OpenAI Developers plugin 发布：在 ChatGPT 和 Codex 中构建 AI 应用与智能体
OpenAI 发布 OpenAI Developers plugin，帮助开发者在 ChatGPT 和 Codex 中构建使用 OpenAI API 的应用和智能体。
#编码
OpenAI Developers：BlogAI 评分4343
Factory 研究 / 产品AI 评分6666 Factory 评测 13 款模型的代码审查表现：GPT-5.2 最佳，MiniMax M2.7 最省
Factory 发布代码审查基准结果，用 50 个来自 Sentry、Grafana、Keycloak、Discourse、Cal.com 的真实 PR 测试 13 款模型。
Cognition 模型 / Devin 博客AI 评分5252 梅赛德斯-奔驰与 Cognition 合作，在全球工程团队部署 Devin 和 Windsurf
梅赛德斯-奔驰与 Cognition 达成合作，在横跨美国、欧洲和亚洲的全球工程团队部署 Devin 与 Windsurf。四周试点中，Devin 分析了超过 200,000 行 COBOL 代码，把遗留系统现代化时间从预估的 8 个月缩短到 8 天；Windsurf 用于云原生应用等本地开发，Devin 处理异步工程工作流，Devin for Terminal 承担最复杂任务。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 发布 Devin CLI：本地终端编码智能体可移交云端继续运行
Cognition 发布 Devin CLI，一款在终端本地运行的编码智能体，可完全访问本地代码库、工具和环境，可选 Opus 4.7、GPT-5.5 和自研 SWE-1.6 等模型，UI 用 Rust 编写的终端渲染库实现。
推荐理由：Cognition 官方发布 Devin CLI，本地终端编码智能体可将会话移交云端继续运行，读者可据此评估其与现有工作流的结合方式。
Ethan Mollick：One Useful Thing精选AI 评分7676 Ethan Mollick 实测评测 GPT-5.5：能力跃升但锯齿状边界仍在
Ethan Mollick 提前试用 GPT-5.5 并撰写评测，认为其表明 AI 快速提升尚未结束。同一编程任务中 GPT-5.5 Pro 仅 GPT-5.5 Pro 真正模拟了城镇演化，耗时 20 分钟，而 GPT-5.4 Pro 需 33 分钟。
推荐理由：作者以早期访问实测对比多代模型，用同一编程任务和数据研究案例展示 GPT-5.5 的进步与边界。
Factory 研究 / 产品AI 评分6363 Factory 推出 Automated QA 技能，像真实用户一样测试应用并在 PR 中给出报告
Factory 发布 Automated QA 技能，由 Droid 像真实用户一样驱动应用，包括填写表单、输入终端命令和调用 API 端点，并在每次 push 后于 PR 中发布一条带截图、终端快照和 API trace 的结构化 QA 评论，该评论会随新提交原地更新。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 复盘两年构建 Devin 云智能体的经验教训
Cognition 复盘两年多构建 Devin 云智能体的经验，指出容器化方案的三大短板：共享内核带来安全风险、无法跨异步间隙保存状态、编排与治理集成需数季度投入。
推荐理由：Cognition 以两年自建 Devin 的第一手经历，拆解云智能体在内核隔离、状态快照、编排治理三层上的真实成本与组织改造路径。
Factory 研究 / 产品AI 评分5555 Factory 开放 Droid Computers 持久化云端开发环境
Factory 开放 Droid Computers，为远程编排 Droid 提供持久化机器，保留文件系统、配置、凭据、本地服务和进程内存，任务可从中断处继续，关机后仍在云端运行。支持 Factory 托管云环境和 Bring Your Own Machine 两种方式，BYOM 对所有用户免费，托管环境按唤醒时长计费，面向 Max、Growth 和 Enterprise 套餐开放。
Cognition 模型 / Devin 博客精选AI 评分7373 Cognition 复盘多智能体实践：写入单线程、智能体只贡献智能的模式正生效
Cognition 发文复盘 10 个月前《Don't Build Multi-Agents》之后的转变：并行写入的 agent 集群仍难落地，但多 agent 贡献智能、写入保持单线程的窄类模式已在实际中生效。
推荐理由：作者以亲历视角复盘 Cognition 的多智能体实践，提炼出写入单线程的可行模式与沟通瓶颈，方法可迁移。
METR：BlogAI 评分6363 METR 分析 NanoGPT speedrun 记录评估 AI 智能体对 AI 研发的加速
METR 发布对 NanoGPT speedrun 的分析，从 2024 年 5 月到 2026 年 3 月，36 位贡献者提交 77 条记录，将 8×H100 训练时间从 45 分钟压到 1.43 分钟，共 31x 加速。
OpenAI Developers：Blog精选AI 评分7474 OpenAI 发布 API 部署清单，覆盖 Responses API 与 GPT-6 模型选型优化
OpenAI 发布 API 部署检查清单，建议始终从 Responses API 起步，并按负载在 gpt-6-astra、gpt-6.1-sol、gpt-6-luna 等模型中选型。
推荐理由：OpenAI 官方按质量、成本、延迟、可靠性逐项给出部署取舍建议，开发者可对照检查自己的 Responses API 工作流。
Cognition 模型 / Devin 博客精选AI 评分6161 Cognition 推出 Devin in Windsurf，将云智能体工作流内置到 Windsurf 2.0
Cognition 推出 Devin in Windsurf，将云端智能体工作流内置到 Windsurf 2.0。用户在 Windsurf 本地理解代码库并制定计划，一键发送给 Devin 实现，Devin 自行启动机器、打开 PR、运行测试并用计算机视觉做 QA，完成后用户可直接在 Windsurf 中审查 diff、跑测试或交回本地智能体修改。
推荐理由：官方说明了本地与云智能体分工思路，以及 Devin 接入 Windsurf 2.0 后从规划到审查的完整闭环。
Cognition 模型 / Devin 博客AI 评分5959 Devin 更新自助定价：推出 Free/Pro/Max 新套餐并对 Ask Devin 等收费
Cognition 宣布本周更新 Devin 自助定价，淘汰旧 Core 和 Team 套餐，推出 Free、Pro（$20/月）、Max（$200/月）、Teams（最低 $80/月）和 Enterprise 五档。
Cognition 模型 / Devin 博客精选AI 评分6060 Cognition 与 Applied Compute 推出 RL 训练的 bug 检测专用模型 SWE-check，速度约为 Opus 4.6 的 10 倍
Cognition 与 Applied Compute 合作 RL 训练了 bug 检测专用模型 SWE-check，在内部 in-distribution 评测上与 Opus 4.6 持平（delta F1 从 0.09 降到 0）。
推荐理由：原文给出了完整训练配方和关键评测数字，读者可以借鉴其奖励函数设计与两阶段后训练方法。
Anthropic：Claude.dev 开发者博客精选AI 评分6767 Anthropic 团队讲解 Claude Code 工具设计方法：像智能体一样思考
Anthropic Claude Code 团队成员 Thariq Shihipar 撰文讲解如何为智能体设计工具，核心方法是通过阅读模型输出和实验来理解模型能力。
推荐理由：Anthropic 团队以 AskUserQuestion、Task 等实际设计案例，说明如何根据模型能力取舍工具，方法可迁移到自己的 agent 开发。
METR：BlogAI 评分5151 METR 发布 MirrorCode 初步结果，称 AI 已能完成部分持续数周的编码任务
METR 发布 MirrorCode 初步研究，认为证据显示 AI 已能完成部分持续数周长度的编码任务。
Cognition 模型 / Devin 博客AI 评分4646 Cognition 进军日本市场，任命 Takumi Masai 为日本总裁
Cognition 宣布成立 Cognition Japan，将 Devin 这款自主 AI 软件工程师带入日本市场，这是其首次扩展到亚洲，并聘请拥有 30 余年经验的 Takumi Masai 出任日本总裁兼总经理，他曾任职于 IBM、Pivotal、Microsoft、Workday，最近担任 Datadog Japan 总裁。
Factory 研究 / 产品AI 评分6464 Factory 发布桌面应用，为 Droids 智能体提供原生多智能体会话界面
Factory 发布桌面应用，作为运行 Droids 智能体的原生界面，今日起登陆 macOS 和 Windows，包含在现有订阅中。
Cognition 模型 / Devin 博客AI 评分5151 Cognition 讲解 Devin 如何在财富500强企业推进 COBOL 现代化
Cognition 发文说明 Devin 在多家财富500强企业承担 COBOL 现代化工作的方法与边界。
Cognition 模型 / Devin 博客AI 评分5353 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。
Cognition 模型 / Devin 博客精选AI 评分6262 Devin 推出定时会话功能，可自主安排周期性任务
Cognition 宣布 Devin 可调度自己的周期性会话：用户完成一次任务后，可直接让 Devin 按节奏定期自动执行，无需配置 cron 或工作流。Devin 会在会话间读写自己的笔记、保持状态，例如周五汇总 release notes 时只总结新合并的 PR。该功能可与本周发布的 Managed Devins 组合，并行测试应用各页面并自动汇总报告到 Slack。
推荐理由：官方说明 Scheduled Devins 的用法与跨会话状态机制，并给出可点击的示例提示词，便于直接上手。
Cognition 模型 / Devin 博客精选AI 评分6868 Devin 支持编排多个 managed Devin 并行执行大型任务
Cognition 宣布 Devin 可将大型任务拆解并委派给多个 managed Devin 并行执行，每个子会话都是完整 Devin，运行在独立虚拟机中，拥有各自的终端、浏览器和开发环境。
推荐理由：原文说明多 Devin 协作的工作原理、管理能力和适用场景，读者可据此评估并行智能体对现有开发流程的影响。
Ethan Mollick：One Useful ThingAI 评分5656 Ethan Mollick 撰文解析 AI 智能体时代的形态与滚动式冲击
Ethan Mollick 在 One Useful Thing 撰文称，自 2025 年底 Claude Code、OpenAI 的 Codex 等智能体兴起后，人机协作进入管理 AI 而非与 AI 共事的新阶段。
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。
OpenAI Developers：Blog精选AI 评分7979 OpenAI 发布 gpt-5.3-codex 提示词指南
OpenAI 在 Cookbook 发布 Codex 模型提示词指南，API 上的 Codex 调优模型为 gpt-5.3-codex。
推荐理由：原文给出 gpt-5.3-codex 的迁移步骤、完整标准提示词与工具实践，读者可据此直接优化自己的 agent harness 配置。
Cognition 模型 / Devin 博客AI 评分5858 Cognition 发布 Devin 2.2，新增桌面端测试与自动修复
Cognition 发布 Devin 2.2，称其为 Devin 发布以来最重要的更新。Devin 现在可使用完整 Linux 桌面启动并测试桌面应用，提交 PR 后回传屏幕录像供用户审查；还具备 Devin Review Autofix 自我审查并修复代码的能力，启动速度提升 3 倍并重构了界面。新用户默认启用 Desktop 支持并可获 $10 试用额度，老用户可在 Settings 中开启。
TransluceAI 评分4747 Transluce 用 Docent 诊断 GPT-5.1 Codex 在 Terminal-Bench 上的性能回退
Transluce 用其 trace 分析工具 Docent 诊断 GPT-5.1 Codex 在 Terminal-Bench 上落后 GPT-5 Codex 6.5 个百分点的回退原因。
Cognition 模型 / Devin 博客精选AI 评分7070 Cognition 让 Devin 自动修复 Devin Review 及其他机器人留下的 PR 评审评论
Cognition 为 Devin 新增 bot triggers 配置，使其可自动修复 Devin Review 及任何在 PR 上评论的机器人提出的问题，包括 linter、CI 流水线、安全扫描器和依赖管理工具，并继续自动修复 lint 与 CI/CD 问题。
推荐理由：Cognition 官方介绍 Devin 自动修复评审评论的用法与入口，开发者可据此判断是否把机械性修复合入自己的 PR 流程。
OpenAI：部署安全与系统卡精选AI 评分7070 OpenAI 发布 GPT-5.3-Codex 系统卡，披露安全评估与 Apollo 破坏能力测试结果
OpenAI 发布 GPT-5.3-Codex 系统卡，公布不允许内容、生物化学和网络安全领域的评估结果。
推荐理由：官方系统卡给出 GPT-5.3-Codex 的沙箱机制、生物化学风险评级和 Apollo 发现的更强破坏能力评估结果，可帮助读者了解其安全边界。
OpenAI Developers：Blog精选AI 评分6262 OpenAI 推出 Codex 应用并发布入门演示
OpenAI 发布 Codex 应用的入门演示，介绍该应用及其核心工作流。材料为官方简介，未提供更详细的功能说明。
推荐理由：官方介绍 Codex 应用的核心工作流，可帮助已有编码 Agent 使用习惯的开发者了解新客户端的实际操作方式。
Ethan Mollick：One Useful ThingAI 评分7171 Ethan Mollick 用 4 天 MBA 创业课实验论证管理能力是 AI 时代的超能力
Ethan Mollick 在宾夕法尼亚大学的实验课上让 mostly 无编程经验的 EMBA 学生用 Claude Code、Google Antigravity 加 ChatGPT、Claude、Gemini 在四天内从零做出创业原型，他认为成果比以往 AI 之前一学期学生的水平向前推进了一个数量级。
OpenAI Developers：BlogAI 评分5252 OpenAI 演示 Codex 在 JetBrains IDE 中的使用方法
OpenAI 发布一段操作演示视频，讲解如何在 JetBrains IDE 内使用 Codex。视频以实际操作为主，展示 Codex 在 JetBrains 各 IDE 中的具体用法。
Cognition 模型 / Devin 博客精选AI 评分6363 Cognition 发布 Devin Review：用 AI 加速 GitHub PR 代码审查
Cognition 推出代码审查工具 Devin Review，称代码审查而非代码生成正成为交付瓶颈。工具提供智能 diff 组织、基于全代码库的 Ask Devin 交互问答和按严重程度分级的 AI bug 检测。
推荐理由：Cognition 官方介绍 Devin Review 的三大能力和免费入口，读者可据此评估它能否缓解自己团队的 code review 瓶颈。
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%。
Ethan Mollick：One Useful ThingAI 评分6666 Ethan Mollick 实测 Claude Code 详解 compaction、Skills 与 subagents 机制
Ethan Mollick 在 One Useful Thing 发文，用一个让 Claude Code（Opus 4.5）独立开发并部署创业网站的任务做了实测，AI 提问三个选择题后自主工作 1 小时 14 分钟生成了可运行的售卖网站。
Cognition 模型 / Devin 博客AI 评分4747 Infosys 与 Cognition 合作，在全组织及全球客户中部署 AI 软件工程师 Devin
Infosys 与 Cognition 达成合作，在其组织内部及全球客户中部署 AI 软件工程师 Devin，这是迄今规模最大的智能体软件工程部署之一。Infosys 过去六个月已通过 Devin 在 COBOL 和 JCP servlet 等复杂迁移项目中取得显著生产力提升，并首先在金融服务领域落地，计划扩展至零售、能源、医疗等行业。
OpenAI：部署安全与系统卡AI 评分5353 OpenAI 发布 GPT-5.2-Codex 系统卡补充：安全评测与沙箱机制详解
OpenAI 发布 GPT-5.2-Codex 系统卡补充材料，说明该编码模型的安全评测结果与部署防护。
Factory 研究 / 产品AI 评分4646 Factory 评测 AI Agent 的上下文压缩策略
Factory 构建了一套基于 probe 的评估框架，测量不同上下文压缩策略在长时间运行的 agent 会话中保留了多少有效信息。
OpenAI Developers：Blog精选AI 评分7575 OpenAI 发布 GPT-5.2 提示词指南
OpenAI 面向企业和智能体工作负载的旗舰模型 GPT-5.2 发布提示词指南，指出其在指令遵循、结构化推理、工具调用可靠性上优于 GPT-5.1，但默认 verbosity 更低且对提示词敏感。
推荐理由：官方给出 GPT-5.2 与旧模型的差异点和可直接复用的提示词模板，适合迁移或调优生产级智能体的团队参考。