#编码

Benefit Street Partners 如何用 Codex 更快回答客户问题

Benefit Street Partners 的 Anant Kumar 用 Codex 做代码审查并加快后续跟进，从而更快回答客户问题。他构建的工具用于比较贷款估值和分析信贷协议。

Reflection AI 开源编码智能体模型 Beam，并给出 AWS 部署路径

Reflection AI 推出开源权重模型 Beam，面向编码智能体与长周期任务，可维护代码、调用工具并完成多步工作流。

Tessl：75% 的 PR 已无需人工审查即可合并

Tessl 工程团队用 Tessl Code Review 审查其单体仓库每周超 1200 个智能体编写的 PR，约 75% 的 PR 无需人工修正即可合并。该工具基于团队自有编码规范审查，发现的问题中 91% 为真实缺陷，高于此前 AI 审查工具的 68%，每个 PR 修复的真实 bug 数量翻倍（1.56 对 0.75），单 PR 审查成本降低 35%。

Meta Muse Spark Open 上线 Together AI，支持 1M token 上下文与智能体编码

Meta 的 Muse Spark Open 已在 Together AI 上线，Together AI 是其 Day 0 发布伙伴。该模型面向长时程智能体编码工作流，具备 1M token 上下文窗口、长时程自主规划与自我纠错、可协调子智能体、跨桌面移动端与浏览器的 computer use 与多模态浏览，并接受文本、图像、音频和音视频输入，还会在执行前说明意图。

Meta 开源 Muse Spark Open：816B 总参数、42B 激活的编码与智能体模型

Meta 发布 Muse Spark Open 的开放权重，这是一个 816B 总参数、42B 激活的模型，上下文窗口 1M tokens，已在 Hugging Face 上以 Muse Model License 提供。

Meta 发布 Muse Spark Open：816B MoE 编码模型，1M token 上下文

Meta 发布 Muse Spark Open，这是一个面向编码优化的 816B MoE 模型，激活参数 42B，上下文窗口 1M token。该模型在 NVIDIA GB300 NVL72 Blackwell Ultra 上训练，针对智能体编码工作流，具备更高的首次尝试准确率、可靠的工具调用和对代码库的深度理解。1M token 上下文窗口可容纳整个代码库。

同一新闻，精选展示《Meta 开源 Muse Spark Open：816B 总参数、42B 激活的编码与智能体模型》

Tessl 发布 Verifiers，在每次智能体改动时校验仓库规则

Tessl 发布 Verifiers，用写在仓库里的纯文本规则在每次代码改动时返回 pass 或 fail，可像 lint 或测试一样在本地、pre-commit 或 CI 中运行，目前已 GA。

如何只用自己拥有的文件约束编码智能体

用一份 ticket 测试编码智能体时，无约束运行只通过 8 项检查中的 1 项，而配置了 charter 的运行通过 8/8。charter 由四个杠杆组成：CLAUDE.md 指令、.claude/rules/ 路径规则、.claude/commands/ 等能力配置，以及唯一能拒绝写入的 .claude/hooks/。作者指出，绿色评分不等于正确变更，语义权限检查仍需人工审查。

智能体代码审查的解剖：Tessl Code Review 如何重构 PR 审查流程

Tessl 提出智能体代码审查的六部分结构：标准、视角、发现、裁决、逐条回应与记忆，其中标准以 skills、docs 和 rules 形式存放在仓库中作为上下文。

AI Native Dev 纽约线下活动：多智能体编码与 AI 驱动开发流水线

AI Native Dev 社区在纽约举办线下 meetup，聚焦多智能体编码带来的工程挑战。Guy Eisenkot 将分享多智能体在同一代码库并发工作时，持续引导与轨迹对齐成为核心控制难题；Sahil Deshmukh 则介绍 Tessl 如何构建自优化开发流水线，探讨 harness engineering 作为智能体工程师的新核心能力。活动由 clay.com 承办，18:00 开放入场。

LegalOn 如何将 Codex 成本减半并保持开发速度

LegalOn 将 Codex 每日预估成本降低 65%，同时保持开发速度。其做法是按任务匹配 Astra、Sol 和 Luna 模型，并对预算进行策略性管理。

Oracle 如何用 ChatGPT 和 Codex 把数天工作压缩到几分钟

Oracle 在招聘、工程和运营环节借助 ChatGPT Work 与 Codex，把专家知识转化为快速、可重复的工作流，将原本数天的工作缩短到几分钟。

GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准

GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。

Together AI 发布 Together Link，把开源模型接入现有编码智能体

Together AI 发布 Together Link，可将团队已在用的编码智能体接入其开源模型，官方称可降低超过 50% 的开销。该工具支持 Claude Code、Claude Desktop、Codex（ChatGPT 应用与 CLI）、OpenCode 和 Pi，设置与登录保持不变，一条命令即可安装并随时切回原生闭源模型。

AI 正在改变开发者工作，GitHub 给出三项值得强化的技能

GitHub 提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的首次答案，以及用 AI 节省的时间去解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明可用第二个模型对计划、代码和测试进行批判性审查。

强智能体做自主 ML 工程需要多少框架？Apple 研究对比最小化编码智能体与复杂框架

Apple 与 EPFL 的研究者在同等时间预算和相同前沿 LLM 骨干下，对比开源 SOTA 框架与仅提供 read、write、bash 原语的最小化编码智能体单次会话，发现前者没有优势，性能主要由骨干模型决定。通过大规模系统性消融实验，作者认为在编码智能体设定下多智能体编排器、专用检索子智能体等机制层变得冗余，围绕强模型手工搭建框架的投入在当前 MLE 基准上回报有限。

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元。

GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 代码、RAG 已死、Skills 杀死 MCP？

GitHub Podcast 最新一期拆解了五个 AI 热门论断：AI 生成的代码仍需阅读，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，MCP 提供连接工具与数据的标准，Skills 则封装团队流程与最佳实践；RAG 并未消亡，检索能为模型提供训练数据之外的相关信息，减少 token 浪费并让回答更有依据。

一家全球金融科技公司如何用 Dedicated Model Inference 支撑编码智能体流量

一家全球金融科技公司把编码智能体工作负载迁到 Together 的 Dedicated Model Inference，运行 GLM-5.2，以并发而非吞吐为设计重点。

Augment 如何搭建软件工厂：从编码智能体到全流程自动化

Augment Code 公开其软件工厂实践，在 2025 年 11 月至 2026 年 7 月间把每位活跃开发者的规模调整后产出从 12.3 提升到 55.7，即 4.5 倍，同时 PR 中位合并时间从 11.2 小时降至 3.1 小时，14 天回滚率从 1.9% 降至 0.4%。

Augment Code 扩展 Cosmos：把代码审查延伸到 PR 到合并全流程

Augment Code 将其 Cosmos 代码审查系统扩展到完整的 PR 到合并流程，新增 Verifier、PR Fixer、Review Dashboard 和 cosmos approve 等能力，由多个专职 Expert 分别负责风险分析、逐行审查、设计评审、运行时验证与修复。

Modem 详解编码智能体如何读代码：如何为智能体写可检索的代码

Modem 发布《Writing Code for Agents》系列第一篇，指出编码智能体主要靠 grep/ripgrep 做文本搜索来导航代码库，因此变量、函数、文件名本身就是搜索词。

OpenAI 发布 Auto-review：用独立智能体审查 Codex 越界操作

OpenAI 在 Codex 中上线 Auto-review，用独立的 Codex 智能体在沙箱边界审查越界操作，替代同步人工审批。官方称 Auto-review 模式下 Codex 会话需人工审批的频率比手动审批模式低约 200 倍，被审查的操作中约 99% 获批准，拒绝后 Codex 在超过一半情况下能自行找到可接受的方案。