Gemini 3.7 Flash 发布，编码与智能体能力显著提升
Google DeepMind 发布 Gemini 3.7 Flash，定位为编码与智能体工作负载的最智能基础模型，在 FrontierCode 1.1 Main（43.6% vs 34.4%）。
#编码
#编码
今日 9 条Google DeepMindAI 评分5858
Import AI精选AI 评分8787 Epoch 与 METR 发布 MirrorCode 基准测试：AI 系统完成长达一周的编程任务
Epoch 和 METR 发布 MirrorCode 基准，测试 AI 在仅通过 CLI 访问的情况下重新实现软件程序的能力。Opus 4.7 在 14 小时、$251 推理成本内完成了一个需人类 2-17 周的任务。25 个目标程序中 17 个至少有一次满分运行，8 个从未达到 100%。
推荐理由：MirrorCode 显示 AI 已能自主重新实现大型软件项目，读者可借此评估当前模型在长程编程任务上的真实能力边界。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型。
推荐理由：新模型在 token 效率和成本上较 3.5 Flash 显著提升，3.5 Flash-Lite 以更高吞吐和更低延迟面向规模化 agentic 工作流。
Google DeepMindAI 评分5353 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 Gemini 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞。
Berkeley AI ResearchAI 评分2525 2026 BAIR 研究生毕业展示
summary_zh: BAIR 2026 届博士毕业生涵盖机器人与具身智能、大语言模型与推理、计算机视觉、生成式建模、AI 安全、人机交互、AI for Science 等方向。
Sebastian RaschkaAI 评分5050 使用本地编码智能体：基于开源工具与开放权重大模型的本地编码智能体搭建教程
教程介绍如何用开源工具与开放权重大模型搭建本地编码智能体，以 Qwen3.6 配合 Qwen-Code 为主，并对比 Codex、Claude Code、Cline 等其他智能体框架。
Mistral AIAI 评分4747 Mistral 为 Connectors 带来更多管理控制
Mistral 为 Connectors 新增多项管理与安全能力：按 workspace 或组织分配连接器访问权限、带 connector scope 的 API key、单个连接器绑定多账号，三项均已 GA。
Sebastian RaschkaAI 评分1616 LLM 研究论文清单：2026 年 1 月至 5 月
summary_zh: Sebastian Raschka 整理了 2026 年 1 月至 5 月他标记的 LLM 研究论文清单，涵盖架构与模型设计、高效训练与推理、稀疏注意力与长上下文、推理与测试时计算、强化学习、智能体系统、编码智能体、扩散语言模型及评测基准等类别。
Mistral AI精选AI 评分6464 Mistral 推出 Vibe 智能体，Le Chat 升级并入工作与编码模式
Mistral 将 Le Chat 升级为统一的 AI 智能体 Vibe，同一订阅同时覆盖工作与编码，用户原有的对话、设置和方案自动保留。
推荐理由：Le Chat 升级为 Vibe 后把工作流与编码并入同一智能体和同一订阅，读者可了解其功能边界与定价分层。
Mistral AI精选AI 评分6666 Mistral 发布 Medium 3.5，Vibe 支持云端远程编码智能体
Mistral 发布 Mistral Medium 3.5，一个 128B 稠密开源权重模型，具备 256k 上下文窗口，在 SWE-Bench Verified 上得分 77.6%。
推荐理由：128B 开源权重模型把编码智能体搬到云端，读者可据此判断自托管与异步并行任务的取舍。
Mistral AI精选AI 评分6464 Mistral Studio 发布 Connectors 支持内置与自定义 MCP
Mistral 在 Studio 发布 Connectors，使内置与自定义 MCP 可通过 API/SDK 用于所有模型和 Agent 调用，并支持直接工具调用与人工审批流程。开发者可将企业集成封装为可复用实体集中注册，减少重复搭建与认证壁垒。
推荐理由：Studio 新增 Connectors 与直接工具调用，开发者可将企业集成封装为可复用实体并在 LeChat 与 AI Studio 间共享，减少重复搭建与认证壁垒。
Sebastian RaschkaAI 评分6363 编码智能体的六个核心组件
Sebastian Raschka 梳理了编码智能体（coding harness）的六个组件：实时仓库上下文、提示词形状与缓存复用、结构化工具与权限、上下文压缩、结构化会话记忆以及有界子代理委托，并配套了纯 Python 最小实现 mini-coding-agent。文章指出，LLM 本身能力相近时，harness 的设计往往是区分实际编码体验的关键。
Mistral AI精选AI 评分6969 Mistral AI 发布 Mistral Small 4
Mistral AI 发布 Mistral Small 4，统一推理、多模态与编码能力，Apache 2.0 开源许可。模型采用 MoE 架构，119B 总参数含 6B 激活参数，支持 256k 上下文，延迟优化下完成时间减少 40%、吞吐优化下每秒请求数提升 3 倍。来源：https://mistral.ai/news/mistral-small-4/
推荐理由：Mistral Small 4 将推理、多模态与编码能力整合进单一开源模型，用户无需在多个专用模型间切换即可处理复杂任务与文档分析。
Mistral AIAI 评分5757 Leanstral 发布：面向 Lean 4 的开源代码智能体
Mistral 发布 Leanstral，首个面向 Lean 4 的开源代码智能体，在 FLTEval 基准上以 6B 参数超越多个更大开源模型。它通过 Mistral Vibe 集成、支持 MCP，提供免费 API 和 Apache 2.0 权重；pass@2 得分 26.3 仅需 $36，而 Sonnet 4.6 需 $549。
Mistral AIAI 评分4242 基于 Vibe 构建 Rails 测试代理：让代理自动编写开发者不愿写的测试
基于 Mistral 开源编码助手 Vibe 构建了一个自主代理，能自动读取 Rails 源文件并生成或改进 RSpec 测试，在 CI/CD 流水线中无人干预运行。通过 AGENTS.md 上下文工程和按文件类型分类的 SKILLS 文件，质量分数从 0.68 提升到 0.74。该代理并行处理多个文件，并自动管理 factories 和 fixtures 等共享上下文，避免测试遗漏。
Sebastian RaschkaAI 评分3737 开源权重 LLM 架构观察：2026 年 1-2 月发布的 10 个模型
summary_zh: Arcee AI 发布 Trinity Large（400B MoE，13B 激活参数），采用 SWA、QK-Norm、NoPE 与门控注意力。
Mistral AI精选AI 评分6161 Mistral 发布终端编码智能体 Mistral Vibe 2.0
Mistral 发布终端编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型族驱动，新增自定义子智能体、多选项澄清、斜杠命令技能和统一智能体模式。
推荐理由：原文列出子智能体、斜杠命令技能等可配置能力与付费方式，读者可据此判断终端编码智能体的团队落地成本。
Mistral AI精选AI 评分7878 Mistral AI 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2 编码模型系列，包含 123B 的 Devstral 2 与 24B 的 Devstral Small 2，并推出配套开源 CLI Mistral Vibe。
推荐理由：官方给出参数规模、基准得分与人类评估胜率，可对照开源与闭源编码模型的能力与成本差距。
Mistral AI精选AI 评分6666 Mistral 发布 Codestral 25.08 及完整企业级编程栈
Mistral 发布 Codestral 25.08，并推出包含 Codestral Embed、Devstral 与 Mistral Code 插件的企业级编程栈，支持云、VPC 与本地部署。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Mistral AI精选AI 评分6363 Mistral AI 发布 Devstral Medium 与 Devstral Small 1.1 代码智能体模型
Mistral AI 与 All Hands AI 合作发布 Devstral Medium 和 Devstral Small 1.1 代码智能体模型。Devstral Small 1.1 以 Apache 2.0 开源，SWE-Bench Verified 达 53.6%，为开源无测试时缩放模型新标杆。
推荐理由：Devstral Small 1.1 在 SWE-Bench Verified 上达 53.6% 成为开源代码智能体新标杆，Devstral Medium 以四分之一价格超越 Gemini 2.5 Pro 和 GPT-4.1。
Mistral AIAI 评分4444 Mistral 发布企业级 AI 编程助手 Mistral Code
Mistral 发布企业级 AI 编程助手 Mistral Code，基于开源项目 Continue 构建，今日开放支持 JetBrains IDE 和 VSCode 的私有 beta，正式版即将推出。
Mistral AI精选AI 评分6565 Devstral：Mistral AI 发布开源智能体编程模型
Devstral 是 Mistral AI 与 All Hands AI 合作开发的开源智能体编程模型，在 SWE-Bench Verified 上得分 46.8%，领先开源 SoTA 超过 6 个百分点。
推荐理由：Devstral以46.8%的SWE-Bench Verified成绩超越多数闭源模型，且可本地部署，读者可据此评估开源方案在真实软件工程任务中的可行性。
Mistral AIAI 评分3434 Mistral AI 用 Agentic Workflow 赋能产品开发
Mistral AI 展示了 TranscriptToPRDTicket agentic workflow，利用 Mistral Large 2 自动将会议纪要转化为 PRD 和开发工单。该流程由 PRDAgent 和 TicketCreationAgent 两个组件驱动，自动在 Linear 和 Jira 中生成结构化工单。相关实现已在 Google Colab notebook 中提供。
Lilian WengAI 评分1818 Transformer 架构演进综述（The Transformer Family Version 2.0）
Lilian Weng 重构并扩充了 2020 年的 Transformer 家族综述文章，Version 2.0 是旧版超集，长度约两倍。文章系统梳理了 Transformer 基础结构、注意力机制、多头自注意力及编码器-解码器架构等核心组件的演进与变体。
Lilian WengAI 评分2323 Implementing Deep Reinforcement Learning Models with Tensorflow + OpenAI Gym
使用Tensorflow和OpenAI Gym实现深度强化学习模型，代码已开源在lilian/deep-reinforcement-learning-gym。Q-learning通过Bellman方程更新Q值，结合ε-greedy策略探索；使用DiscretizedObservationWrapper将连续Box观察空间离散化，并通过target network与Q网络批量更新训练。
Lilian WengAI 评分2626 使用 RNN 预测股价（第 2 部分）：引入股票符号嵌入向量
summary_zh: 本教程延续 Part 1 的 RNN 股价预测模型，为其加入多股票响应能力。通过将股票符号映射为 embedding_size=3 的嵌入向量，并与每日价格向量拼接后输入 LSTM 单元，使模型能区分不同股票的价格序列。
Lilian WengAI 评分2828 使用 RNN 预测股价教程（上）：基于 Tensorflow 与 LSTM 构建 S&P500 预测模型
教程演示如何用 Tensorflow 构建基于 LSTM 的 RNN 模型预测 S&P500 指数收盘价，使用 Yahoo! Finance 2017 年 6 月 23 日前的历史数据，仅用每日收盘价作为输入。