跨栏目找相关项:同一话题的工具、提示词、论文,可能横跨数天甚至数月才凑齐。
OpenAI 一次发布 372 项数学证明，包括唯一游戏猜想
Anthropic 发布 Claude Haiku 5.5：定价对齐 GPT-6 Luna，同步下调 Sonnet 5.5 缓存读取费用
NVIDIA 与 Microsoft 联合推出 RTX Spark 与 DGX Station for Windows
OpenAI 向 ChatGPT 免费和 Go 用户推送 GPT-6 Luna，付费用户切换至 GPT-6 Sol
OpenAI 在 ChatGPT 全球推出 GPT-6 与 Intelligent UI
Anthropic 发布 Claude Haiku 5.5，主打高吞吐低成本任务
当用户的某个意图（如last_intent）尚未处理完成时，自动提示用户并继续处理该业务。
为电商平台机器人客服提供开场白、常见问题回复和结束语的话术模板参考。
智能客服机器人与访客互动的对话模板（欢迎新访客、欢迎回头客、显示常见问题等）。
服装加工合同模板，含甲乙双方信息及加工委托条款
用于合同审查场景，让大模型扮演特定行业、特定立场的合同审查专家，平衡利益与风险。
帮助分析患者症状，提供可能的诊断方向和建议，适用于初步诊断筛查。
OpenAI 正在征集使用 Codex 的开发者、研究者和创作者的故事，招募对象包括 builders、tinkerers、researchers 和 creators。这些真实案例将用于 Codex Originals 项目的下一章。
作者回顾了2026年LLM领域的关键发展：编码Agent在2025年11月Claude Opus 4.5和GPT-5.1发布后实现突破，从“经常出错”变为“可日常使用”。
Harness Router 是 AI 编码智能体的工具选择决策层，可在执行前实现更快、更便宜、更可靠的工具调用路由。该产品可作为 Codex hook 自动路由工具调用，也可作为 skill 供智能体显式调用路由。简单决策走快速路径，模糊选择由 Jev 解析，复杂多步决策升级至 MCTS 处理。
作者用强化学习训练两个智能体玩类似街头霸王的游戏，发现智能体非常擅长奖励黑客行为。通过引入联盟学习，智能体学会更通用的策略，而非仅针对特定对手。实验展示了强化学习训练中奖励设计的挑战与解决方案。
Workshop 将仓库中的每个技能显示为书架上的一本书，书脊是 Claude Code、Codex 或 Cursor 任务前读取的内容，书挡标记停止位置。支持关闭技能、按需运行、用 Claude Code 重写技能，并可在安全检查后从网络添加技能。包含 150 个可编辑技能和 Brief，现售 $79（2026 年 10 月 31 日后涨至 $149）。
Simon Willison 在 WeAreDevelopers 世界开发者大会上发表闭幕演讲时，用 Claude Opus 5.5 根据三张kākāpō（新西兰不会飞的鹦鹉）照片生成了一个像素风格的互动动画网页，包含20多只鹦鹉在 disco 球下跳舞并伴随五彩纸屑效果。
Vantage 是一款免费、开源的 coding agents 成本和用量监控工具，支持 guardrail 与 session log 功能。该工具现已上线 Product Hunt，隶属于 Software Engineering、Developer Tools 与 GitHub 标签类别。
Brutal ist风格的任务看板Bruto发布，笔记直接保存在代码仓库中，支持一键复制上下文或通过MCP协议让AI智能体操作看板并在笔记中回复。提供固定规则、跨项目链接以及页面、API和表格的映射功能。免费开源。
Styx 是面向开发者的桌面应用，汇聚代码仓库管理、AI 智能体构建和登录凭证集成于单一窗口。核心功能确保所有生产环境变更均需开发者授权确认。目前支持 macOS，Windows 版本即将推出。
微软近 18 个月与摩根大通公开或获授至少四件"让 AI 审 PR"的方法专利，涵盖评审生成、意图预测、PR 摘要与多智能体裁决，但衡量 AI 评审有效性的误报率、评论采纳率、缺陷拦截率等公开口径尚未成型。
GitHub Security Lab 发布 Fuzzing Taskflow，这是一个基于 LLM Agent 的 C/C++ 项目自动化模糊测试管道。只需指定一个 GitHub 仓库，Agent 会自动完成入口点识别、构建系统分析、模糊测试用例生成、AFL++ 运行、覆盖率分析、用例优化和漏洞报告编写。
推荐理由：原文详细给出了自动化模糊测试的完整工作流程，包括覆盖率反馈循环、结构感知变异和语料库演进等具体机制，读者可据此迁移到自己的安全测试中。
Anthropic 发布 Claude Opus 5.5，这是新 Claude 5.5 家族的首款模型，性能达到 Fable 5.1 水平但运行成本降低 40%、速度提升 30%。
Simon Willison 与 Jesse Vincent 将于 10 月 14 日在旧金山举办一场 AI 智能体工程主题聚会，诚邀在 coding agents 领域进行奇怪有趣实验的开发者参加。活动采用非正式展示与交流形式，参与者可分享未公开的项目、奇怪实验或无明确市场的未完成作品。主办方强调这不是产品推介，而是更早期的探索性交流。
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 现已在 Amazon Bedrock 正式可用。GPT-6 Sol 面向复杂推理和编码任务，GPT-6 Luna 面向大规模重复性任务如信息提取和分类。
推荐理由：原文给出了 GPT-6 Sol 和 Luna 的定位差异、价格对比 GPT-5.6 更低、提示词缓存功能，读者可以据此规划自己的模型使用策略。
Jev 现已向所有人开放，它不同于传统 LLM，专为构建者设计，可嵌入工具内部使用，用户只需输入文本并提出具体问题如"这是广告吗"、"归入哪个文件夹"或"相关性评分"。社区已开发出 YouTube 跳过赞助片段、Gmail 按意图搜索、实时过滤负面评论、Mac 语音控制等多种用例。
某匿名工程师在 Reddit 抱怨入职两周来，公司所有 specs、代码、测试、PRDs、ticket 等全部由 Claude Code 生成，团队无人喜欢这种方式却被强迫尽量多地"产出"代码。管理层认为推代码不是瓶颈，但员工每天工作 12-13 小时仅负责"按回车"，从 L1 到 L7 工程师全员都在做同一件事：与 Claude 对话。
GitHub Podcast最新一期对五个常见AI热点观点进行深度解析，探讨是否需要阅读AI生成的代码、公司招聘是否强制AI技能、Skills是否取代MCP、RAG是否已过时、以及是否需要为代码库微调模型。主持人认为热点观点的价值不在于对错，而在于引发深入思考和问题，从而找到真正有用的 ideas。
GitHub Copilot 团队用 AI 智能体将 Copilot 运行时从约 43 万行 TypeScript 原地迁移为约 83 万行 Rust，历时数月完成 128 个 PR 的渐进式迁移。运行时性能提升数个量级，prompt cache 命中率高达 96.22%，单开发者完成了原本需要整个团队一到两年才能完成的工作。
推荐理由：原文给出了 96% 的 prompt cache 命中率数据和具体的 AI 辅助迁移工作流，读者可以据此评估这种规模化 AI 协作模式的实际效果和可迁移性。
GitHub 日本/韩国营销团队利用 GitHub Copilot 和 GitHub Actions 将活动管理全流程自动化，原本需耗时数天的活动筹备、参会者筛选、会后数据整理等工作现可从一个 GitHub Issue 自动完成。
Mistral 帮助欧洲能源运营商将 4 万行 Fortran 77 迁移到 C++，这是一个物理密集型油藏模拟器。文章介绍了三个核心实践：迁移前先构建 parity harness 验证数值一致性；用调用方-被调用方树梳理代码结构并生成文档；采用结构化智能体工作流（规划→编码→测试→审查），在关键节点加入人工审核。最终证明结构化工作流比完全自主和纯手动都更有效。
推荐理由：原文给出了具体的代码迁移方法论和工作流设计，读者可以参考这个案例来设计自己的遗留代码现代化方案。
OpenAI 公布其编码智能体处理研究工作的数据，智能体现以 3.1 个人类工作天的产出效率运行，已达成 Sam Altman 原定 9 月实现的"自动化研究实习生"目标。普通研究员日均消耗 600+ 美元 token（第 90 百分位超 7000 美元），自 12 月以来 token 输出增长 124 倍，约 80% 研究员同时使用 4+ 智能体，实验频次达公司历史最高。
1Password 工程师使用 Codex 提升工程生产力 21%，实现新功能和内部工具的快速开发，达到生产就绪状态，同时保持严格的安全策略。
OpenAI 内部数据显示，编码智能体正在重塑 AI 研究方式，涉及 agent 使用情况、实验速度、任务复杂性和研究加速等维度的早期数据。
Meta 发布 Muse Spark 1.3，在人工智能指数得分 62，Zuckerberg 称其“便宜到几乎无法计量”，并预告更大模型代号“Watermelon”。Google 发布 Gemini 3.8 Flash，得分 59，延续 3.7 的定价，DeepMind 承认 Gemini 仍“略低于前沿”。
作者开源复现了 Surya Narreddi 的水彩画 AI 项目，使用 Qwen3.5-35B-A3B 模型通过 TRL 和 OpenEnv 在 Hugging Face 上进行强化学习训练。
Google DeepMind发布Gemini 3.8 Flash和3.8 Flash Cyber两款新模型。3.8 Flash在DeepSWE v1.1基准上超越多数更大规模的frontier模型，在HLE-Verified上达54.9%，价格为每百万输入token 0.75美元、输出token 3.75美元。
推荐理由：原文给出了在软件工程、Agent任务和多步推理方面的具体性能提升数据和成本对比，读者可据此判断模型能力变化。
Sentence Transformers v6.0 引入 MultiVectorEncoder 以支持 ColBERT 风格的延迟交互检索，并提供完整训练流程。作者用 100 万条医学问答对在单张 RTX 3090 上训练 14.5 小时后，微调模型在医学检索任务上 NDCG@10 达到 0.9139，比最强的零样本模型高出 0.062，验证了领域微调对多向量模型的显著提升效果。
推荐理由：原文给出了完整的训练脚本和消融实验数据，读者可以直接复用这个recipe来训练自己的多向量检索模型。
Slack 推出 Slack Code 功能，允许用户直接在消息平台内通过共享房间开发代码，AI 智能体在频道中编写软件，团队成员（无论是否为工程师）都可以观看、指导和参与构建过程。部署变更需人工审批，完成的项目留下可搜索的存档频道。所有 Slack 计划均可使用，可连接 ChatGPT、Claude、Devin、Vercel 和 GitHub 等智能体。
Google DeepMind 推出 Gemini 3.7 Flash，这是其面向编码和智能体任务的工作主力模型。该模型在软件工程任务中实现显著提升，FrontierCode 1.1 Main 得分从 34.4% 提升至 43.6%，DeepSWE v1.1 从 49.0% 提升至 65.3%。
推荐理由：原文给出了性能基准提升和价格信息，读者可以据此判断新模型是否值得在生产环境中使用。
微软发布 Orchard 开源框架，包含 Orchard Env 运行环境服务和三个领域训练工作流（Orchard-SWE、Orchard-GUI、Orchard-Claw）。
推荐理由：原文给出了具体性能数据（69.7% on SWE-bench Verified）和三个可复用的训练工作流，读者可以据此判断这个开源框架对自己研究或项目的实用价值。
Berkeley和IBM研究团队将K-Search进化内核优化框架扩展支持MLX后端，开发了结构化的CUDA到MLX翻译层，将NVIDIA生态积累的CUDA优化知识迁移到Apple Silicon。实验在M1 Max 64GB上，Attention核达到原生MLX的0.97倍性能，Mamba SSM核预填充吞吐量达6751 tok/s，比社区mlx-lm实现快约20倍。
推荐理由：原文展示了K-Search如何将NVIDIA生态积累的CUDA内核优化知识迁移到Apple Silicon，在Attention和Mamba SSM两个核上分别达到接近专家水平和20倍加速，为非NVIDIA硬件的核优化提供了可参考的方法论。
Epoch 和 METR 发布 MirrorCode 基准测试，评估 AI 长时间编程任务能力。Claude Opus 4.7 用 $251 在 14 小时内完成需人类 2-17 周的程序重实现任务，多个大型程序被成功复现。
IBM Research 发布 ScarfBench，这是一个开源的企业 Java 框架迁移基准测试，评估 AI 智能体在 Spring、Jakarta EE、Quarkus 之间迁移企业应用的能力。
Mistral 发布新模型 Mistral Medium 3.5，这是一款 128B dense 模型，支持 256k 上下文窗口，在 SWE-Bench Verified 上得分 77.6%。
推荐理由：原文给出了模型性能数据（77.6% on SWE-Bench Verified）和价格（$1.5/$7.5 per million tokens），读者可以据此判断新模型在编码任务上的能力水平和成本效益。
Jack Clark分析认为，基于SWEBench、METR、CORE-Bench等多项benchmark的进展数据，AI系统已能在数小时内独立完成复杂编码任务，并逐步掌握核心AI研发技能如复现论文、构建ML系统、优化kernel等。他预计到2028年底有60%概率实现无人类参与的AI R&D，届时AI系统可能自主训练其后继模型。文章还讨论了自动化研发对AI对齐、经济结构和人类社会的深远影响。
Mistral 发布新模型 Mistral Small 4，这是首个统一推理（Magistral）、指令（Mistral Small）和多模态（Pixtral）能力的开源混合模型。
推荐理由：Mistral Small 4 首次将推理、指令、多模态能力统一在单一模型中，支持可配置的 reasoning_effort 参数，在基准测试中保持竞争力分数的同时输出更短，延迟降低 40%、吞吐量提升 3 倍。
Mistral 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型驱动，新增自定义子智能体、多选项澄清、斜杠命令技能、统一智能体模式等功能。Vibe 现已在 Le Chat Pro 和 Team 计划中可用，Devstral 2 转为付费 API 访问，同时提供企业级微调、强化学习和代码现代化服务。
推荐理由：原文详细列出了 2.0 版本的具体新功能（子智能体、澄清机制、技能系统）和定价信息，读者可据此评估是否值得从旧版本迁移。
Mistral 发布 Mistral Code，这是一款面向企业的 AI 编程助手，整合了 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四个模型，支持云端、本地或空气隙部署，可对底层模型进行微调或蒸馏。私有测试版已开放，支持 JetBrains IDEs 和 VSCode，Abanca、SNCF 和 Capgemini 等企业已开始采用。
推荐理由：原文给出了 Mistral Code 的核心能力（四个模型、企业级安全控制、可本地部署）和解决的四个企业痛点，读者可以据此判断它与企业现有工作流的适配度。
Mistral AI 推出 Devstral，这是一款用于软件工程任务的智能体大语言模型，在 SWE-Bench Verified 基准上达到 46.8%，超越此前开源 SOTA 模型超过 6 个百分点，并超过 GPT-4.1-mini 约 20%。
推荐理由：原文给出了 Devstral 在 SWE-Bench Verified 上的具体得分（46.8%）、可在单张 RTX 4090 上运行的信息以及 API 价格，读者可据此评估该模型的能力和部署门槛。
Supermaven 正式加入 Cursor，其创建者 Jacob Jackson 在 2019 年发明了 Tabnine 并在 OpenAI 开展开创性工作。Cursor 将在不久后推出新的 Tab 模型，主打快速、上下文感知和强大的长序列修改能力。Supermaven 插件将继续维护，但 Cursor 将是核心工作重点。