IBM 发布 ScarfBench：评测 AI 智能体的企业级 Java 框架迁移能力
IBM Research 发布开放基准 ScarfBench，用于评估 AI 智能体在 Spring、Jakarta EE、Quarkus 之间的企业 Java 框架迁移任务，包含 34 个应用、102 个框架实现、204 个迁移任务和 1331 个专家测试。
#编码
#编码
今日 2 条Hugging Face BlogAI 评分5252
Claude Blog精选AI 评分6565 Claude Code 推出 artifacts，可将工作进展生成实时可分享的网页
Anthropic 宣布 Claude Code 支持 artifacts，可基于会话完整上下文（代码库、连接器、对话）生成 PR walkthrough、仪表盘、发布清单等实时网页，并随会话进展自动更新。页面默认组织内私有，支持版本历史和管理员权限控制，目前以 beta 形式面向 Claude Team 和 Enterprise 组织开放，可从 Claude Code CLI 和桌面应用使用。
推荐理由：官方说明给出 artifacts 的工作方式、调试场景和组织级权限设置，团队用户可据此评估是否引入协作流程。
Claude Platform release notesAI 评分4646 Claude 多语言 SDK 支持 code_execution_20260120 代码执行工具
Anthropic 的 Python、TypeScript、Go、Java、Ruby、PHP 和 C# SDK 现已支持 code_execution_20260120 代码执行工具版本，该版本新增 REPL 状态持久化，并且是程序化工具调用的最低版本要求。
Linear NowAI 评分5454 Linear 工程师复盘如何让 Linear Agent 自动修复 bug
Linear 工程师分享用 Linear Agent 自动修复进入 triage 的 bug 的经验。通过 Datadog 监控发现死 feature flag（任务形状固定，几乎每次一次修复成功）和失败的后台任务（失败率超 0.2% 时建 issue，约三分之一修复命中），并加入门控让 agent 先证明理解问题以节省 token。
Linear Now精选AI 评分7272 Linear 推出 coding sessions、自动化 triage 和 Diffs，让 Linear Agent 直接完成编码
Linear 发布 coding sessions、自动化 triage 和 Diffs，Linear Agent 可以从 issue 直接触达实现：阅读 issue 与讨论、调查代码库、提出方案、写代码并开 PR，全程在云端用 Claude Code 或 Codex 等模型与 harness 完成。
推荐理由：Linear 官方给出从 issue 到 PR 的完整执行闭环细节，并附自用数据与 Ramp、Coinbase 案例，读者可评估其对工程流程的影响。
Claude Platform release notesAI 评分3737 Claude 代码执行与网页搜索/抓取工具更新：新增 90 秒单元格时限披露与 response_inclusion 参数
Claude 平台的代码执行工具现已支持 code_execution_20260521，在工具描述中披露每单元格 90 秒执行时限，便于 Claude 为长耗时单元格做预算，且无需 beta header。
Linear NowAI 评分5050 Linear 如何用 Diffs 在智能体时代做代码审查
Linear 推出 Diffs 功能，用于应对智能体生成代码带来的审查压力：2026 年 1 月至 3 月，其团队新建 issue 与合并 PR 数量均上升 50%。该功能把审查集中到 Linear 内，支持一键查看代码变更背后的客户反馈或 bug 报告，并将改动分组为可读的叙事块，作者可直接在 Linear 中用智能体处理评论。
Microsoft AI News精选AI 评分7979 Microsoft Build 2026 发布 MAI 系列七款新模型，含首个推理模型 MAI-Thinking-1
Microsoft MAI 在 Build 2026 主题演讲中发布七款新模型，覆盖图像、语音、转录、推理和编码。
推荐理由：作者以当事方身份逐一公布七个新模型的定位、基准数字和开放渠道，读者可以对照竞品评估各自适用场景。
Microsoft AI NewsAI 评分5656 Microsoft 发布编码模型 MAI-Code-1-Flash，基准全面领先 Claude Haiku 4.5
Microsoft 发布面向开发者的编码模型 MAI-Code-1-Flash，训练直接使用 GitHub Copilot 生产 harness，以适配真实智能体编码工作流。
Sierra Blog精选AI 评分6868 Sierra 工程师复盘如何独自用 AI 编码智能体在 4 个月内完成产品本地化
Sierra 工程师 Stephen Burgess 复盘用 AI 编码智能体独自完成产品本地化，耗时不到 4 个月，而他在 Slack 参与的同类项目需 10 人团队 9 到 12 个月。他经历 IDE 智能体、云端智能体、批量调用 Claude 脚本三轮迭代，并发现技能文档过长会超出上下文窗口反而推高错误率，最终把工作重心从执行迁移转向设计反馈循环。
推荐理由：作者复盘个人用 AI 编码智能体完成本地化的完整工作流，提炼出批处理脚本、反馈循环与上下文管理等可迁移方法。
Mistral AIAI 评分5353 Mistral 在 AI Now Summit 2026 发布工业工程 AI 栈、Vibe 智能体与 Les Ulis 数据中心
Mistral 在 AI Now Summit 2026 宣布面向工业工程的整体 AI 栈，并与 Airbus、BMW 和 ASML 合作，覆盖设计、仿真和生产场景。
Mistral AI精选AI 评分7171 Mistral 发布统一智能体 Vibe，Le Chat 升级为 Work 与 Code 双模式
Mistral 将 Le Chat 升级为统一智能体 Vibe，一个账号覆盖工作与编码场景，已上线 chat.mistral.ai。Work Mode 面向长时多步任务，支持企业知识搜索、数据分析、文档起草、定时任务和可复用技能；Code Mode 提供远程编码会话并推出 VS Code 扩展，CLI 新增技能命令、会话权限控制和 /teleport 迁移。
推荐理由：原文是 Mistral 官方发布，完整列出 Work 与 Code 两种模式的能力、集成入口和各档定价，读者可据此评估是否替换现有工作流。
Linear Now精选AI 评分6363 Linear 发布 Diffs，主打快速代码评审
Linear 发布代码评审产品 Diffs，面向所有套餐开放，目标是让代码评审在不牺牲严谨性的前提下保持快速。评审在 Linear 内打开并关联对应的 issue 和项目，优先级可见；Guided reviews 把大 diff 按工作的推理顺序拆成章节，先展示核心改动，结构化 diff 高亮会剥离格式改动，让 2000 行的 PR 在一次阅读中变得可读。
推荐理由：Linear 官方解释了 Diffs 针对的评审痛点与具体设计，读者可以对照自己团队被 agent 大量 PR 拖慢的评审流程判断是否适用。
Claude Platform release notes精选AI 评分8383 Anthropic 发布 Claude Opus 4.8，默认支持 1M token 上下文窗口
Anthropic 发布 Claude Opus 4.8，为其最强模型，在 Claude API、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 上默认支持 1M token 上下文窗口，最大输出 128k token。
推荐理由：原文完整列出 1M 上下文、采样参数限制和各端可用性等迁移要点，接入方可以直接对照判断升级路径。
Mistral AI精选AI 评分6969 Mistral 发布 Mistral Medium 3.5 并在 Vibe 和 Le Chat 推出云端远程智能体
Mistral 发布 Mistral Medium 3.5，一个 128B 稠密开源权重模型（modified MIT 许可），256k 上下文窗口，SWE-Bench Verified 得分 77.6%，τ³-Telecom 得分 91.4，自托管最少只需四块 GPU，API 定价每百万输入 token $1.5、输出 token $7.5。
推荐理由：官方同步发布模型与云端异步智能体，给出基准分数、定价和开源权重，可对照评估其编码与长程任务能力。
Linear Now精选AI 评分6060 Linear 发布 Code Intelligence，为 Linear Agent 引入代码上下文能力
Linear 推出 Code Intelligence，作为 Linear Agent 的新功能，让智能体可以按需或自动对代码库进行研究，现在面向 Business 和 Enterprise 计划开放公测，公测期间免费。
推荐理由：官方说明了产品如何把代码上下文引入问题分诊、支持与产品规划流程，并给出内部使用量增长数据，可帮助读者评估其适用场景。
Sierra BlogAI 评分5757 Sierra 发布 𝜏-knowledge 基准，评测智能体的真实知识库检索与多步工具调用能力
Sierra 发布 𝜏-knowledge，扩展其 𝜏-bench 对话基准，新增 𝜏-Banking 域，包含 698 篇文档、21 个产品类别（约 195K tokens），任务平均需查阅 18.6 篇文档和 9.5 次工具调用。
Claude Platform release notesAI 评分5252 Anthropic 发布 Claude API 开源 Agent Skill，覆盖 8 种语言的 Messages API 与 Managed Agents 参考资料
Anthropic 发布 Claude API skill，这是一个开源 Agent Skill，为 Claude 提供构建 Messages API 和 Claude Managed Agents 的最新参考资料，覆盖 8 种语言。该 skill 随 Claude Code 捆绑提供，也可在 Anthropic skills 仓库获取。
Sierra Blog精选AI 评分6161 Sierra 重构工程师面试流程，用 AI 原生 onsite 取代编码与算法面试
Sierra 取消编码和算法面试，改为 AI 原生 onsite，候选人先与面试官共同定义产品，再用 2 小时自由使用 AI 工具构建，最后演示并复盘代码与产品取舍。公司同时用系统设计面试取代编码电话筛，并试点调试面试考察 1 到 N 的改进能力；作者称新流程信号更丰富，候选人反馈更投入，但开放式设计带来标准化难题，需配套评估标准和双人面试来校准。
推荐理由：Sierra 作者亲历重构招聘流程，给出了可迁移的 AI 原生面试设计与权衡细节。
Linear NowAI 评分3434 Output isn't design：AI 生成界面不等于设计
针对 AI 工具宣称能快速生成界面、把文字直接变成产品甚至代码，文章指出设计的难点从来不是生成形式，而是理解问题本身。作者引用 Christopher Alexander《Notes on the Synthesis of Form》中"形式与语境良好契合"的定义，认为 AI 能快速产出看似精致的方案，却无助于理解底层问题，反而容易让人跳过对真实约束的梳理。
Claude Platform release notes精选AI 评分8484 Anthropic 发布 Claude Opus 4.7，维持 $5/$25 定价并引入 task budgets 与高分辨率图像输入
Anthropic 发布 Claude Opus 4.7，定位复杂推理与智能体编码，定价维持 $5/$25 per MTok，与 Opus 4.6 相比存在 API 破坏性变更并需参考迁移指南。
推荐理由：原文列出定价、API 破坏性变更、task budgets 与高分辨率图像等具体变化，升级前可据此排查迁移成本。
Mistral AIAI 评分5757 Mistral AI 发布 Spaces CLI，面向人类与 Agent 双重用户
Mistral AI 发布面向人类开发者和编码 Agent 的 CLI 工具 Spaces。核心设计包括每个交互式输入都提供等价 flag 和 -y 无头模式、生成 context. 与 AGENTS.md 供 Agent 读取项目上下文、插件化的模块注册表，并将状态显式化以避免 CWD 等隐式假设；文中 Agent 从单个提示词到完成部署耗时不到 10 分钟。
Google ResearchAI 评分5151 Google 发布 Vibe Coding XR，用 Gemini 与 XR Blocks 将自然语言转为 Android XR 应用
Google 推出 Vibe Coding XR 工作流，通过专门的系统提示词与 XR Blocks 代码模板，让 Gemini 将自然语言在 60 秒内转为可运行的、支持物理感知的 Android XR 应用。
Mistral AI精选AI 评分6969 Mistral 发布 Mistral Small 4：统一推理、多模态与智能体编码的开源模型
Mistral 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态与 Devstral 的智能体编码能力统一到单一开源模型，采用 Apache 2.0 许可证。
推荐理由：官方公布了架构参数、reasoning_effort 用法和与 GPT-OSS 120B 的效率对比，可据此评估其开源部署价值。
Mistral AIAI 评分5959 Mistral 发布开源 Lean 4 证明智能体 Leanstral
Mistral 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，权重以 Apache 2.0 许可开放，采用 120B-A6B 稀疏架构，并可通过 Mistral Vibe 和 labs-leanstral-2603 API 端点使用。
Linear NowAI 评分4242 Linear 推出更平静的界面改版：减少图标、弱化侧边栏、软化分隔线
Linear 发布视觉界面改版，通过调暗导航侧边栏、压缩顶部标签、减少图标使用并软化边框对比，让主内容区更突出。改版借助内置 dev toolbar 一键切换 feature flags 对比新旧版本，并用 Claude Code 在数小时内构建出可调 hue、chroma、lightness 的颜色工具，其 token 值以 JSON 导入 Figma。
Mistral AI精选AI 评分6363 Mistral 基于 Vibe 构建自动编写 Rails RSpec 测试的智能体
Mistral 构建了一个自主智能体，读取 Rails 源码并生成或改进 RSpec 测试，在 CI/CD 流水线中无人干预运行，基于开源编码助手 Vibe 搭建，通过 AGENTS.md、分类 skills 文件和 RuboCop、SimpleCov 自定义工具实现。
推荐理由：原文完整给出了用 Vibe 搭建 Rails 测试智能体的方法，AGENTS.md、skills 和自纠工具的做法可迁移复用。
Mistral AI精选AI 评分7070 Mistral 发布 Mistral Vibe 2.0 终端编码智能体并调整 Devstral 2 定价
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选澄清、斜杠命令技能和统一智能体模式。
推荐理由：官方公告给出 2.0 的功能清单、订阅方案和 Devstral 2 API 定价，读者可以据此评估是否把它纳入自己的终端开发工作流。
LMSYS BlogAI 评分5050 Novita AI 为 GLM4-MoE 打造 SGLang 生产优化：TTFT 降低 65%
Novita AI 基于 SGLang 为 GLM4-MoE 推出一套生产级推理优化方案，通过 Shared Experts Fusion 与 Suffix Decoding 等技术，在 H200 集群 TP8、FP8 配置下将 TTFT 最多降低 65%，智能体编程负载下 TPOT 改善 22%。
Mistral AI精选AI 评分7676 Mistral 发布 Devstral 2（123B）与 Devstral Small 2（24B）开源编码模型及 Vibe CLI
Mistral 发布开源编码模型 Devstral 2（123B，修改版 MIT）和 Devstral Small 2（24B，Apache 2.0），SWE-bench Verified 分别达 72.2% 和 68.0%，均支持 256K 上下文。
推荐理由：官方给出了两个尺寸的开源编码模型参数量、SWE-bench Verified 成绩、API 定价和部署门槛，可与闭源竞品直接对比。
Linear NowAI 评分5858 Linear 发布 Cursor 集成，可在 Linear 中直接把 issue 指派给 Cursor agents
Linear 宣布新的 Cursor 集成，用户可以像指派给队友一样把 issue 直接分配给 Cursor agents。Cursor agents 可承接编码任务、开启 pull request 并把进度同步回 Linear。
Mistral AIAI 评分5656 Mistral 发布 Codestral 25.08 与企业级完整编码栈
Mistral AI 发布 Codestral 25.08，并整合 Codestral Embed、Devstral 和 Mistral Code IDE 插件形成企业级完整编码栈，覆盖云、VPC 和本地部署。
Linear NowAI 评分5353 Mercury 工程师 Matt Russell 谈六个月用 AI 智能体开发的实践与经验
金融科技公司 Mercury 的 staff 工程师 Matt Russell 在访谈中复盘其团队六个月使用 AI 智能体的经验。团队从 3 月内部黑客松起步，通过 Linear for Agents 把 issue 分派给第三方智能体并回收 PR，还用 Linear Asks 模板让 ops 团队自助提交工单、由智能体建 UI 并提交 PR，几乎无差错。
Mistral AI精选AI 评分6363 Mistral AI 发布 Devstral Medium 并升级 Devstral Small 1.1
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并推出 Devstral Small 1.1 升级版。
推荐理由：官方给出 SWE-Bench Verified 分数和 API 定价，可比较两款新模型在成本与代码智能体性能上的定位。
Mistral AIAI 评分5151 Mistral 发布企业级 AI 编码助手 Mistral Code，开启私测
Mistral 发布企业级 AI 编码助手 Mistral Code，基于开源项目 Continue，面向 JetBrains IDE 和 VSCode 开放私测，GA 计划近期推出。
Mistral AIAI 评分5151 Mistral 发布首个代码专用嵌入模型 Codestral Embed
Mistral AI 发布代码专用嵌入模型 Codestral Embed，称其在真实代码检索任务上优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 大型嵌入模型。
Linear NowAI 评分5454 Linear 创始人撰文探讨为何质量如此稀缺，并把质量作为经营策略
Linear 创始人发文分析为何质量稀缺，认为每次技术进步都会把行业拉离手艺，而 AI 正试图把制作者的判断和品味也从创作中分离出去。他主张质量本身就是商业策略：Linear 第二年实现盈利，第四年拥有超过 10000 个付费客户且几乎没有营销支出，并分享了以质量为北极星、3-5 人小团队、MVP 仅限内部使用、issue 7 天内修复等实践。
Mistral AI精选AI 评分7070 Mistral AI 联合 All Hands AI 发布 Devstral 编码模型
Mistral AI 与 All Hands AI 联合发布面向软件工程任务的智能体模型 Devstral，以 Apache 2.0 许可开源。
推荐理由：官方发布给出 SWE-Bench Verified 成绩、开源许可和部署门槛，读者可据此判断它在本地或企业编码场景中的位置。
Mistral AI精选AI 评分6767 Mistral AI 发布 Mistral Medium 3，以约八倍更低的成本逼近 Claude Sonnet 3.7 表现
Mistral AI 发布 Mistral Medium 3，定位为兼顾 SOTA 性能、成本低约 8 倍和更易部署的新级别模型。
推荐理由：官方给出与 Claude Sonnet 3.7 对比的基准数字和 $0.4/$2 定价，读者可以据此评估它在企业部署中的性价比。
DeepSeek API updates精选AI 评分7373 deepseek-chat 升级为 DeepSeek-V3-0324，多项基准测试显著提升
DeepSeek 官方宣布 deepseek-chat 模型升级为 DeepSeek-V3-0324。基准测试提升明显，MMLU-Pro 75.9 → 81.2，GPQA 59.1 → 68.4，AIME 39.6 → 59.4，LiveCodeBench 39.2 → 49.2。
推荐理由：原文给出各基准测试的具体提升数字和功能变化，读者可据此评估升级对现有应用的影响。