OpenAI 分享大规模代码验证实践：为 Codex 训练专用代码审查智能体
OpenAI Alignment 团队分享了为 gpt-5-codex 和 gpt-5.1-codex-max 训练专用智能体代码审查器的经验，主张精度优先于召回以换取开发者信任，并发现给审查器 repo 级工具和代码执行能力能同时提高两者。
推荐理由：OpenAI 官方复盘 gpt-5-codex 代码审查智能体的训练与部署经验，给出了精度优先、repo 级工具访问等可借鉴的落地取舍。
#编码
OpenAI：Alignment 研究博客精选AI 评分6363
Factory 研究 / 产品AI 评分7474 Factory 披露挫败针对 Droid 平台的 AI 编排欺诈攻击
Factory 披露其在十月检测并挫败一场针对 Droid 的 AI 编排欺诈行动：攻击者用 AI 编码智能体搭建代理和自动注册基础设施，滥用免费 trial 算力并转售，涉及数万个伪造组织。防御方随后用 Droid 搭建实时欺诈分类与自动封禁系统，数小时内上线，欺诈性 LLM 消耗下降约 95%，并判断至少另两家编码智能体平台同期遭遇类似滥用。
OpenAI Developers：BlogAI 评分5252 OpenAI 发布 Codex CLI 代码现代化 Cookbook，以 COBOL 为例演示五阶段改造流程
OpenAI 发布 Codex Cookbook 教程，演示如何用 Codex CLI 现代化遗留代码库，以 COBOL 投资组合系统的日报流程为示例。
Ethan Mollick：One Useful Thing精选AI 评分8080 Ethan Mollick 实测 Gemini 3：从写水獭小诗到完成博士级研究任务
Ethan Mollick 在 Gemini 3 发布当天撰文实测，用三年前关于 GPT-3 的旧帖让模型自行展示 AI 的进步，Gemini 3 据此做出一个可交互的糖果驱动 FTL 飞船模拟游戏。
推荐理由：作者以三年前的旧帖作对照，用同一任务让 Gemini 3 实际演示能力变化，并给出 Antigravity 智能体协作的第一手使用体验与局限。
OpenAI：部署安全与系统卡精选AI 评分6464 OpenAI 发布 GPT-5.1-Codex-Max 系统卡，披露安全评估与沙箱机制
OpenAI 发布 GPT-5.1-Codex-Max 系统卡，说明该模型在禁用内容、Agent 沙箱和生物化学风险上的安全评估。Codex agent 默认禁用网络并将文件编辑限制在当前工作区，云端跑在 OpenAI 隔离容器中，macOS 用 Seatbelt、Linux 用 seccomp 和 landlock 实现本地沙箱。
推荐理由：OpenAI 官方系统卡披露 GPT-5.1-Codex-Max 的安全评估细节，包括沙箱机制与生物化学风险评级，可供部署决策参考。
Cognition 模型 / Devin 博客精选AI 评分6363 Cognition 发布 Devin 2025 年度绩效评估，总结 18 个月智能体落地经验
Cognition 为上线 18 个月的 Devin 发布绩效评估，其已在数千家公司的工程团队中使用，累计合并数十万个 PR，客户包括 Goldman Sachs、Santander 和 Nubank。
推荐理由：Cognition 基于大量客户实践总结 Devin 的真实强弱项，给评估智能体部署效果提供了一套可参考的框架。
Cognition 模型 / Devin 博客AI 评分5959 Windsurf 发布 Codemaps，用 AI 标注的结构化代码地图辅助理解代码库
Cognition 发布 Windsurf Codemaps，一种由 SWE-1.5 或 Claude Sonnet 4.5 生成的 AI 标注结构化代码地图，用于快速理解代码路径与功能实现。
Cognition 模型 / Devin 博客精选AI 评分6666 Cognition 发布软件工程模型 SWE-1.5，与 Cerebras 合作实现 950 tok/s 推理
Cognition 发布面向软件工程的新模型 SWE-1.5，为数千亿参数规模，编码性能接近 SOTA，通过 Cerebras 部署实现最高 950 tok/s，比 Haiku 4.5 快 6 倍、比 Sonnet 4.5 快 13 倍。
推荐理由：Cognition 官方详解 SWE-1.5 的速度数据与模型、推理、harness 协同设计思路，读者可据此理解编码 Agent 的系统级优化方法。
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。
Cognition 模型 / Devin 博客AI 评分4848 Cognition 发布 Devin Agent Preview 并在 Devin 中上线 Claude Sonnet 4.5
Cognition 于 2025.09.29 宣布在 Devin 中提供 Claude Sonnet 4.5，并同步推出 Devin Agent Preview。
Cognition 模型 / Devin 博客精选AI 评分7171 Cognition 融资超 4 亿美元，估值达 102 亿美元
Cognition 宣布融资超 4 亿美元，投后估值 102 亿美元，由 Founders Fund 领投，Lux Capital、8VC、Neo、Bain Capital Ventures 等参投。
推荐理由：官方一手披露融资规模、ARR 数字和收购后增长数据，读者可据此评估 AI 编码智能体赛道的商业化进展。
Cognition 模型 / Devin 博客精选AI 评分8181 Cognition 签署最终协议收购智能体 IDE 公司 Windsurf
Cognition CEO Scott Wu 宣布已签署最终协议收购智能体 IDE 公司 Windsurf，交易涵盖其 IP、产品、商标品牌和业务，并将全体团队纳入 Cognition。
推荐理由：官方公告给出交易范围与关键数据，读者可据此了解两家公司在编码智能体方向的整合安排。
Cognition 模型 / Devin 博客AI 评分4747 Coding Agents 101：Cognition 讲解如何真正用好编程智能体
Cognition 团队发布《Coding Agents 101》，分享客户及自身使用 Devin 等编程智能体的实践经验。文章指出资深到 Staff 级别工程师更易快速取得成功，并总结了让智能体真正完成任务的要点。
Cognition 模型 / Devin 博客精选AI 评分6868 Cognition 发文提出上下文工程原则，称多智能体架构在 2025 年仍易碎
Cognition（Devin 团队）发文 Don't Build Multi-Agents，基于实战提出两条构建 Agent 的原则：共享完整 Agent 轨迹的上下文，以及行动隐含决策、冲突决策带来坏结果。
推荐理由：作者基于 Devin 的实战经验提出上下文工程两条原则，并解释为何多智能体架构在实际中易碎。
Cognition 模型 / Devin 博客精选AI 评分6767 Cognition 发布 DeepWiki MCP 服务器，免费提供 GitHub 仓库问答工具
Cognition 发布官方 DeepWiki MCP 服务器，免费提供对 DeepWiki.com 已索引的公开 GitHub 仓库的上下文获取与问答能力，无需登录或鉴权。
推荐理由：官方给出免费 MCP 服务器的三个工具和接入方式，开发者可据此为任意公开 GitHub 仓库获取代码库上下文。
Cognition 模型 / Devin 博客AI 评分5555 Cognition 发布 Devin 2.1，新增置信度评分与代码库理解能力
Cognition 发布 Devin 2.1，Devin 会在会话开始、制定计划和回答代码问题时报出 🟢🟡🔴 置信度，非绿灯时会提出澄清问题，🟢 分数任务的 PR 合并可能性是 🔴 的两倍。
Cognition 模型 / Devin 博客AI 评分5353 Cognition 与斯坦福发布 Kevin-32B：用多轮 RL 训练 CUDA 内核生成模型
Cognition AI 与斯坦福团队发布 Kevin-32B，基于 QwQ-32B 用多轮强化学习训练 CUDA 内核生成，在 KernelBench 前两级任务上 8 轮细化后平均正确率 65%，解决 89% 的数据集，超过 o4-mini 的 53% 和 o3 的 51%，best@16 加速比 1.41x。
Cognition 模型 / Devin 博客精选AI 评分7171 Cognition 推出 DeepWiki，将公开 GitHub 仓库免费转为可对话文档
Cognition 发布 DeepWiki，作为 Devin Wiki 和 Devin Search 的免费公开版本，可把公开 GitHub 仓库转为可对话的最新文档。
推荐理由：原文给出免费入口和已索引仓库规模，读者可以直接把公开仓库 URL 换成 deepwiki.com 试用。
Cognition 模型 / Devin 博客精选AI 评分6464 Cognition 发布 Devin 2.0，推出智能体原生 IDE 并新增 20 美元起的 Core 计划
Cognition 于 2025 年 4 月 3 日发布 Devin 2.0，带来面向智能体的 IDE 体验，并提供 20 美元起的灵活新计划。用户可并行运行多个 Devin、在 IDE 内协作并直接审查编辑其代码，还推出 Interactive Planning、Devin Search 和 Devin Wiki 三项新功能，入口为 app.devin.ai。
推荐理由：官方给出 Devin 2.0 的核心能力变化与 20 美元起的新定价，读者可对照评估它对现有开发流程的适配度。
Cognition 模型 / Devin 博客AI 评分4141 Devin 2025 年 2 月产品更新：本地 UI 测试、批量并行编辑，并集成 Sonnet 3.7
Cognition 发布 Devin 2025 年 2 月产品更新，速度比 2024 年 10 月提升约 2 倍，内部评测中完成初级开发任务平均用时约 7.8 分钟。更新内容包括批量并行编辑文件、主动反馈欠佳提示词、GitLab（beta）支持、浏览器多标签与复制粘贴能力，以及于 2/24 集成 Sonnet 3.7——在其测试中是迄今调试、代码库搜索和智能体规划表现最好的模型。
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5353 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 模型 / Devin 博客AI 评分4040 Crossmint 案例分享：用 Devin 扩展开源项目 GOAT SDK 的开发
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 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4949 Cognition 宣布 Devin 开源计划
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 模型 / Devin 博客精选AI 评分6363 Cognition 宣布 Devin 正式开放 GA 订阅，工程团队每月 500 美元起
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 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6161 Supermaven 加入 Cursor，团队将重点打造新的 Tab 模型
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 模型 / Devin 博客AI 评分5959 Cognition 实测 o1 系列驱动 Devin，并详解编码智能体评测方法
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 模型 / Devin 博客AI 评分5555 Cognition 发布 Devin 2024年9月产品更新，新增 MultiDevin 并行协作等功能
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：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。
Cursor：ChangelogAI 评分6969 Cursor 完成 6000 万美元 A 轮融资
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 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。
Cognition 模型 / Devin 博客精选AI 评分7373 Cognition 发布 Devin 的 SWE-bench 技术报告，解决率达 13.86%
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 模型 / Devin 博客精选AI 评分6868 Cognition 发布首个全自主 AI 软件工程师 Devin，SWE-bench 解决率达 13.86%
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：ChangelogAI 评分4646 Cursor 团队谈我们要解决的问题
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：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。