ttok 0.4 发布
CLI 工具 ttok 发布 0.4 版本。该版本修复了 Click 警告，更新了 CI 流程，并新增 --list-models 命令以列出可用模型。工具基于 OpenAI 的 tiktoken 库构建，支持通过 uvx 运行，例如使用 cat file.txt | uvx ttok 统计文件 token 数量。
#编码
#编码
今日 4 条Simon WillisonAI 评分1313 Latent SpaceAI 评分3838 OpenAI 解雇三名安全研究员，GPT-6.1 Sol Ultrafast 发布
OpenAI 解雇三名安全研究员，引发关于 AI 安全与监控能力的争议。OpenAI 发布 GPT-6.1 Sol Ultrafast，声称其速度达 Sol Standard 的 8 倍，API 定价为每百万输入/输出 token 12/60 美元。Anthropic 推出 Claude Haiku 5.5，上下文窗口为 1M，Vibe Code Bench 得分 90.4%。
Simon WillisonAI 评分2020 Carson Gross 谈 AI 时代计算机编程的价值
Carson Gross 认为计算机编程的核心在于利用计算机解决问题并控制复杂性。他指出，掌握这些技能的价值不会因 AI 工具的出现而降低，因此编程将继续作为一门可行的职业存在。
OpenAI NewsAI 评分1313 Oracle 如何利用 ChatGPT 和 Codex 将数天工作缩短至分钟
Oracle 利用 ChatGPT Work 和 Codex 将招聘、工程和运营中的专家知识转化为快速可重复的工作流，把原本需要数天的工作缩短至几分钟。
OpenAI NewsAI 评分2323 LegalOn 在保持开发速度的同时使 Codex 成本减半
LegalOn 通过策略性匹配 Astra、Sol 和 Luna 任务并管理预算，将 Codex 每日估算成本降低 65%，同时保持开发速度。
Simon WillisonAI 评分1212 软件博客写作的反模式
Michael Lynch 指出软件博客写作的常见反模式，包括冗长引言、误判读者知识水平、过度依赖链接以及行文过于正式。他强调文章应独立于链接存在，并主张使用自然口语化的个人风格。随着开发者大量使用 AI 代写，博客内容趋于同质化，读者更渴望具有个性的写作。
Ars Technica · AI精选AI 评分8080 Mistral 发布万亿参数模型 Le Chonk，挑战顶级 AI
Mistral 发布万亿参数模型 Mistral Large 4（昵称 Le Chonk），主打编程与网络安全，声称性能接近顶级闭源模型。
推荐理由：Mistral 发布万亿参数开源模型，主打编程与垂直领域，提供闭源替代方案。
Hugging Face Blog精选AI 评分8383 Nemotron 微调模型获 IOI 与 IMO 双金牌
Hugging Face 发布 Nemotron 系列模型在 IOI 2026 和 IMO 2026 竞赛中获金牌的成绩。Nemotron-3-Ultra-CC 在 IOI 中得分 535.4/600，IMO 系统得分 30/42。官方开源了相关模型权重、训练数据集、推理代码及 NeMo-Skills 工具包。
推荐理由：原文给出了 Nemotron 在 IOI 和 IMO 的金牌成绩及微调方法，读者可据此复现顶尖编程与数学推理能力。
Latent Space精选AI 评分9797 AI新闻：OpenAI发布722篇数学论文，Mistral推出Large 4模型
OpenAI发布内部Navier-Stokes模型的722篇数学手稿，包含准黎曼猜想等成果，引发数学界重大反响。Mistral发布1T参数多模态模型Large 4，支持API并承诺开源。Google推出多模态嵌入模型EmbeddingGemma 2及图像模型Nano Banana 2.1。OpenAI发布决策API公测版，Anthropic扩展网络安全验证计划。
推荐理由：原文梳理了OpenAI内部模型数学突破、Mistral新模型发布及多项工具更新，提供行业全景与关键争议点。
Mistral AI精选AI 评分9292 Mistral 发布 Mistral Large 4 预览版
Mistral 发布 Mistral Large 4 预览版，该模型拥有 520 亿活跃参数，在编码、Agent 工作流及多模态理解上表现领先。模型将于月底开源权重，目前可通过 Mistral Studio 试用 API。
推荐理由：原文披露了万亿参数架构与欧洲算力底座，并给出安全与编码等维度的实测数据。
OpenAI NewsAI 评分2020 Jump Trading 如何利用 ChatGPT 扩展量化研究
Jump Trading 利用 ChatGPT 扩展量化研究。通过结合多种数据源与人工审查，该机构将长期运行的 AI 工作流整合至量化研究流程中，以提升研究效率。
Latent SpaceAI 评分3535 Reflection 发布开源代码模型 Beam 501B-A23B
Reflection 发布 Beam，一款 501B 总参数 / 23B 激活参数的 MoE 代码模型，声称在 SWE-bench Verified 上得分 80.9，推理效率是 GLM 5.2 的 3–4 倍。该模型使用 23.8T 预训练 token 从头训练，全量权重将于本月以 Apache 2.0 协议开源。
AWS Machine Learning BlogAI 评分5757 Claude Opus 5.5 和 Sonnet 5.5 登陆 AWS GovCloud 支持合规开发
Claude Opus 5.5 和 Claude Sonnet 5.5 现已在 AWS GovCloud (US) 的 Amazon Bedrock 中提供，支持 FedRAMP Class D 认证。结合 Claude Code 智能体编码工具，开发者可在终端或 IDE 中运行 AI 辅助工作流，同时满足 ITAR 等严格合规要求。
AWS Machine Learning Blog精选AI 评分6868 Amazon SageMaker 发布 aws-ai-ml 智能体技能
Amazon SageMaker AI 发布 aws-ai-ml 智能体技能，支持通过 Model Context Protocol (MCP) 接入 Kiro、Claude Code 等编码智能体。该技能可自动为模型生成 SageMaker Python SDK v3 部署代码，提供基准测试、实例选型推荐及性能对比功能。
推荐理由：通过 MCP 协议将 SageMaker 推理优化能力接入主流编码智能体，实现从自然语言到可执行部署代码的自动化闭环。
Latent SpaceAI 评分2121 GPT-6.1 Sol 与 Sonnet 5.5 重塑成本性能前沿
OpenAI 发布 GPT-6.1 Sol，定价为输入输出各 2/10 美元每百万 token，在 DeepSWE v1.1 上超越 GPT-6 Sol 6.4 分。
GitHub Blog · AI & MLAI 评分2525 GitHub 博客：AI 正在改变开发者工作，这里有三个需要加强的技能
GitHub 博客指出 AI 正在改变开发者工作，建议开发者加强三项核心技能。首先，学会指导 AI 智能体而非仅使用它，通过定义问题和评估输出来协调多个 Agent。其次，不要盲目信任 AI 的首个答案，应利用第二个模型或自身经验进行审查。最后，利用 AI 节省的实施时间解决更宏观的问题，如理解客户需求、评估权衡并做出技术决策。
Latent SpaceAI 评分6868 Airbnb CTO 详解“内外兼修”AI 战略与工程实践
Airbnb CTO Ahmad Al-Dahle 详解“内外兼修”AI 战略：内部 60% 代码由 AI 生成，客服 50% 工单由 AI 解决，通过 Everest 上下文图加速新产品上线。
NVIDIA Blog精选AI 评分7070 NVIDIA 博客：GPT-6 Astra Ultrafast 模式在 Blackwell GPU 上实现 8 倍加速
OpenAI 推出 GPT-6 Astra Ultrafast 模式，在 NVIDIA Blackwell GPU 上通过推理优化实现比标准模式快 8 倍的 token 生成速度。该模式已开放 API 访问，旨在缩短编码 Agent 的编辑测试循环及工具调用响应时间。
推荐理由：GPT-6 Astra Ultrafast 模式提供 8 倍加速，直接优化了 Agent 编码与工具调用的响应延迟。
Ars Technica · AI精选AI 评分8383 Google 发布 Gemini 4 Argon 模型，API 定价与百万级输出已公布
Google 发布 Gemini 4 Argon 模型，API 定价为输入 2 美元/百万 token、输出 10 美元/百万 token，支持 100 万 token 输出。该模型在 DeepSWE v1.1 基准测试中得分 77.9%，已用于内部代码迁移并节省大量内存。
推荐理由：Argon 提供百万级输出与工程基准领先数据，可评估其在长程任务与代码重构中的实际价值。
Google DeepMind精选AI 评分9090 Google 发布 Gemini 4 Argon 模型，输出上限扩至 100 万 token
Google 发布前沿模型 Gemini 4 Argon，将输出 token 上限扩至 100 万，在 DeepSWE、Vals Index 等评测中领先。该模型定价为输入 2 美元/百万 token，正通过 Fairwind 计划向受信任的网络安全防御者开放。
推荐理由：Argon 将输出上限扩至 100 万 token 并强化安全防御，为复杂长程推理与代码工作流提供了新基准。
Simon Willison精选AI 评分7878 OpenAI DevDay 2026 发布 Dots 智能体与 GPT-6.1 Sol
OpenAI 在 DevDay 2026 上发布个人智能体 Dots 及协作空间 ChatGPT Space，并推出 GPT-6.1 Sol 模型与 Ultrafast 推理服务。同时发布了 Codex Security Cloud、Sign in with ChatGPT 及 OpenAI Marketplace 等开发者工具与平台功能。
推荐理由：原文记录了OpenAI发布Dots智能体、GPT-6.1 Sol及多项开发者工具，可据此评估其工作流整合与工程能力变化。
Simon Willison精选AI 评分8282 Claude Sonnet 5.5 发布，性能提升并取代旧版成为免费层模型
Anthropic 发布 Claude Sonnet 5.5，宣称速度提升 30% 以上且成本降低，在多项基准测试中表现优于 Sonnet 5。该模型现已成为 claude.ai 免费层默认模型，实测编码能力接近 Opus 5.5。
推荐理由：原文实测了模型在编码和推理上的表现，并指出其已取代旧版成为免费层模型，直接影响普通用户的可用能力。
GitHub Blog · AI & ML精选AI 评分6565 GitHub Copilot App 重构巨型 Pull Request 渲染性能
GitHub Copilot App 重构了巨型 Pull Request 的渲染视图，通过分离代码与评论的双几何架构及异步测量机制，实现了百万行代码与数百条评论的流畅交互。
推荐理由：通过双几何架构与异步测量机制，解决了百万行级PR渲染卡顿问题，为处理超大规模代码审查提供了工程参考。
Hugging Face Blog精选AI 评分6767 Hugging Face tokenizers v1 发布，性能提升数倍至数十倍
Hugging Face 发布 tokenizers v1 版本，通过位流拆分、词缓存和内存复用等底层重构，使编码速度较 v0.23 提升 3 到 30 倍。该版本保持 API 和输出完全一致，目前已在 crates.io 提供预发布版本。
推荐理由：通过底层架构重构实现数倍至数十倍的性能提升，为大规模数据处理提供了可迁移的工程优化方案。
GitHub Blog · AI & MLAI 评分3030 GitHub Podcast 解析 AI 开发五大争议观点
GitHub Podcast 深入剖析 AI 开发中的五个争议性观点，指出开发者仍需阅读并负责 AI 生成的代码，AI 工具的使用关键在于判断力而非盲目依赖。文章澄清 Skills 与 MCP 解决不同问题，二者可结合使用；RAG 并未过时，而是与 Agent、Skills 共同构成工作流；代码可维护性比微调模型更重要。
Mistral AIAI 评分3838 Mistral 利用 AI 智能体将 40,000 行 Fortran 77 迁移至 C++
Mistral 利用 AI 智能体将 40,000 行 Fortran 77 迁移至 C++，完成物理密集型储层模拟器的现代化改造。项目通过构建数值一致性测试框架验证迁移结果，并使用 Vibe CLI 和 Mistral OCR 生成文档。最终采用人类主导的 coder、tester 和 reviewer 智能体工作流，在保留代码质量的同时解决智能体卡死问题。
Hugging Face Blog精选AI 评分8080 Hugging Face 发布 funes 为编码 Agent 提供本地记忆层
Hugging Face 发布开源工具 funes，将 Claude Code、Codex 等编码 Agent 的会话日志转化为可检索的记忆层。它支持本地增量索引与跨机器共享，通过向量与 BM25 混合检索实现 Agent 间的记忆继承，并提供了 ask 命令用于独立查询。
推荐理由：提供了将编码 Agent 会话日志转化为可检索记忆层的本地工具，支持跨机器和跨 Agent 共享。
Hugging Face Blog精选AI 评分7575 使用TRL和OpenEnv复现语言模型水彩画训练
本文详细记录了使用TRL和OpenEnv在Hugging Face上复现语言模型水彩画训练的全过程。作者开源了包含参考池、RL环境、评分模型及训练脚本的完整流水线，并对比了三种奖励权重组合的训练效果，指出通过构建高质量参考池可实现对模型审美风格的精准控制。
推荐理由：提供了基于TRL和OpenEnv复现RL绘画的完整代码与基础设施搭建细节，可直接迁移用于其他审美对齐任务。
Google DeepMind精选AI 评分7878 Google DeepMind 推出 Fairwind 计划，提供 Gemini 3.8 Flash Cyber 自主漏洞修复能力
Google DeepMind 推出 Fairwind 计划，向政府和可信合作伙伴开放 Gemini 3.8 Flash Cyber 模型与 CodeMender 工具，实现自主发现并修复代码漏洞。该方案旨在以较低成本在安全云环境中生成可部署补丁，缩短从漏洞检测到修复的时间。
推荐理由：结合 Gemini 3.8 Flash Cyber 与 CodeMender 提供自主漏洞修复能力，为政企客户提供了规模化防御的可选方案。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.8 Flash 及网络安全版
Google DeepMind 发布 Gemini 3.8 Flash 及 Gemini 3.8 Flash Cyber，在保持 3.7 Flash 同等低成本（$0.75/$3.75 per million tokens）的同时，显著提升了编码、推理及网络安全能力。
推荐理由：在保持3.7 Flash同等低成本的同时，显著提升了编码、推理及网络安全能力，为开发者提供了高性价比的升级选择。
Import AIAI 评分3838 Import AI 469：DiG-bench 评测 AI 发现能力；RSI 模拟器；Zuck 的技术悲观主义
DiG-bench 基准测试显示 Opus 5 和 Fable 5 在 70 个隐藏规则游戏中表现最佳，但仅能攻克 Tier 7 的 0.2 任务，远逊于人类。Paradigm Research 推出 RSI 模拟器，模拟 AI 公司递归自我改进的研发过程。Inherent 发布 Faraday，通过监督前沿模型培养 AI 科学家的研究品味。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.7 Flash 模型
Google DeepMind 发布 Gemini 3.7 Flash，在编码、智能体和复杂文档处理任务上显著优于 3.6 Flash，并提供半价定价。该模型已用于 Gemini Spark，并更新了 CBRN 和网络安全方面的安全护栏。
推荐理由：在编码和智能体任务上性能显著提升，并提供半价定价，有助于开发者低成本扩展生产级应用。
Google Research精选AI 评分7676 Google Research发布Science One Framework：基于Chain-of-Evidence的可验证自主科研框架
Google Research发布Science One Framework及Chain-of-Evidence (CoE) 框架，旨在解决AI自主科研中的可验证性问题。该框架通过构建完整的证据链，实现了零虚假引用和完全可复现的实验分数，同时在MLE-Bench和Parameter-Golf等前沿基准上达到SOTA性能。
推荐理由：提出Chain-of-Evidence框架与CoE Audit，通过强制证据链解决AI科研幻觉，在保持前沿性能的同时实现零虚假引用。
Berkeley AI ResearchAI 评分4242 ABBEL：通过信念状态更新提升大语言模型长程交互效率
ABBEL 框架将摘要转化为自然语言信念状态，并通过信念评分监督信息内容，解决长程交互中上下文压缩导致的性能下降问题。在 CollabBench 协作编码环境中，该框架将模型与全上下文设定的性能差距缩小约 50%，同时训练步数减少 50%。
Google DeepMind精选AI 评分7878 Google 发布 Gemini 3.5 Flash Cyber 安全模型
Google 发布 Gemini 3.5 Flash Cyber，基于 3.5 Flash 微调的轻量级网络安全模型，旨在快速发现、验证和修复漏洞。该模型通过 CodeMender 向政府和受信任合作伙伴有限开放，在内部基准测试中表现优于主版本 Flash 模型。
推荐理由：模型针对代码安全微调，在内部基准中超越主版本，通过CodeMender限流发布，为安全团队提供低成本高效方案。
Mistral AI精选AI 评分7272 Mistral 发布 Leanstral 1.5 形式化推理模型
Mistral 发布 Leanstral 1.5，一款 6B 激活参数的开源形式化推理模型，在 miniF2F、PutnamBench 和 FATE-H/X 基准上刷新 SOTA。该模型通过长上下文推理在代码验证中发现多个隐藏 Bug，并提供免费 API 与 Hugging Face 权重。
推荐理由：在形式化验证基准上刷新SOTA且成本极低，展示了长上下文推理在代码验证中的实际效用。
Hugging Face Blog精选AI 评分6666 IBM发布ScarfBench基准测试AI智能体企业Java框架迁移能力
IBM Research发布ScarfBench基准，评估AI智能体在企业Java框架迁移中的表现。测试显示，尽管编译成功率较高，但最强智能体的行为保持成功率不足10%。研究指出，迁移难点在于配置与依赖管理，且智能体对自身完成度存在过度自信。
推荐理由：通过构建真实企业级Java迁移场景，揭示AI智能体在行为保持上的局限，提供可复现的评估基准。
Hugging Face Blog精选AI 评分7272 JetBrains 发布 Mellum2 12B MoE 模型
JetBrains 发布 Mellum2，一个 12B 参数的 MoE 模型，每 token 仅激活 2.5B 参数，推理速度比同类模型快 2 倍以上。该模型开源并支持 Apache 2.0 协议，适用于路由、RAG、子智能体和私有部署。
推荐理由：原文给出了模型架构和性能数据，读者可以据此评估它在多模型系统中的路由和编排价值。
Hugging Face BlogAI 评分4040 超越大语言模型：可扩展企业 AI 采用取决于智能体逻辑
IBM 通过引入程序分析和知识图谱等智能体逻辑，显著提升了企业级 AI 智能体的性能与成本效益。在遗留代码理解场景中，Mistral Medium 250B 模型配合该逻辑实现约 30 倍更低的 Token 消耗；在测试生成方面，Devstral 24B 模型结合 Aster 库使代码覆盖率提升 20%-45%，Token 消耗降低多达 15 倍。
Google Research精选AI 评分7070 Google I/O 2026 发布 Gemini for Science 与 Antigravity 2.0 等 AI 智能体工具
Google 在 I/O 2026 上发布 Gemini for Science 套件，包含基于 ERA 和 Co-Scientist 的 Computational Discovery 与 Hypothesis Generation 工具。
推荐理由：系统展示了从科学发现到医疗应用的多个AI智能体工具，为开发者提供了可复用的科研与工程工作流参考。