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 41 條GitHub Blog · AI & ML精選AI 評分6363
Together AI 研究與產品博客AI 評分6464 Together AI 推出 Together Link，讓現有編碼工具接入開源模型，並稱可節省逾 50% 開支
Together AI 推出 Together Link，讓團隊在現有編碼智能體工具中接入 Together AI 的開源模型，並稱可削減逾 50% 開支。它支援 Claude Code、Claude Desktop、Codex（ChatGPT app 和 CLI）、OpenCode 及 Pi，並保留原有設定和登入方式。
MarkTechPost精選AI 評分7878 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1：不同工作適合哪款前沿模型？
MarkTechPost 將 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 與 Claude Fable 5.1 的基準、價格及存取條件並列，按工作負載整理各自適用情境。
推薦理由：文章將四款模型的基準、價格、存取限制和任務成本並列，呈現不同工作負載下的取捨，説明排行榜名次不足以單獨決定選型。
Hacker News：AI 熱帖AI 評分3131 Pop!_OS 禁止 AI 生成程式碼進入其大部分程式碼庫
Pop!_OS 禁止在其大部分程式碼庫中使用 AI 生成的程式碼。評論推測，Pop!_OS 和 Cosmic 市場佔有率偏低，較少成為攻擊者及不良行為者的目標，因此項目可以只接納人手編寫的程式碼。
The DecoderAI 評分6565 Anthropic 為 Claude Code 推出 Mods 系統，讓開發者從工具內部改寫介面與功能
Anthropic 為 Claude Code 推出 Mods 系統，讓開發者透過外掛在工具內自訂介面和工作方式。Mods 是以 JavaScript 或 TypeScript 編寫、掛接工具呼叫、使用者提示詞及介面渲染等事件的函數，可加入聊天旁的自訂面板、攔截工具呼叫或新增命令，支援 CLI、桌面應用程式，並部分支援 VS Code 擴充功能。
IT之家AI 評分5858 如何用好 GPT-6 系列 AI 模型？OpenAI 發佈指南講解選擇模型與優化提示詞
OpenAI 發佈 GPT-6 系列模型指南，介紹按工作負載選擇模型、優化提示詞及調整推理強度的方法。指南推薦 GPT-6 Astra 處理高難度推理、GPT-6.1 Sol 處理複雜編程、研究和電腦使用，GPT-6 Luna 則用於大規模特定任務及明確的日常重複工作。提示詞應交代期望結果、受眾、上下文、限制及完成標準；最高推理強度適合複雜分析、除錯或深度研究。
Hacker News：AI 熱帖AI 評分4242 Ask HN：有人用編碼智能體寫出優質程式碼嗎？
Hacker News 的提問者詢問，有沒有人能用編碼智能體產出優質程式碼，並表示這是他從資深工程師處聽到的真實難題。他稱 AI 生成的程式碼常繁複且充滿陷阱，審查 Claude merge requests 要多花 5x 時間，自己仍難以理解批准的改動。他質疑解法是否只能達到「level 4 autonomy」，不再閲讀或編寫程式碼，並求助已解決此問題的人。
LlamaIndex：產品、工程與評測AI 評分5454 LlamaIndex 推出 AutoTranslateDoc 命令列工具，可翻譯 GitHub 技術文件
LlamaIndex 推出 AutoTranslateDoc 命令列工具，可從 GitHub 儲存庫擷取 .md 和 .mdx 文件，並使用 GPT-3.5、GPT-4 分段翻譯。
Tessl：產品與工程博客AI 評分5252 Vibe Coding 並非我們能做到的最佳方式
作者認為，Vibe Coding 並不足以支撐嚴肅系統開發，AI 編碼仍需精確規格、獨立驗證與增量學習。文章提到，一位使用多個 AI 智能體的人估計每日產出 12,000 行程式碼，作者指出瓶頸在規格、驗證與發布。他主張把規格納入版本控制，在部署流程自行執行測試，並透過小步變更持續收集回饋。
Tessl：產品與工程博客AI 評分6363 Tessl 工程師提出 Harness Engineer 角色，主張 AI 智能體時代工程工作轉向系統設計與治理
Tessl 研究員兼工程師提出 Harness Engineer 角色，主張 AI 智能體愈多負責編碼，工程重心愈轉向設計和管理其運行系統。他將相關工作歸納為明確系統不變條件、分析智能體及程式碼數據、按風險安排審核；Tessl 以約 1,000 個開源技能測試智能體，發現平均只有約 70% 的技能指令獲遵循。
LlamaIndex：產品、工程與評測AI 評分5353 LlamaIndex 透過 Azure Container Apps dynamic sessions 支援安全程式碼執行
LlamaIndex 提供 Azure Code Interpreter 工具，讓智能體透過 Azure Container Apps dynamic sessions 沙箱執行 LLM 生成的程式碼。文章示範如何設定工具並接入 ReActAgent，讓智能體查詢西雅圖當前時間，以及讀取、排序和下載 CSV 檔案。
Google Developers BlogAI 評分3535 Go 為何是 AI 輔助軟件工程的理想語言
Go 是 AI 輔助軟件工程的理想語言，因其端到端工具鏈與可讀性設計，能支援人類審查、驗證及維護 AI 生成程式碼。Go 平台內置格式化器、測試框架、依賴管理和安全工具，配合標準庫，讓 AI 模型更快、更低成本且更可靠地處理 Go 程式碼。一致的程式碼風格亦有助團隊維護大型程式碼庫，並為 LLM 提供更標準化的訓練數據。
Google Developers BlogAI 評分6060 Harness Engineering 剖析：如何評估、迭代及為 AI 編碼智能體設置防護
Google Developers Blog 提出評估 AI 編碼智能體的方法，主張以行為評測補足端到端基準，觀察可驗證的中間操作而非只看最終結果。文章建議先針對單一失誤設定目標，按任務複雜度選擇嚴格或彈性的斷言，再以批次評測追蹤整體通過率。行為評測與大型端到端評測互補，可用來檢查提示詞、工具 schema 或模型更新是否造成回歸。
OpenAI Developers：BlogAI 評分5252 Dagster Labs 如何用 Codex 加速文件撰寫、跨媒介改編與完整度評估
Dagster Labs 團隊運用 OpenAI Codex 加快技術教育文件撰寫、跨媒介內容改編，並評估文件完整度。他們透過完善 CONTRIBUTING.md，並把程式碼、文件與示例放在同一個程式碼庫，讓 Codex 協助解讀 PR、起草文件及製作影片講稿。此外，團隊讓 Codex 根據文件生成程式碼，再執行測試，並以程式能否按預期運作作為文件完整度的間接指標。
OpenAI Developers：BlogAI 評分5353 Skyscanner 如何透過 JetBrains MCP 將 Codex CLI 整合至 JetBrains IDEs，加快除錯、測試與開發工作流程
Skyscanner 的開發者將 OpenAI Codex CLI 透過 JetBrains 的 MCP server 接入 JetBrains IDE，讓 Codex 查詢 IDE 檢查結果及執行預設 run configurations，以縮短除錯、測試與開發工作流程。
OpenAI Developers：BlogAI 評分6767 Codex Agent 技能的 Evals 系統化測試實踐指南
OpenAI Developers 提供一套以 Evals 系統化測試、評分並改進 Codex Agent 技能的實踐流程。指南建議先定義可量度的成功條件，並以 10–20 條提示詞涵蓋技能應否觸發等情境。再用 codex exec --json 記錄 JSONL trace，對命令與檔案執行確定性檢查，並以 --output-schema 輸出結構化 rubric 評分風格要求。
OpenAI Developers：BlogAI 評分6262 Alpic 分享 ChatGPT Apps 開發的 15 項經驗，並介紹可助建置提速 10x 的 Codex 技能
Alpic 分享 ChatGPT Apps 開發的 15 項經驗，並將部分做法納入開源 Skybridge 框架及 chatgpt-apps-builder Codex 技能。
OpenAI Developers：BlogAI 評分6969 使用 Codex 和 Figma 構建前端 UI
OpenAI 宣佈即日起，Codex 可透過 Figma MCP server 在 Figma 與程式碼間雙向協作，並將運行中的介面轉成可編輯的 Figma frames。
OpenAI Developers：BlogAI 評分6464 Codex Code Review 新增 AGENTS.md 自訂倉庫審查規則
OpenAI 為 Codex Code Review 加入自訂倉庫規則支援，讓它可按 AGENTS.md 中的指引檢查改動，並在審查發現中引用相關規則。在包含已知違規和安全反例的主要評測套件中，規則引導版本識別出 98% 的必要自訂問題，基線對照組為 58.3%。
OpenAI Developers：BlogAI 評分2121 OpenAI Codex 部落格文章一覽
OpenAI Developer Blog 彙列多篇 Codex 文章，涵蓋以 Codex 建立遊戲、進行建築視覺化、製作前端介面，以及自動化重複工程工作的案例。其他內容包括 Skills 與提示詞、Codex Security、遠端工程工作、程式碼審查規則、JetBrains MCP 整合，以及用 Evals 系統測試 Agent Skills 的指南。
Hacker News：AI 熱帖AI 評分6262 Breadcrumb 推出 Mac 本機 AI 工作記錄與上下文管理工具
Justin 推出 Breadcrumb，一款為 Mac 設計的本機工具，可記錄螢幕、會議及 AI 對話與操作，並整理為 AI 可搜尋的記憶和上下文規則。作者舉例，Claude 讀取會議記錄、調取螢幕時間線並檢查程式碼後，建立 14 張 JIRA 工單、附上 12 張截圖，並草擬 Slack 訊息。
MiniMax：Blog精選AI 評分7676 MiniMax 開源 M2 模型，並推出中國版、升級海外版 MiniMax Agent
MiniMax 正式開源並推出面向智能體與編碼的 MiniMax M2，同時在中國推出 M2 驅動的 MiniMax Agent，並升級海外版本。
推薦理由：MiniMax M2 公佈 Artificial Analysis 10 項測試成績、API 定價與約 100 TPS 推理速度，並開放權重，呈現智能體模型在表現、速度與部署成本間的取捨。
MiniMax：BlogAI 評分7272 MiniMax 發佈 M2.1，強化多語言編程與複雜任務能力
MiniMax 發佈 M2.1，着重提升多語言編程、Web 和 App 開發，以及真實複雜任務中的可用性。M2.1 在 VIBE 基準五個子集的平均得分為 88.6，並在多語言場景超越 Claude Sonnet 4.5、接近 Claude Opus 4.5。
MiniMax：Blog精選AI 評分7676 MiniMax M2.5：為真實工作場景生產力而打造
MiniMax 發佈 M2.5 與 M2.5-Lightning，稱兩款模型在編碼、智能體工具調用、搜索及辦公任務達到 SOTA，M2.5 在 SWE-Bench Verified 得分 80.2%。
推薦理由：文中並列 SWE-Bench Verified 成績、不同腳手架的評測結果、執行時間與定價，方便比較 M2.5 的編碼表現和使用成本。
Anthropic：Alignment Science BlogAI 評分7171 SLEIGHT-Bench 用於找出 AI 監控器的盲點
Anthropic Fellows Program 研究團隊發佈 SLEIGHT-Bench，以 40 組合成攻擊測試前沿 AI 監控器的 11 類盲點。在 1% 假陽性率下，Opus 4.6 監控器有 50% 的攻擊在 10 次測試中一次也未被捕捉，只有 8/40 組攻擊能穩定檢出。
Microsoft AI：官方博客AI 評分5858 Microsoft 發佈 MAI-Code-1-Flash 編碼模型
Microsoft 發佈 MAI-Code-1-Flash，並稱其在同一 production harness 下的 4 項核心編碼評測中均勝過 Claude Haiku 4.5。
Microsoft AI：官方博客精選AI 評分7777 Microsoft Build 2026 MAI 主題演講實錄：宣佈七款新模型及與 Mayo Clinic 合作開發醫療模型
Microsoft 在 Build 2026 的 MAI 主題演講中宣佈推出七款涵蓋圖像、語音、轉錄、推理及編碼的新模型。
推薦理由：演講將模型基準、產品整合和權重調校渠道並列，呈現 Microsoft 從模型發布延伸至企業定製的產品路徑。
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。
Tessl：產品與工程博客AI 評分6363 回饋迴路工程：讓項目更適合智能體開發
Tessl提出回饋迴路工程，透過設計智能體周邊的迴路，讓每次執行改善後續工作的項目條件。文章把迴路分為單次改動、跨項目歷史及生產訊號三層，維護智能體分析日誌、PR 評論或程式庫狀態後，會把需修正事項整理成一般問題單交回既有開發流程，而不自行開 PR。
Tessl：產品與工程博客AI 評分5959 集體智能始於為錯誤標明歸屬
智能體團隊要形成集體智能，須把事故、修正與決策保存為可追溯證據，再整理成可測試、可更新的重用指引。Go client 案例中，基準執行失敗、得分 67，載入相關 pack 後通過、得分 95；文章亦指出，LLM 評審須先由人標註樣本並調校標準。
Meta AI：Research Blog精選AI 評分7676 Meta 發佈 Muse Spark 1.1，並開放 Meta Model API 公開預覽
Meta 發佈多模態推理模型 Muse Spark 1.1，稱其較 Muse Spark 在工具與電腦操作、編碼及多模態理解方面均有重大提升。模型可協調多個子智能體並管理 1 million tokens 的上下文窗口；開發者現可透過公開預覽中的 Meta Model API 使用，Meta AI app 和 meta.ai 亦提供 Thinking 模式。
推薦理由：Muse Spark 1.1 聚焦智能體工作流，涵蓋多智能體協作、電腦操作與 1 million tokens 上下文，並透過 Meta Model API 開放公開預覽。
Anthropic：The Institute精選AI 評分7777 The Anthropic Institute 分析 AI 加速研發與遞迴式自我改進的可能性
Anthropic Institute 指出，AI 已加速 AI 系統研發，但尚未能完全自主設計並開發自身後繼系統，遞迴式自我改進亦非必然。截至 2026 年 5 月，合併至 Anthropic 程式碼庫的程式碼逾 80% 由 Claude 撰寫；2026 年第二季，典型工程師每日合併的程式碼量為 2024 年的 8×。
推薦理由：這篇分析將公開基準與 Anthropic 內部數據並置，呈現 AI 執行工程與研究任務的進展，以及自主選擇研究方向仍存的能力差距。
Every：最新文章AI 評分4444 我如何打磨由 AI 智能體構建的軟件
作者把親自使用 AI 智能體所構建的軟件、判斷體驗並反覆修整，視為 compound engineering 的最後一步。他以 `/ce-polish` 檢出分支、啟動開發伺服器，並在編輯器中與智能體並排查看應用程式。在 Cora Brief 中，他透過 Monologue 指出版面留白過多、卡片需要更緊湊，智能體調整版面後，應用程式隨即熱重載。
OpenAI Developers：BlogAI 評分6464 重新思考 GPT-6 Astra 的技能與提示詞
OpenAI 分享如何為 GPT-6 Astra 調整技能、AGENTS.md 與任務提示詞，指出較強模型未必需要舊有的密集引導。技能描述應精簡並明確限定適用情境，多流程技能可由主文件引導至補充文件；AGENTS.md 則宜按任務提供相關文件和安全工作流程。文章還建議重新檢視測試、決策邊界和完成條件，避免舊指引令 GPT-6 Astra 過早停下或執行不必要的工作。
MiniMax：BlogAI 評分7474 MiniMax 發佈 M3，整合前沿編碼、1M 上下文與原生多模態
MiniMax 正式發佈 M3，這款開放權重模型整合編碼與智能體能力、最高 1M tokens 上下文，以及原生圖像和影片輸入與桌面操作能力。M3 採用 MiniMax Sparse Attention（MSA），在上下文長度達 1M tokens 時，每 token 計算量為上一代的 1/20，prefilling 提速逾 9×、decoding 提速逾 15×。
Artificial Analysis 完整文章精選AI 評分7676 GPT-6 Sol 和 Luna 價格約減半，推進成本效率前沿
Artificial Analysis 的評測指出，GPT-6 Sol 和 Luna 定價約為 GPT-5.6 的一半，Intelligence Index 分數大致持平。
推薦理由：文章並列價格、單項任務成本與多項基準結果，呈現降本幅度與不同能力變化並不一致，並指出 GDPval-AA v2.1 的回退與交付內容縮短相關。
Artificial Analysis 完整文章精選AI 評分7777 GPT-6.1 Sol 取代僅發佈 7 天的 GPT-6 Sol，Intelligence Index 接近 GPT-6 Astra
GPT-6.1 Sol 取代僅發佈 7 天的 GPT-6 Sol，其 Intelligence Index 比 GPT-6 Astra 低 1 分，最高 effort 下的每項 Intelligence Index 任務成本不到後者四分之一。
推薦理由：這篇評測以同一框架對照 GPT-6.1 Sol、GPT-6 Sol 和 GPT-6 Astra 的 Intelligence Index 分數與單項任務成本，為比較新版本接近 Astra 分數時的成本取捨提供具體依據。
Microsoft AI：官方博客AI 評分6767 MAI-Code-1.1-Flash 上線 GitHub Copilot，成本降至前代四分之一
Microsoft 發佈 MAI-Code-1.1-Flash，稱其相較 6 月在 Microsoft Build 推出的 1.0，價格降至四分之一，完成任務所用 tokens 減少 25%。
Microsoft AI：官方博客AI 評分6363 Microsoft AI 發佈 MAI-Thinking-1 推理模型
Microsoft AI 發佈 MAI-Thinking-1，一款 35B-active、~1T-total parameters 的 sparse Mixture of Experts 推理模型。
Microsoft AI：官方博客AI 評分6161 Microsoft 介紹 MDASH 中的 MAI-Cyber-1-Flash
Microsoft 介紹整合於 MDASH 的 MAI-Cyber-1-Flash，稱其可處理最多 90% 的任務，並讓 GPT-5.4 應對最難的 10%。Microsoft 稱，這種多模型配置較 MDASH 現有最佳方案（GPT 5.4 + 5.4 mini + 5.3 codex）節省 50% 成本。