OpenAI 介紹 GPT-5，稱其為迄今最佳 AI 系統
OpenAI 介紹 GPT-5，稱其為迄今最佳 AI 系統，並指其智能較此前所有模型有顯著提升。GPT-5 在編碼、數學、寫作、健康及視覺感知等方面均達到最先進水平。
推薦理由：原文以此前模型作比較，並列出編碼、數學、寫作、健康及視覺感知等表現領域，讓讀者掌握 GPT-5 公佈的能力範圍。
AI 編碼
全部主題AI 寫代碼的一切：編碼助手、Vibe Coding、代碼模型評測與開發工作流變革。
最新精選
第 61–80 條 · 共 86 條OpenAI News精選AI 評分7575
Mistral AI精選AI 評分6464 Mistral AI 發佈 Codestral 25.08，並推出企業級完整編碼技術棧
Mistral AI 發佈 Codestral 25.08，並推出整合程式碼補全、語意檢索、Devstral 智能體工作流及 Mistral Code IDE 外掛的企業編碼技術棧。
推薦理由：文章把 Codestral 25.08、程式碼檢索、Devstral 智能體工作流與 IDE 管理整合為企業方案，並交代部署選項及安全治理設計。
Mistral AI精選AI 評分6767 Mistral AI 發佈 Devstral Medium 和升級版 Devstral Small 1.1，強化智能體編碼能力
Mistral AI 推出 Devstral Medium，並將 Devstral Small 升級至 1.1，兩者聚焦對不同提示詞及智能體框架的泛化能力。Devstral Small 1.1 採 Apache 2.0 授權，參數量為 24B，在 SWE-Bench Verified 得分 53.6%；Devstral Medium 得分 61.6%。
推薦理由：Devstral Small 1.1 採 Apache 2.0 授權並可本地部署，Devstral Medium 支援 API 和私有基礎設施部署；對照 SWE-Bench Verified 分數，可比較兩者的模型表現、開放方式與部署選項，並據此判斷不同工作環境的適配差異。
Mistral AI精選AI 評分7373 Mistral AI 發佈面向軟件工程任務的 Devstral 智能體大語言模型
Mistral AI 發佈與 All Hands AI 合作打造的 Devstral，這款面向軟件工程任務的智能體大語言模型以 Apache 2.0 授權免費開源。
推薦理由：Devstral 在 SWE-Bench Verified 得分 46.8%，較此前開源 SoTA 高逾 6 個百分點，讓模型處理真實 GitHub issue 的基準表現有量化參照。
Mistral AI精選AI 評分6767 Mistral AI 發佈 Mistral Medium 3，主打效能、成本與企業部署
Mistral AI 發佈 Mistral Medium 3，定位為兼顧效能、成本與企業部署的語言模型。Mistral AI 稱，該模型在各項基準測試中的表現達到 Claude Sonnet 3.7 的 90% 或以上，API 定價為每 M token 輸入 $0.4、輸出 $2；亦可部署於任何雲端，包括使用 4 張或以上 GPU 的自託管環境。
推薦理由：文章將 Mistral Medium 3 與 Claude Sonnet 3.7 的基準表現、API 定價和自託管條件放在一起比較，呈現企業部署時效能、成本與部署方式之間的核心取捨。
OpenAI News精選AI 評分7171 OpenAI 將 GPT-4.1 模型系列引入 API，並推出首款 nano 模型
OpenAI 將 GPT-4.1 新模型系列引入 API，並同步推出首款 nano 模型。OpenAI 表示，該系列整體有所改進，尤其在編碼、指令遵循和長上下文理解方面提升顯著，並即日起向全球開發者開放。
推薦理由：公告列出 API 開放時間、改進方向及 nano 型號，讓開發者掌握此次 GPT-4.1 更新的發布範圍。
Hugging Face Blog精選AI 評分6161 用 React Native 在手機上本地執行 LLM 的入門指南
Hugging Face Blog 的教程示範以 React Native 建立手機應用，在裝置本地執行 LLM 聊天。應用從 Hugging Face Hub 下載 GGUF 模型，並以 llama.rn（llama.cpp 的 binding）載入，教程涵蓋 Android 和 iOS。文章亦介紹 GGUF 量化格式、手機選模取捨，以及逐 token 生成與推理速度追蹤等功能。
推薦理由：文章按模型選擇、GGUF 下載與載入、聊天介面逐步拆解 React Native 實作，並説明量化格式與設備能力的取捨，可作為端側 LLM 應用的開發參考。
Mistral AI精選AI 評分7575 Mistral AI 推出全新 le Chat，面向生活與工作場景
Mistral AI 推出全新 le Chat AI 助手，面向生活與工作場景，並開始提供 iOS、Android 版本及 Pro、Team 方案。它支援網頁搜尋、文件上傳與摘要、圖像生成及沙盒程式碼執行；Flash Answers 預覽版向所有用户開放，速度最高可達 ~1000 words / sec。
推薦理由：le Chat 整合文件分析、Code interpreter、圖像生成與日常助理用途，並以免費、Pro、Team及企業私有部署方案覆蓋不同場景。
Mistral AI精選AI 評分6464 Mistral AI 發佈 Codestral 25.01，程式碼生成及補全速度約提升 2 倍
Mistral AI 發佈程式碼模型 Codestral 25.01，稱其架構和 tokenizer 經改進，生成及補全程式碼的速度約為原版 2 倍。在所列基準中，Codestral-2501 的 HumanEvalFIM 平均分為 85.9%，高於 Codestral-2405 的 82.1%。
推薦理由：文中列出 Codestral 25.01 與舊版及其他模型的程式基準，並交代速度變化和部署入口，便於對照補全表現與採用方式。
Hugging Face Blog精選AI 評分7474 Answer.AI 與 LightOn 發佈 ModernBERT，提供 8,192-token 上下文窗口
Answer.AI 與 LightOn 發佈 ModernBERT，提供 base（149M params）及 large（395M params）兩種僅編碼器版本。
推薦理由：文章將 ModernBERT 的架構、效率與訓練改動連結至長上下文檢索及程式碼檢索場景，呈現編碼器更新對實際應用的意義。
Mistral AI精選AI 評分7878 Mistral Large 2 發佈，支援 128k 上下文窗口及單節點推理
Mistral AI 發佈 Mistral Large 2，提供 128k 上下文窗口、支援 80+ 種程式語言，並面向單節點推理及長上下文應用。模型有 123 billion parameters，預訓練版本在 MMLU 的準確率為 84.0%，並加強指令遵循、推理與函數調用能力。
推薦理由：Mistral Large 2 披露參數規模、上下文窗口與多項基準表現，並交代研究授權和商用自部署條件，方便比較其能力及部署門檻。
Mistral AI精選AI 評分7070 Mistral AI 與 NVIDIA 合作發佈 Mistral NeMo 12B 模型，支援 128k tokens 上下文窗口
Mistral AI 與 NVIDIA 合作發佈 12B 模型 Mistral NeMo，支援最高 128k tokens 上下文窗口。其預訓練基礎版與指令微調版 checkpoints 採 Apache 2.0 授權；標準架構可替換採用 Mistral 7B 的系統，並支援無性能損失的 FP8 推理。
推薦理由：文章將 Mistral NeMo 與 Mistral 7B 的替換相容性、FP8 推理支援及 Tekken 多語壓縮數據放在一起，呈現模型部署適配與語言處理效率的比較脈絡。
Mistral AI精選AI 評分6969 Mistral AI 發佈 Codestral Mamba 指令模型
Mistral AI 發佈 Codestral Mamba，這是一款採 Mamba 架構、擁有 7,285,403,648 個參數的指令模型。Mistral AI 表示，Mamba 模型提供線性時間推理，Codestral Mamba 的程式與推理能力可媲美 SOTA Transformer 模型，且上下文檢索測試至 256k tokens。
推薦理由：Codestral Mamba 以 Mamba 架構切入程式助手場景，並列出線性時間推理特點及至 256k tokens 的上下文檢索測試，呈現其技術定位。
Mistral AI精選AI 評分6969 Mistral AI 發佈 22B 開放權重程式碼模型 Codestral
Mistral AI 發佈 22B 開放權重程式碼生成模型 Codestral，支援 80+ 種程式語言，並提供 32k 上下文窗口。其評測圖表稱，Codestral 在 RepoBench 長距離程式碼生成評測中超越其他模型；模型亦可補全程式碼、編寫測試及以 fill-in-the-middle 機制補完片段。
推薦理由：文章列明 Codestral 的研究與測試授權、商業授權申請方式，以及專用 endpoint 的免費 beta 和候補名單，呈現不同使用入口的條件。
Hugging Face Blog精選AI 評分6767 StarCoder2-15B-Instruct-v0.1 採用全透明、寬鬆授權的程式碼生成自對齊流程
StarCoder2-15B-Instruct-v0.1 採用全透明、寬鬆授權的自對齊流程訓練，未使用人工標註或大型專有 LLM 的蒸餾數據。流程以 StarCoder2-15B 從 The Stack V1 的種子函數生成指令，並透過沙箱執行測試篩選回答，最終形成包含 50k 組指令與回答的 SFT 數據集。
推薦理由：文章梳理了從 The Stack V1 種子函數生成指令，再以執行測試篩選回答的自對齊流程，説明程式碼模型如何利用自身生成數據進行微調。
Mistral AI精選AI 評分7777 Mistral AI 發佈 Mixtral 8x22B 開放模型
Mistral AI 發佈 Mixtral 8x22B 開放模型，採用稀疏混合專家（SMoE）架構，141B 參數中有 39B 為活躍參數，並以 Apache 2.0 授權發布。
推薦理由：Mixtral 8x22B 公開了參數規模、授權條款與多項基準結果，讓讀者可比較其開放使用條件及數學、編碼表現。
Hugging Face Blog精選AI 評分6464 Google 發佈程式碼大語言模型 CodeGemma
Google 發佈面向程式碼的大語言模型家族 CodeGemma，推出 2B base、7B base 和 7B instruct 三種版本。模型以 Gemma checkpoint 為基礎，額外訓練 500 billion tokens，三款模型均採用 8K token 上下文窗口。
推薦理由：文章交代 CodeGemma 三種版本的用途，並列出 HumanEval 表現及 Hugging Face 的部署與量化整合，方便比較版本定位、基準表現和使用路徑。
Hugging Face Blog精選AI 評分7272 BigCode 發佈 StarCoder2 模型系列及 The Stack v2 程式碼數據集
BigCode 發佈 StarCoder2 開放程式碼大語言模型系列，提供 3B、7B 和 15B 三種規模。其中，StarCoder2-15B 使用 The Stack v2 的 4+ trillion tokens 訓練，涵蓋 600+ 程式語言。
推薦理由：StarCoder2 同步公開模型、The Stack v2 數據集及訓練程式碼，並按倉庫組織訓練資料，呈現程式碼模型與數據建設的完整鏈路。
Mistral AI精選AI 評分7979 Mistral AI 發佈 Mistral Large、Mistral Small，並將 Mistral Large 接入 Azure
Mistral AI 發佈 Mistral Large 與 Mistral Small，並透過 Azure 提供 Mistral Large。Mistral Large 支援英語、法語、西班牙語、德語和意大利語，具備 32K tokens 上下文窗口及原生 function calling，並可用於文本理解、轉換和程式碼生成。
推薦理由：這次發佈同時涵蓋旗艦與低延遲型號，並以基準比較和多種接入渠道呈現兩款模型的能力定位及成本、延遲取向。
Hugging Face Blog精選AI 評分6565 Hugging Face 示範如何訓練個人化程式碼助手 HugCoder
Hugging Face 示範以其 GitHub 組織內按 stargazers 排名前 10 的公開程式碼庫，微調 StarCoder 製作個人化程式碼助手 HugCoder。
推薦理由：文章示範以 Hugging Face 公開程式碼庫微調個人化程式碼助手，並對照 QLoRA 與全量微調的成本和 HumanEval 結果，呈現訓練資源與表現的取捨。