Cognition 发布 Devin 1.2 更新:仓库上下文推理改进、Slack 语音消息与企业账号
Cognition 发布 Devin 1.2,重点改进在仓库上下文中的推理,使 Devin 更易找到相关文件、复用现有代码模式并生成更准确的 PR,将逐步推送给所有用户。
Cognition 发布 Devin 1.2,重点改进在仓库上下文中的推理,使 Devin 更易找到相关文件、复用现有代码模式并生成更准确的 PR,将逐步推送给所有用户。
Crossmint 团队分享在 Cognition Open Source Initiative 提供的 Devin 额度支持下,用 Devin 扩展开源库 GOAT SDK 开发的经验。
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 宣布 Devin Open Source Initiative,随 Devin 正式 GA 上线,向入选的开源维护者提供 Devin Teams 计划 500 免费 ACU,帮助处理积压的小型 issue。
Cognition 于 12 月 10 日宣布 Devin 正式可用(GA),面向工程团队定价每月 500 美元起,不限席位,包含 Slack 集成、IDE 扩展、API 及 Cognition 工程团队的入门支持,入口为 app.devin.ai。
推荐理由:官方公布了定价、入口和适用场景,并坦承 Devin 在合并冲突等处的局限,便于团队判断是否引入。
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 官方宣布 Supermaven 加入 Cursor。Supermaven 是快速且具上下文感知的 AI 编程助手,其创建者 Jacob Jackson 曾发明 Tabnine。Supermaven 插件将继续维护,但工作重心转向 Cursor,团队计划推出擅长大范围、长序列修改的新 Tab 模型版本。
Cognition 发布博文,介绍过去数周用 OpenAI o1-mini 和 o1-preview 测试 Devin 自主编码任务的结果。
Cognition 发布 Devin 九月产品更新,Devin 更快、代码编辑更准确、更能遵循指令和独立决策,评测显示常见任务完成时间最多缩短 80%,如加州山火交互地图提示词从 6 月的 30 分钟以上降到 8 分钟以内。
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。
Cursor 宣布完成 6000 万美元 A 轮融资,投资方包括 Andreessen Horowitz、Thrive Capital、OpenAI、Jeff Dean、Noam Brown 以及 Stripe、GitHub、Ramp、Perplexity 和 OpenAI 的创始人。
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 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。
Cognition 发布 Devin 的 SWE-bench 技术报告,Devin 端到端解决 13.86% 的 issue(570 个抽样中 79 个),远超此前无辅助基线 1.96%,也高于最强有辅助基线 Claude 2 的 4.80%。
推荐理由:原文给出完整评测方法和基线对比,读者可据此理解智能体在真实代码库任务上的表现与局限。
Cognition 发布 Devin,定位为首个全自主 AI 软件工程师,可规划执行需要数千次决策的复杂工程任务,内置 shell、代码编辑器和浏览器等沙盒化开发工具。Devin 在 SWE-bench 上端到端解决 13.86% 的真实 GitHub issue,此前最佳为 1.96%;该模型目前开放早期访问候补名单,公司持有 Founders Fund 领投的 2100 万美元 A 轮融资。
推荐理由:官方发布文给出 Devin 的能力清单和 SWE-bench 13.86% 对 1.96% 的对比数据,读者可以据此评估其真实水平。
Cursor 团队发布一份问题清单,说明其正在攻关的 AI 编码方向:训练自定义高速重排序模型,把每次请求收集的 50 万个 token 过滤到最相关的 8k;构建面向编辑的 copilot 和可在几十万 token 文件夹上工作的受约束流内 Agent。
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。
Cursor 团队主张把 prompting 视为类似网页设计的 prompt design,并据此推出类似 React、基于 JSX 的提示词设计库 Priompt v0.1。库已在 Cursor 内部使用,支持注释部分提示词和用真实请求记录的 props 预览渲染后的完整提示词,作者还讨论了长上下文、缓存和函数调用等趋势对该定位的影响。