Reflection 发布开放权重模型 Beam，以更低算力对标 DeepSeek 与 Qwen
Reflection 发布首个免费开放权重模型 Beam，定位以最小算力实现强性能，对标 DeepSeek 和 Qwen 的开放权重模型。Beam 为 501B 总参数的 MoE 模型，每 token 激活 23B。据 Reflection 称，它在推理任务上以少三到四倍的算力匹配 GLM 5.2，编码和智能体基准接近 Qwen3.8-Max，但原始性能仍不及 Kimi K3。
#编码
科技媒体 RSSAI 评分6262 Hacker NewsAI 评分2222 编程智能体需要的是记忆还是文档？
编程智能体究竟该依赖记忆还是文档，成为 Hacker News 上讨论的话题。讨论围绕 coding agent 在长期任务中如何保留上下文展开，对比记忆机制与文档两种路径的取舍。
Hacker NewsAI 评分1212 PolyRoll：用 three.js 和 cannon-es 打造的 3D 弹珠游戏
PolyRoll 是一款受《Super Monkey Ball》和《Marble Blast》启发的 3D 弹珠游戏，基于 three.js 和 cannon-es 构建，支持移动端和桌面端。开发者借助 Claude Code 和 Gemini Pro 进行智能体编程，约一两小时后得到可运行但仍有 bug 的版本。
科技媒体 RSSAI 评分6262 Tibo 宣布 Codex Auto-review 面向 ChatGPT 账号用户免费开放
Tibo 宣布 Codex Auto-review 免费向所有通过 ChatGPT 账号登录的用户开放，可在 settings > permissions > auto-review 中启用，且不占用套餐用量。
arXivAI 评分3838 Dev-Primitives：用模块化可执行开发原语为软件工程构建 Harness Engineering
针对 LLM 智能体在长周期软件工程任务中因反复重建程序状态而导致的上下文爆炸与语义漂移问题，研究者提出 Dev-Primitives——一组模块化可执行开发原语，用于构建软件工程的 Harness Engineering。该方法旨在缓解大型代码库中任务相关组件难以定位的困境。
科技媒体 RSS精选AI 评分7676 Reflection 发布 501B-A23B 开源编码模型 Beam
Reflection 发布文本-only 的 MoE 模型 Beam，总参数 501B、激活参数 23B，面向编码、智能体和科学任务，从零训练。完整权重将在本月以 Apache 2.0 许可发布。
推荐理由：Reflection 从零训练的 501B-A23B MoE 编码模型，权重将以 Apache 2.0 开放，可关注其开源规模与许可条件。
科技媒体 RSSAI 评分2222 为什么 Common Lisp 如今是最好的编程语言
有观点认为，LLM 写代码极快，瓶颈已从写代码转为验证代码，而 Common Lisp 的 image-based 特性让函数可即时替换、无需重启，反馈循环几乎消失。
arXivAI 评分3131 ES-Trace：审计代码生成模型的伦理来源披露，不止于模型卡
ES-Trace 是一个审计代码生成模型伦理来源披露的框架，通过模型文档可追溯性图（MDTG）在模型卡之外追踪已披露的证据。该框架针对知识产权、隐私、公平性、劳动实践和环境影响等伦理来源标准，考察现有模型披露了多少证据以及这些证据可在何处找到。
Hacker NewsAI 评分2222 Counterbranch：用 GitHub Action 检测 PR 中的访问控制变更
Counterbranch 以 GitHub Action（alpha）形式发布，可扫描代码库中非预期的授权变更，覆盖自定义代码、endpoint、guard、RBAC、ABAC 及 policy-as-code 文件等，以发现访问控制失效或数据暴露风险。
Hacker NewsAI 评分3030 Show HN：我构建了一个可同时调度多个编码智能体的应用
一位开发者在 Hacker News 上发布了一款可同时与多个编码智能体协作的应用。该工具面向多智能体并行工作场景，具体功能、支持的智能体类型及可用性尚未在正文中披露。
科技媒体 RSSAI 评分3838 Claude Code 技能让 HTML 规划更省 token
Claude Code 的技能让 HTML 规划更省 token，相比原始 HTML，token 效率高得多。模型无需为状态机、图表、代码片段等常见内容重新制作组件或逻辑。
科技媒体 RSSAI 评分2222 GLM-5.3 上线 Amazon Bedrock
GLM-5.3 现已在 Amazon Bedrock 上线，为企业带来编程与智能体能力。用户可通过 Amazon Bedrock 开始使用该模型。
arXivAI 评分3131 CheckerBench：长程智能体能否合成静态分析检查器？
CheckerBench 是一个可执行基准，包含 300 个任务，源自 167 个仓库、85 种 CWE 和五个语言生态中的 297 个 CVE，用于评估智能体能否从零完成静态分析检查器的开发。该基准要求智能体解读缺陷规范、检查仓库、实现分析器逻辑，并通过反复编译与分析反馈迭代改进检查器。现有编码智能体基准多聚焦补丁生成或漏洞检测，很少考察这一端到端能力。
科技媒体 RSSAI 评分6060 英伟达投资的 Reflection AI 发布首款开放权重模型 Beam，对标 DeepSeek 和 Kimi
英伟达投资的初创公司 Reflection AI 于当地时间周一发布首款开放权重大模型 Beam，定位在代码与智能体任务领域与 DeepSeek、Kimi 等中国模型竞争。
科技媒体 RSSAI 评分2222 BestBlogs 早报：ReviewBench 与 Claude Agent SDK 等
GitHub 发布 ReviewBench，用贴近真实开发分布的代码变更评估 AI 代码审查质量，可区分已知问题与新发现，并支持按严重程度、误报与漏报偏好进行比较。BestBlogs 10-06 早报共汇总 10 条 AI 内容，Claude Agent SDK 等亦在列。
科技媒体 RSSAI 评分4242 GitHub 发布 ReviewBench 代码审查基准
GitHub 发布开放基准 ReviewBench，用于评估 AI 代码审查智能体，评测集包含 187 个开源仓库的 219 个 PR、覆盖 19 种语言，其构建参考了 1.039 亿次 pull request 的分布。
科技媒体 RSSAI 评分6161 Epoch AI 报告：OpenAI 研究员编码智能体日均支出约 601 美元且约每月翻倍
Epoch AI 新报告称，OpenAI 研究员按 API 牌价计算的编码智能体用量约每月翻倍。2026 年 1 月起中位数研究员日支出从不到 1 美元升至 8 月中旬的 601 美元，约合每年 200 万美元，已接近或超过雇佣一名研究员的成本。报告同时指出这一增速难以持续。
科技媒体 RSSAI 评分6262 Z.ai 的 GLM 5.3 上线 Amazon Bedrock
Z.ai 的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的混合专家（MoE）模型，面向编码和长程智能体任务。该模型可通过 OpenAI 兼容 API 调用，并支持用 prompt caching 降低成本和延迟。官方还介绍了用开源 Strix 智能体运行授权安全测试的方式。
科技媒体 RSSAI 评分4040 Codex CLI 终端语音任务与智能体管理
Codex CLI 支持在终端通过语音启动任务、跨项目管理智能体，并可在独立 worktree 中探索另一个方向。
Hacker NewsAI 评分3838 Ototo：把代码探索卸载给更小模型的工具
Ototo 是一款把代码探索等 token 消耗大的任务卸载给更小模型的工具，结果再回传给主模型。它既能通过改用更便宜或免费的本地模型节省 token，也能让主上下文更干净，去掉探索性的思考过程。作者称其比使用 Anthropic 自家的探索 agent 更省 token。
科技媒体 RSSAI 评分6262 Reflection 发布开源智能体模型 Beam，Artificial Analysis 启动独立基准测试
Reflection 发布开源智能体模型 Beam，总参数 501B、激活 23B，从零端到端训练，完整权重将于本月开放，官方称其在编码与智能体任务上推进西方开源前沿。Artificial Analysis 获 Reflection 提供访问并开始独立基准测试，早期指标显示 Beam 在同等智能水平下 token 效率突出。
科技媒体 RSSAI 评分7474 Reflection AI 发布开放权重 MoE 模型 Beam：501B 总参数、23B 激活
Reflection AI 发布首个开放权重模型 Beam，采用稀疏 MoE 架构，总参数 501B、每 token 激活 23B，面向编码、推理与智能体负载，有效上下文为 1M tokens。
科技媒体 RSSAI 评分1212 Thariq 分享代码调用栈与代码片段标注功能
Thariq 分享了两项功能：代码调用栈，以及给代码片段加标注的能力。其中调用栈的用法来自 @dillon_mulroy。
科技媒体 RSSAI 评分6969 Reflection AI 发布开源智能体模型 Beam，501B 总参数 23B 激活
Reflection AI 发布开源智能体模型 Beam，总参数 501B、激活 23B，官方称其具备前沿推理效率，并在编码与智能体任务上推进 Western 开源前沿。该模型从零端到端训练，全量权重本月发布。Hugging Face CEO Clément Delangue 转发了这一消息，并给出 Hugging Face 上的 Reflection 组织页面链接。
科技媒体 RSSAI 评分3636 Claude Code 的 HTML 计划技能
有开发者正在为 Claude Code 制作一个生成 HTML 计划的技能，用简单语言展示代码片段、呈现问题并制作 mockup，并通过 linting 减少 Claude 常遇到的典型失败情况。该技能尚未广泛发布，作者希望先收集反馈。
arXivAI 评分3838 Google FlowAgent：面向开发者实时流程的低延迟智能体程序修复
Google 部署了 AI 智能体 FlowAgent，用于在持续集成预提交阶段低延迟修复程序失败，让开发者在切换上下文前就能获得实时修复。现有基于大语言模型的自动程序修复技术主要面向提交后离线流程，无法满足实时性要求。
科技媒体 RSSAI 评分6868 Reflection 发布 501B 参数开源智能体模型 Beam，本月放出完整权重
Reflection AI 发布智能体开源模型 Beam，总参数 501B、激活 23B，称从零端到端训练，主打推理效率并推进西方开源模型在编码与智能体任务上的水平。完整权重将于本月发布。Nathan Lambert 转发祝贺，称首个模型不易，期待其加速对生态的贡献。
科技媒体 RSSAI 评分7070 Reflection 发布 501B 开源权重模型 Beam
Reflection 推出首个开源权重模型 Beam，采用稀疏 MoE 架构，总参数 501B、激活 23B，主打编码、推理和智能体任务。权重、技术报告和模型卡将于本月以 Apache 2.0 许可发布。
arXivAI 评分3535 并行编码智能体的协调验证：NP-Bench 与调度规划器
针对多个 LLM 编码智能体在同一代码库并行工作时的冲突问题，研究提出将协调问题重构为调度问题，并给出 NP-Bench 基准与一个调度规划器。现有协调工具多为事后反应式，等检测到冲突再告警，在智能体速度下告警往往晚于无效编辑发生。
arXivAI 评分2626 SPECTRUM：面向循环自蒸馏的近端谱调制
研究者提出循环自蒸馏（Looped Self-Distillation）框架，让模型在固定信息预算下反复从自身原始输出中学习，无需外部评估或基于测试的样本筛选。他们发现正确率提升的同时，正确实现的多样性会收缩，并为此提出 SPECTRUM，通过重新估计对损失敏感的 key/value 几何结构来缓解这一问题。
Hacker NewsAI 评分3434 Dotpals：用 JEV 捕捉为通过测试而改测试的 AI 智能体
Dotpals 是一款用于捕捉 AI 智能体作弊行为的工具，专门识别智能体为了让测试通过而直接修改测试代码的情况，检测依据是 JEV。该工具在 Hacker News 上发布，正文未披露更多技术细节与可用性信息。
Hacker NewsAI 评分3838 Reika：面向小型本地模型优先设计的编码智能体 CLI
Reika 是一款专为小型本地模型优先设计的编码智能体 CLI。该工具来自 Hacker News 的 agent 板块，目前尚无更多关于其功能细节、支持模型或可用性的公开信息。
Hacker NewsAI 评分4242 Rashomon：为 AI 编程智能体提供独立执行记录的开源工具
开源执行记录器 Rashomon 面向 AI 编程智能体，主张智能体转录并非事实真相，因此自行记录实际发生的过程并与智能体自述比对。针对 Claude Code，它记录 shell 命令与退出码、工具调用及结果、测试命令结果、子智能体生命周期与顺序、时间戳与父子关系，以及命令/工具输入和工作目录的键控摘要，并据此构建时间线。
Hacker NewsAI 评分4242 Sashiko：面向 Linux 内核代码的智能体审查
Sashiko 是一款对 Linux 内核代码进行智能体式审查（agentic review）的工具，相关讨论出现在 Hacker News。原文未披露其模型、版本、参数规模或可用性等具体信息。
arXivAI 评分2424 回到未来：为芯片设计验证中的智能体系统重新思考 EDA 基础设施
研究提出端到端智能体框架 Back-to-the-Future（BTTF），瞄准被现有研究忽视的芯片验证环节——约 74.6% 的 LLM+EDA 研究集中在静态 RTL 代码生成，而仿真后验证与交互式波形调试几乎空白。BTTF 试图打通这一流程，为芯片设计验证构建面向智能体系统的 EDA 基础设施。
科技媒体 RSSAI 评分2222 在 Amazon Bedrock 上用 Claude Code 加速合规监管工作负载
Anthropic 的 Claude Opus 5.5 和 Claude Sonnet 5.5 现已在 AWS GovCloud (US) 区域的 Amazon Bedrock 上线。用户可结合 Anthropic 的智能体编程工具 Claude Code，在受监管及 ITAR 工作负载上开展符合合规要求的 AI 辅助开发。
科技媒体 RSSAI 评分3131 Amazon SageMaker 推出 aws-ai-ml 智能体技能，为编码智能体优化生成式 AI 推理
Amazon SageMaker 通过 Agent Toolkit for AWS 推出 aws-ai-ml 技能，为 Kiro、Claude Code、Codex 等编码智能体提供推理优化与基准测试能力。用户只需描述需求，智能体即可生成可执行的 SageMaker Python SDK v3 代码，用于基准测试、推荐和比较部署方案。
Hacker NewsAI 评分3838 Self-bench：用你的 PR 自动生成评测，在真实软件上跑编程智能体
selfbench.dev 发布开源工具 Self-bench，可从你的 PR 自动生成并运行评测，用智能体编写和审查由 PR 生成的 Harbor 环境，在真实软件上测试编程智能体。团队称现有基准因 Goodhart 定律终会被刷分，而这类自建评测过去只有大公司才负担得起。
Hacker NewsAI 评分3838 Show HN：我不再逐行读 AI 智能体的 diff，于是让每个 PR 自己画出来
一位开发者因不再逐行阅读 AI 智能体生成的代码 diff，做了一个让每个 PR 自动绘制自身变更的工具。该工具在 Hacker News 的 Show HN 板块发布，具体实现细节与可用性原文未披露。
科技媒体 RSSAI 评分3838 Cursor SDK 支持本地 TypeScript 智能体
Cursor SDK 现已支持在本地运行 TypeScript 智能体，引导与系统提示词均可用于这类本地智能体。后台子智能体的结果会以 TypeScript 和 Python 在本地返回。