GitHub 推出 ReviewBench，作為 AI 程式碼審查開放基準
GitHub 推出 ReviewBench，作為評測 AI 程式碼審查智能體的離線基準，研究預覽版已可透過網站使用。
推薦理由：ReviewBench以219個跨19種語言的公開PR建立評測集，並公開多來源標註與評分方法；資深工程師判斷與基準的一致率為96.6%。
#編碼
#編碼
今日 1 條GitHub Blog · AI & ML精選AI 評分6363
OpenAI NewsAI 評分4343 Chatham 藉助 OpenAI 擴展資本市場專業能力
Chatham Financial 使用 Codex 和 GPT-5.6 建構技術並重新設計工作流程，將交易驗證時間由 30 分鐘縮短至不足 4 分鐘。
GitHub Blog · AI & MLAI 評分3535 AI 正改變開發者的工作方式：三項值得加強的技能
AI 正改變開發者的工作方式，開發者應加強引導 AI、審核 AI 輸出，以及利用節省的實作時間解決更大型問題。隨着 AI 智能體承擔更多實作，開發者仍須界定問題、檢視生成程式碼、權衡取捨並作出技術決策。GitHub Copilot 內置的 Rubber Duck agent 會使用第二個模型，在推進前檢視計劃、程式碼和測試。
Google DeepMind精選AI 評分7777 Google DeepMind 發佈 Gemini 4 Argon，面向複雜長流程任務
Google DeepMind 發佈前沿模型 Gemini 4 Argon，面向軟件工程、企業知識工作及網絡安全等複雜長流程任務。其輸出 token 上限由 64K 提至 1M，在 DeepSWE v1.1 得分 77.9%，並在 LVBench 得分 91.7%。
推薦理由：Gemini 4 Argon 將輸出上限由 64K 提至 1M tokens，文章把這項擴容與處理更長、更複雜工作流程的能力相連。
AWS Machine Learning Blog精選AI 評分6767 GPT-6.1 Sol 在 Amazon Bedrock 正式開放使用，面向智能體編碼與專業工作負載
GPT-6.1 Sol 已在 Amazon Bedrock 正式開放使用，面向智能體編碼、電腦操作及專業工作負載。OpenAI 表示，GPT-6.1 Sol 在 DeepSWE v1.1 上匹配 GPT-6 Astra，單項任務成本約為 GPT-6 Astra 的五分之一；其分數亦比 GPT-6 Sol 的最佳結果高 6.4 個百分點，且所用推理力度較低。
推薦理由：文章列出 GPT-6.1 Sol 在 DeepSWE v1.1 上與 GPT-6 Astra 的任務成本對照，並比較其對 GPT-6 Sol 的分數提升。
OpenAI News精選AI 評分6868 OpenAI 發佈 GPT-6.1 Sol，稱其智能接近 Astra，API 輸入及輸出 token 價格為 Astra 標準價五分之一
OpenAI 發佈 GPT-6.1 Sol，稱其面向編碼、電腦操作及專業工作，智能水平接近 Astra。其 API 輸入及輸出 token 價格均為 Astra 標準 API 對應價格的五分之一。
推薦理由：公告把 GPT-6.1 Sol 的工作場景定位與 Astra 標準 API 輸入、輸出 token 價格作比較，便於瞭解其能力主張與定價定位。
OpenAI NewsAI 評分2626 Codex Originals 計劃徵集使用者故事
OpenAI 正為 Codex Originals 計劃徵集 Codex 使用者的真實故事。徵集對象包括開發者、創客、研究人員及創作者；有意參與計劃下一階段者可分享自己的故事與項目。
OpenAI NewsAI 評分2727 Proaction 藉助 Codex 提升銷售額 60%，節省 75+ 小時
Proaction 藉助 Codex 將銷售額提升 60%，並節省 75+ 小時。Proaction 使用 Codex、GPT-Live-1 和 GPT-6 Astra，加快現代化車隊管理服務的構建、營運及銷售。
OpenAI NewsAI 評分2929 Airbnb 擴大 GPT-6 Astra 及 OpenAI 前沿模型的使用範圍
Airbnb 正擴大工程團隊使用 GPT-6 Astra 及 OpenAI 前沿模型的範圍。此舉旨在協助工程團隊修復錯誤、設計系統並加快交付。
OpenAI NewsAI 評分2929 Cognition 藉助 GPT‑6 Astra 助 Devin 測試並驗證自身成果
Cognition 藉助 GPT‑6 Astra 提升 Devin 測試軟件並驗證其可正常運作的能力。目標是讓工程師減少審閲程式碼，並交付更多成果。
OpenAI NewsAI 評分2929 1Password 藉助 Codex 提升工程生產力 21%
1Password 的工程師使用 Codex 快速開發新功能和內部工具，工程生產力提升 21%。這些成果在維持嚴格安全政策的同時，已達到可投入生產環境的準備狀態。
OpenAI NewsAI 評分3232 研究加速：OpenAI 內部視角
OpenAI 內部的編碼智能體正重塑 AI 研究。早期數據涵蓋智能體使用情況、實驗速度、任務複雜度及研究加速。
GitHub Blog · AI & ML精選AI 評分6767 Project HydraFusion 以多模型編排提供前沿級品質
GitHub 推出 Project HydraFusion 研究預覽，以執行時多模型編排為編碼任務動態規劃模型工作流程。它會從不同供應商的模型中選擇 Single、Cascade 或 Critique 工作流程；所有 GitHub Copilot 方案用户可在 Copilot CLI 執行 `/experimental`，再執行 `/model` 選用 HydraFusion。
推薦理由：三項離線編碼基準呈現 HydraFusion 不同的品質與成本取捨，與 Claude Opus 5 的對照能幫助理解多模型編排在不同任務上的效益差異。
OpenAI NewsAI 評分5959 GPT-6 Astra：OpenAI 發佈新一代智能模型
OpenAI 推出 GPT-6 Astra，稱其為迄今最智能、最符合對齊要求的模型。OpenAI 表示，模型在電腦操作、編碼、網絡安全及科學領域具備最先進能力。
Google DeepMind精選AI 評分7676 Google DeepMind 發佈 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber
Google DeepMind 發佈 Gemini 3.8 Flash 與 Gemini 3.8 Flash Cyber，並稱 Gemini 3.8 Flash 是其迄今推理與編碼能力最強的模型，速度和成本與 3.7 Flash 相同。
推薦理由：兩款模型共享基礎智能，普通版面向長程編碼與智能體任務，Cyber 版則限可信防守者使用，提供漏洞發現與修補能力。
OpenAI NewsAI 評分2121 loveholidays 如何藉助 Codex 讓公司各團隊都能參與軟件開發
loveholidays 使用 OpenAI Codex，讓公司各團隊更容易參與軟件開發。這有助團隊更快把想法轉化為產品。
Hugging Face Blog精選AI 評分6464 Gradio gr.Workflow 如何編排、執行及部署 AI 工作流
Gradio 內置的 gr.Workflow 可把 AI 工作流表示為由帶類型節點組成的圖，並提供可拖放、逐節點執行及查看中間結果的畫布。節點可執行 Python 函數、調用 Hugging Face Inference Providers 模型或其他 Gradio Space，也可處理 Hub 數據集資料。
推薦理由：文章以多個可執行示例展示如何把模型、Python 函數與 Gradio Space 串成工作流，並讓節點輸出直接成為 API。
OpenAI NewsAI 評分3939 GPT-5.6 在 Kiro 中提升開發者的性價比
GPT-5.6 現已在 Kiro 中提供，協助開發者以更佳性價比規劃、建構、審查及測試軟件。
OpenAI News精選AI 評分6363 Replit 透過 GPT-5.6 Luna 擴大軟件創作入口
Replit 透過由 GPT-5.6 Luna 驅動的 Free Mode 擴大軟件創作入口。Free Mode 讓任何人把想法轉化為可運作的軟件，並稱毋須擔心 token 費用。
OpenAI NewsAI 評分5353 Asana 使用 Codex，將多年程式碼遷移工作縮至 2 週
Asana 使用 OpenAI Codex，在 2 週內替換一套過時的測試系統，並完成原需數年的程式碼遷移。此次使用的模型與基礎設施成本約為 $12K。
Google DeepMind精選AI 評分7171 Google DeepMind 發佈 Gemini 3.7 Flash，提升編碼與智能體工作流表現
Google DeepMind 發佈 Gemini 3.7 Flash，稱其在編碼、知識工作及網頁開發工作流上較 Gemini 3.6 Flash 有所提升。
推薦理由：文章列出 Gemini 3.7 Flash 在編碼、網頁開發和複雜文件基準上的對比數據，並交代入門價格，便於衡量效能與成本取捨。
OpenAI NewsAI 評分2424 RingCentral 如何從工程到營運打造 AI 原生工作模式
RingCentral 使用 ChatGPT Work 和 Codex 加速 AI 產品開發，並集中工程與營運部門的營運情報。相關應用涵蓋工程至營運。
OpenAI NewsAI 評分2424 智能體 AI 時代的科學計算
科學家正運用 AI 編碼智能體推動科學計算現代化，加快基因組學及其他領域的軟件開發與發現。
Google DeepMind精選AI 評分7878 Google DeepMind 發佈 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 發佈 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber，涵蓋智能體工作流、低延遲高吞吐任務及網絡安全場景。
推薦理由：文章列出 3.6 Flash 與 3.5 Flash-Lite 的速度及成本指標，並説明 Cyber 模型將透過有限試點提供，呈現不同工作負載的部署差異。
Google DeepMind精選AI 評分6565 Google DeepMind 發佈 Gemini 3.5 Flash Cyber 網絡安全模型
Google DeepMind 發佈 Gemini 3.5 Flash Cyber，這款基於 3.5 Flash 並經微調的輕量網絡安全模型，旨在快速發現、驗證及修補漏洞。
推薦理由：V8 JavaScript Engine 的固定調用測試提供了具體比較，Gemini 3.5 Flash Cyber 找到 55 個獨特確認問題，主線 3.5 Flash 與 Claude Opus 4.6 分別找到 47 個和 36 個。
OpenAI NewsAI 評分2727 Codex 如何成為 OpenAI 創意團隊的協作夥伴
OpenAI 的創意團隊運用 Codex 和上下文感知 AI 建構自訂創意工具、加快構思，並更快製作原型。
OpenAI NewsAI 評分2929 OpenAI 分析 SWE-Bench Pro 編碼評測中的訊號與雜訊
OpenAI 的新分析指出，熱門編碼基準 SWE-Bench Pro 存在問題，引發對 AI 模型評測可靠性與準確性的疑慮。
OpenAI NewsAI 評分2626 Australian Payments Plus 藉助 ChatGPT 和 Codex 加快應對支付業務複雜性
Australian Payments Plus 使用 ChatGPT Enterprise 和 Codex，加快應對支付業務的複雜性。AP+ 節省時間、改善品質，並以人類判斷為核心。
Mistral AI精選AI 評分6363 Mistral AI 發佈 Leanstral 1.5，強化 Lean 4 形式化驗證
Mistral AI 發佈 Leanstral 1.5，這款 Apache-2.0 授權模型總參數量為 119B、活躍參數為 6B，面向 Lean 4 形式化驗證。
推薦理由：文章不只列出形式化數學基準，也以 AVL 樹複雜度證明及 57 個程式庫的漏洞排查，呈現 Leanstral 1.5 將定理證明延伸至實際程式驗證的應用。
Hugging Face BlogAI 評分5050 ScarfBench：企業 Java 框架遷移 AI 智能體基準測試
Hugging Face 推出開放基準 ScarfBench，評測 AI 智能體遷移企業 Java 框架的能力。它涵蓋 Spring、Jakarta EE、Quarkus，包含 34 個應用程式、102 個框架實作及 204 項遷移任務，並驗證建置、部署和行為。現有最強智能體的行為成功率低於 10%，Jakarta EE 遷移尤其具挑戰。
OpenAI NewsAI 評分3636 預覽 GPT-5.6 Sol：新一代模型
OpenAI 預覽新一代模型 GPT-5.6 Sol，其程式編寫、科學及網絡安全能力更強，並配備 OpenAI 最先進的安全技術堆疊。
OpenAI NewsAI 評分2828 Codex-maxxing：Jason Liu 如何用 Codex 支援長時間工作
Jason Liu 使用 Codex 保留脈絡並管理複雜專案。這讓工作得以延續至單一提示詞以外，支援長時間任務。
OpenAI News精選AI 評分6565 Samsung Electronics 向全球員工部署 ChatGPT Enterprise 和 Codex
Samsung Electronics 向全球員工部署 ChatGPT Enterprise 和 Codex。OpenAI 稱，這是其規模最大的企業 AI 部署之一。
推薦理由：這則公告提供企業級 AI 落地的具體案例，交代 Samsung Electronics 面向全球員工部署的產品，也呈現 OpenAI 對此次部署規模的定位。
Hugging Face Blog精選AI 評分7878 GLM-5.2 發佈，最大上下文擴至 1M tokens並提升長程任務能力
GLM-5.2 發佈，將最大上下文長度由 200K 擴至 1M tokens，並強化長程任務與編碼能力。它在 Terminal-Bench 2.1 和 SWE-bench Pro 分別取得 81.0、62.1，高於 GLM-5.1 的 63.5、58.4。
推薦理由：文章並列長程編碼基準成績與 IndexShare、MTP 的效率改動，讓讀者可對照模型性能數據和 1M-token 上下文的工程支撐。
OpenAI NewsAI 評分2828 天體物理學家 Chi-kwan Chan 如何使用 Codex 協助模擬黑洞
天體物理學家 Chi-kwan Chan 使用 Codex 建構黑洞模擬，協助科學家研究極端物理，並檢驗 Einstein 的廣義相對論。
OpenAI News精選AI 評分6262 OpenAI 計劃收購 Ona，為 Codex 擴展安全、持久的雲端環境
OpenAI 計劃收購 Ona，以安全、持久的雲端環境擴展 Codex。此舉將支援 AI 智能體在企業工作流程中長時間運行。
推薦理由：這宗收購把雲端環境與 Codex 的擴展連結起來，可從中瞭解 OpenAI 如何將長時間運行的 AI 智能體延伸至企業工作流程。
OpenAI NewsAI 評分2424 Nextdoor 工程師如何使用 Codex 突破開發限制
Nextdoor 工程師使用 Codex 搭配 GPT-5.5，調查難以重現的問題並跨平台開發。其工作亦聚焦產品成果。
Hugging Face BlogAI 評分5555 JetBrains 發佈 Mellum2：12B 文字與程式碼 MoE 模型
JetBrains 發佈 Mellum2，一款以自然語言和程式碼從零訓練的 12B MoE 模型，每個 token 啟用 2.5B 參數。模型採 Apache 2.0 授權，適用於路由、RAG、摘要、子智能體及高吞吐程式功能等工作負載。
OpenAI NewsAI 評分2121 Braintrust 如何透過 Codex 將客户需求轉化為程式碼
Braintrust 工程師使用 Codex 與 GPT-5.5，將客户需求轉化為程式碼。這項做法亦用於運行實驗，並加快編碼速度。
Mistral AI精選AI 評分7676 Mistral AI 推出 Vibe，整合工作任務與程式開發
Mistral AI 推出 Vibe，將長流程工作任務與程式開發整合至同一個 AI 智能體。Work Mode 可跨企業工具處理知識搜尋、資料分析、文件撰寫及排程任務；Code Mode 支援網頁端遠端編碼，並推出 VS Code 擴充功能及更新 Vibe CLI。
推薦理由：Vibe 將企業知識檢索、多步工作流程與程式碼任務收進同一智能體，並展示可檢視執行過程及設定權限的工作方式。