。42talents 的 Patrick Baumgartner 用 Copilot 将 15 份演示中约 900 张教学幻灯片从 Reveal.js 迁移到 Marp，通过截图对比和并排运行验证动画等细节。三人均强调开发者仍需提供上下文、审查生成代码并保障可维护性。
Simon Willison 发文回应 Jeremy Scheff 的观点，指出编程代理对职业程序员造成的核心损失是“解谜乐趣”的消失。
Scheff 认为编程曾是收入优厚的工作，从业者靠解决逻辑难题获得报酬，难题越难报酬越高，普通人无法胜任，因此程序员掌握策略、时间线和可行性定义权。Willison 补充，对于热衷于构建可用系统、不太在意沿途具体问题的程序员，LLM 是持续馈赠；若直接解题本身构成乐趣的重要部分，这种损失则非常真实。
OpenAI 正在改进 ChatGPT 对低资源编程语言的支持，并新增了面向软件工程、SQLite 和 COBOL 迁移的评测。
此次更新聚焦于低资源编程语言场景下的编码能力提升，配套评测覆盖软件工程、SQLite 与 COBOL 迁移三个方向。原文未披露具体模型版本、参数规模、benchmark 分数或上线时间。
开源 AI 编程智能体 OpenCode 称，攻击者夜间入侵其旧系统，影响在线平台 OpenCode Console 的 1.4% 用户，部分用户存放的 API 密钥泄露后出现数百至上千美元未授权扣费。
Anthropic 和 Google 封禁了疑似泄露的密钥，OpenAI 与 OpenCode 合作恢复访问并退还攻击中消耗的额度，OpenCode 表示退款正在进行。联合创始人 Dax Raad 称泄露仅限 Console，开源应用和命令行工具未受影响。OpenCode 团队还表示，用于分析攻击的 AI 模型在遇到恶意代码时触发安全过滤而拒绝工作，直到获得 OpenAI Daybreak Blue 计划访问权限后才改善调查能力。
GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续，对话、代码改动和工作上下文均保持不变。
在会话中选择 Open in VS Code 后，VS Code 会用该会话关联的 worktree 打开项目，并在 Copilot 侧边栏显示原会话，任务、计划和对话记录一并保留。用户可在源代码管理视图中逐行审查 diff，直接手动修改文件，再用集成终端运行测试和本地验证。完成后可通过源代码管理视图或终端提交并推送改动到该会话对应的 pull request。前提是已安装并登录 Copilot 应用、VS Code 连接同一 GitHub 账号，且拥有该会话仓库的推送权限。
一些开发者和用户开始用 AI 编程工具改造智能电视，去掉开机广告、预装应用和观看追踪，并替换桌面启动器。
GitHub 项目 dumbtv 主张电视只保留用户自己的应用和 HDMI 输入，已在 Fire TV Edition 以及 Sony、TCL、Philips、Hisense、小米、Shield 等 Android/Google TV 设备上做过端到端测试；另一个项目 cleanyourtv 称可通过 Wi-Fi 清理任意 Android TV 或 Google TV 的预装软件，并把启动器换成类似 Apple TV 的样式。
DeepSeek 发布 V4.1-Flash-1017，已上线官网、App 和 API，并在 Hugging Face 与 ModelScope 开源模型权重。
相比前代 V4.1-Flash，新模型基准分数更高、完成任务更快、输出更短，DeepSeek 称其在性能与成本之间实现了帕累托改进。在 DeepSeek 自测中，该模型在多项编码和智能体任务上超过 Claude Opus 5、GPT 5.6-Sol、Kimi K3 和 GLM 5.3 等更大模型；DeepSWE 基准上最高得分 77.0%，平均每任务成本略低于 $0.20，低设置下约 $0.10 仍超过 72%，而前代得分 74.2%、每次运行约 $0.50。
DeepSeek 新版 Flash 在智能体编码任务上以更低单任务成本超过更大模型，同时开放内部搜索 API，读者可据此判断小模型替代空间。
Benefit Street Partners 的 Anant Kumar 借助 Codex 构建用于比较贷款估值和分析信贷协议的工具，并用 Codex 做代码审查、加快后续跟进。
Claude Code 团队认为，"有没有人读过代码"并不能准确衡量一次改动可能出什么问题、该由哪种检查（自动或人工）来兜底。
这一提问也改变了审查发生的时机：过去审查是流程末端的关卡，写完代码、开 PR、等同事来看；现在审查持续进行，更像写作时的拼写检查。多数改动在被要求人工查看之前，已经由 Claude 至少审查并修复过一次，从而拦下大部分常规错误，把团队注意力留给更高层次的问题与审查。
Reflection AI 发布开源权重模型 Beam，面向智能体编码与长周期任务，如维护代码、调用工具、解读结果并完成多步工作流。
Beam 是稀疏 MoE 模型，总参数 5010 亿、激活参数 230 亿，Reflection 称其有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布，提供 BF16、FP8 和 NVFP4 三种 checkpoint。
Replit CEO 兼联合创始人 Amjad Masad 在 TechCrunch Disrupt 上提出“自动驾驶公司”愿景：AI 智能体承担公司大部分基础工作，人类则凭借判断力和品味发挥关键作用。
他以 Replit 客服流程为例，工单先由智能体查看 GitHub issues、代码库和 Linear 工单完成初步分诊，人工决定提交补丁后一键部署另一个智能体执行修复。Masad 称这一循环中智能体完成大部分工作，但人类判断仍处于中间环节，短期内不会消失。他表示 Replit 过去一年运营方式已彻底改变，员工更多时间用于讨论做什么、架构设计和构建方式，而非被取代。
美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持文本输入和 1M token 上下文窗口，以 Apache 2.0 许可开放，面向编码与智能体场景。
模型共 52 层，每层 256 个专家、每 token 路由 8 个，提供 BF16、FP8 和 NVFP4 三种 checkpoint，BF16 版本约 1 TB。
Reflection 首个开源模型 Beam 给出 501B 参数、1M 上下文与完整部署配方，可据此评估自托管前沿模型的硬件门槛。