Cognition 发布 SWE-1.6，优化编码智能体的模型 UX
Cognition 发布面向软件工程智能体的新模型 SWE-1.6，已在 Windsurf 全量开放，未来 3 个月免费。模型在 SWE-Bench Pro 上与上月的 SWE-1.6 Preview 相当（Preview 比 SWE-1.5 高逾 10%），重点改进模型 UX：更多并行工具调用、更少循环行为和终端依赖，训练中引入长度惩罚以抑制过度思考。
#部署/工程
Cognition 模型 / Devin 博客AI 评分5353
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 介绍 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 在博客中介绍两种可大规模识别 LLM 关键交互的算法 SPEX 与 ProxySPEX，核心思路是通过消融（ablation）检测模型行为的变化。
Cognition 模型 / Devin 博客精选AI 评分6464 Cognition 发布 SWE-1.6 早期预览并分享研究进展
Cognition 分享正在训练中的 SWE-1.6 早期预览，当前 checkpoint 在 SWE-Bench Pro 上比 SWE-1.5 高 11%，速度同样为 950 tok/s，并向小部分用户开放早期访问。
推荐理由：Cognition 公开了训练方法细节和 Model UX 的权衡分析，读者可以借此了解 RL 训练编码模型的实际取舍。
Cognition 模型 / Devin 博客AI 评分5656 Cognition 拆解如何用 Devin 开发 Devin：上周合并 659 个 Devin PR
Cognition 介绍公司内部如何用 Devin 开发 Devin 本身，上周合并了 659 个 Devin PR，高于 2025 年最好一周的 154 个。
AI as Normal TechnologyAI 评分7171 新论文《Towards a Science of AI Agent Reliability》：14个模型实测显示 Agent 可靠性进步有限
Sayash Kapoor、Arvind Narayanan 等人发布 66 页论文《Towards a Science of AI Agent Reliability》，已上传 arXiv，将可靠性分解为 12 个指标，并在 GAIA 和 TauBench 两个基准上测试了来自 OpenAI、Google、Anthropic 的 14 个模型，共执行 500 次基准运行。
Factory 研究 / 产品AI 评分5454 Factory 推出 Agent Readiness 评估代码库对自主开发 Agent 的就绪度
Factory 推出 Agent Readiness，可在 Droid 中运行 /readiness-report 评估代码库对自主开发 Agent 的支持程度，覆盖八项技术支柱和五级成熟度，解锁等级需通过该级及此前全部标准的 80%。
OpenAI：Alignment 研究博客AI 评分5656 OpenAI 用稀疏自编码器潜变量归因调试失配补全
OpenAI 可解释性团队提出用归因（attribution）筛选 SAE 潜变量，在两个案例（涌现失配、不当迎合）中计算正负补全对的归因差（Δ-attribution）选出 top-100 潜变量，再用激活转向和 GPT-5 评分验证因果性。
Cognition 模型 / Devin 博客精选AI 评分6161 Cognition 发布 SWE-grep 与 SWE-grep-mini，用 RL 训练快速并行上下文检索模型
Cognition 发布 SWE-grep 和 SWE-grep-mini，用多轮强化学习训练的智能体检索模型，检索能力比肩前沿编码模型但耗时少一个数量级。模型每轮最多发出 8 个并行工具调用、最多 4 轮，借助 Cerebras 推理分别达到超过 2,800 tokens/秒和超过 650 tokens/秒。
推荐理由：官方披露了多轮 RL 训练并行检索模型的方法与训练细节，读者可以据此理解快慢模型分工的实现路径。
Cognition 模型 / Devin 博客AI 评分5959 Cognition 为 Claude Sonnet 4.5 重建 Devin，速度提升 2 倍并开放 Agent Preview
Cognition 为 Claude Sonnet 4.5 重建了 Devin，新版本速度提升 2 倍，Junior Developer Evals 提升 12%，已在 Agent Preview 开放，旧版 Devin 保留可用。
Goodfire Research精选AI 评分6060 Anthropic、Goodfire 等多机构发布电路研究全景：复现 attribution graph 并开源工具
Anthropic、Decode、EleutherAI、Goodfire、Google DeepMind 的研究者合作发布 The Circuits Research Landscape，复盘 attribution graph 方法的复现与扩展结果。
推荐理由：多家机构共同复盘 attribution graph 复现结果与 transcoder 训练细节，并给出可复用的工程参数和未来研究方向。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 开源 blockdiff：秒级 VM 磁盘块级快照文件格式
Cognition 开源 blockdiff（github.com/CognitionAI/blockd…），一个对 VM 磁盘做块级差异快照的文件格式与工具，其自研 hypervisor otterlink 借此把磁盘快照时间从 EC2 的 30+ 分钟降到几秒，约 200 倍提速，VM 启动时间也比 EC2 快约 10 倍。
推荐理由：原文复盘了 Cognition 自研磁盘快照格式的动机、设计与取舍，读者能了解 VM 快照从 30 分钟降到秒级的实现路径。
Cognition 模型 / Devin 博客精选AI 评分6060 Linktree 分享用 Devin 处理 300 个 PR 的实践经验
Linktree 团队复盘用 Cognition 的 Devin 辅助开发的实践经验。过去一个月 Devin 提交约 300 个 PR、合并约 100 个，主要用于修复用户上报的 bug、实现小功能和原型验证。
推荐理由：Linktree 团队复盘近一个月用 Devin 的实战经验，给出任务选择标准、Playbook 编排和多 Devin 并行的可迁移做法。
Cognition 模型 / Devin 博客AI 评分5353 Cognition 教你用 Devin API 搭建 GitHub Actions 自动化 PR 代码审查
Cognition 发布教程，讲解如何用 Devin External API 配合 GitHub Actions，在 PR 打开、更新或重新打开时自动拉起 Devin 实例进行代码审查。
Cognition 模型 / Devin 博客AI 评分5757 Cognition 宣布 Devin 正式全面开放，订阅每月 500 美元起
Cognition 宣布 Devin 正式全面开放，所有工程团队可通过 app.devin.ai 使用，订阅每月 500 美元起，含无限席位、API、Slack 集成、IDE 扩展和 Cognition 团队支持。
Cognition 模型 / Devin 博客AI 评分5151 Devin 12 月产品更新：Slack 协作、IDE 扩展与 REST API
Cognition 发布 Devin 12 月产品更新，Devin 可在 Slack 线程中响应 @、自动处理 PR 评论和 lint 失败，并提供 IDE 扩展（Beta，快捷键 Cmd+G）。
Cursor：ChangelogAI 评分6060 Cursor 详解影子工作区：让 AI 在后台迭代代码的隐藏窗口实现
Cursor 介绍其影子工作区机制，用隐藏 Electron 窗口让 AI 在后台对编辑获取 lint 结果并迭代，不影响用户编码。作者说明了 LSP 可用性的实现路径、AI 编辑交错执行的并发方案，以及 Rust 等语言尚不支持的限制，并探讨未来用内核级文件夹代理或 FUSE 实现可运行性的设想。
Cognition 模型 / Devin 博客AI 评分5858 Cognition 发布 Devin 六月产品更新：可直接操作其机器并新增 Playbooks 与 Knowledge
Cognition 发布 Devin 2024 年 6 月产品更新，多项功能改进让 Devin 更易协作和复用。
Cursor：ChangelogAI 评分6363 Cursor 阐述 AI 编程下一阶段的关键问题与研究方向
Cursor 发布对最初问题博文的后续补充，列出对下一阶段 AI 编程最关键的问题与研究方向。
Cursor：ChangelogAI 评分6767 Cursor 实测 Llama-2-70B 推理成本与延迟：提示词处理比 GPT-3.5 便宜 3 倍以上
Cursor 在 2 张 80GB A100 上用自研 fork 的 text-generation-inference 实测 Llama-2-70B，发现提示词 token 价格约 $0.00042/1K，比 GPT-3.5 的 $0.0015 便宜近 4 倍，而生成 token 价格约 $0.066/1K，远贵于 GPT-3.5。