微软 Decision-1 决策模型入局快速增长的 AI 决策模型竞赛
微软推出自有决策模型 Decision-1，基于 Qwen3.5-9B，面向分类、评估与路由等快速结构化决策。微软称其在近 15 万题、36 个 benchmark 中准确率最高，达 83.5%，延迟 85 ms，领先 Jev 1.13.0；速度是第二名 H2O-Lightning-4B 的 2.5 倍。
#编码
The DecoderAI 评分4949 Ars Technica · AIAI 评分6363 研究：AI 编码工具生成更多代码，但未带来软件产出增长
一项针对数百家公司的编码实践研究发现，人类代码审查成为 AI 编码工具效率的显著瓶颈，使用它们几乎没有带来软件产出增加或就业减少。哈佛大学研究者 Fiona Chen 与 James Stratton 基于 Jellyfish 的聚合分析数据得出结论：编码阶段提升的效率被生产流程下游约束吸收。
Simon WillisonAI 评分4040 用语音构建博客新功能：Simon Willison 用 Codex 语音模式上线 Newsletters 页面
Simon Willison 今日为个人博客上线 Newsletters 页面，收录其免费周更 Substack 与每月赞助专属更新的全部索引。该功能几乎完全通过 ChatGPT 桌面应用 Codex 标签下的语音对话模式完成，运行于本地开发环境，所用模型为 GPT-6 Astra High。作者一边做饭一边与电脑对话，通过预览页面追踪开发进度。
OpenAI NewsAI 评分2323 Asana 用 GPT-6.1 Sol 将浏览器模型成本降低 76 倍
Asana 在 Codex 中使用 GPT-6 Astra，将浏览器智能体成本降低 76 倍、速度提升 5 倍。这是 Asana 在测试中得出的结果，目的是为客户提供能力更强的模型。
Simon WillisonAI 评分3131 ttok 1.0 发布
Simon Willison 发布 ttok 1.0，将默认 tokenizer 从 GPT-4 改为 GPT-5/GPT-6。
Simon WillisonAI 评分2121 ttok 0.4 发布
Simon Willison 发布 CLI 工具 ttok 0.4，用于基于 OpenAI 开源的 tiktoken 库统计 token 数量。本次更新修复了 Click 警告、更新了 CI，并新增 --list-models 命令以列出可用模型。该工具支持 uvx，可通过 `cat file.txt | uvx ttok` 的方式统计任意内容的 token。
OpenAI NewsAI 评分2323 LegalOn 将 Codex 成本减半，同时保持开发速度
LegalOn 将 Codex 的估算每日成本降低 65%，同时保持开发速度不变。它通过将任务匹配到 Astra、Sol 和 Luna，并战略性地管理预算来实现降本。
Latent Space精选AI 评分8585 Anthropic 发布 Claude Haiku 5.5，定价对标 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是约一年来首次更新 Haiku 系列，定价与 OpenAI 的 GPT-6 Luna 持平，并同步下调 Sonnet 5.5 及订阅方案价格。
推荐理由：文章给出第三方基准与定价细节，读者可据此判断它在多智能体工作流中的性价比定位。
Hugging Face Blog精选AI 评分7878 用 HuggingChat 的 ML-Intern 在几天内造出六个没人做的模型
作者想做一个 Qwen-Image 2.1 自带 prompt rewriter 的小版本，官方 9B 模型需要约 20GB 显存，于是向 HuggingChat 的 ML-Intern 描述需求，次日就得到了可在 CPU 上运行的 0.8B 版本。
推荐理由：作者用 HuggingChat 的 ML-Intern 在几天内以约 103 美元完成六个模型，给出了可迁移的提示词结构和预算控制方法。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 推送保护接入 ModernBERT 通用密钥检测模型
GitHub 官方博客发文称，GitHub 上三分之一的拉取请求涉及 AI 智能体，过去一年带凭证的推送增长，GitHub 用 Microsoft Applied Sciences 微调的现代 BERT 分类器在不到两毫秒内评估候选密钥，能把可预防的密钥数量翻倍。
推荐理由：GitHub 给出新分类器的精度、速度与成本数据，以及在不同产品线的开放节奏，可据此判断推送保护的边界变化。
Microsoft Research精选AI 评分7373 微软亚洲研究院发布 Agent Lightning v1.0 轻量级智能体 RL 框架
微软亚洲研究院开源 Agent Lightning v1.0，提出 Harnessed Agentic RL 范式，让部署用的 agent harness 直接参与强化学习，无需在训练框架内重建智能体。
推荐理由：框架用真实 harness 直接参与 RL 训练并原生支持 Kubernetes，方法可迁移到自有智能体训练。
Hugging Face Blog精选AI 评分7575 微调 Nemotron 在 IOI 与 IMO 双双夺金
Hugging Face 官方博客称，Nemotron 通过监督微调（SFT）、强化学习（RL）与反馈式推理，在 IOI 2026 和 IMO 2026 都达到金牌级成绩。
推荐理由：Nemotron 通过 SFT、RL 与反馈式推理在 IOI 和 IMO 都拿到金牌级成绩，给出了可复用的微调配方。
Mistral AI精选AI 评分8585 Mistral 发布 Mistral Large 4 预览版
Mistral 官方发布 Mistral Large 4（ML4）预览版，可于 Mistral Studio 调用预览 API，权重将于本月底开放。这是其迄今最大、能力最强的模型，为万亿参数原生多模态架构，520 亿激活参数，在欧洲自有数据中心用 3800 块 NVIDIA Grace Blackwell GPU 训练。
推荐理由：官方发布万亿参数多模态模型并给出编码、安全、推理等基准表现，可据此判断其在开源模型中的竞争力。
GitHub Blog · AI & MLAI 评分5050 ReviewBench：面向 AI 代码审查的开源基准
GitHub 推出 ReviewBench，一个用于评估 AI 代码审查智能体的离线基准，可衡量审查系统在不同 pull request 下的发现能力与取舍。该基准基于对 103.9M GitHub pull request 的分布建模，包含 19 种语言、187 个公开开源仓库的 219 个 pull request，并采用多来源 golden set 与统一评分标准。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作方式，掌握这三项技能来提升自己
GitHub 发文指出 AI 正在改变开发者工作方式，代码编写仍 Essential，但开发者 increasingly 需要学会指挥 AI、评估其输出、权衡取舍并做出正确技术决策。
NVIDIA BlogAI 评分4242 NVIDIA GPU 如何助力 OpenAI 的 GPT-6 Astra Ultrafast
GPT-6 Astra Ultrafast 已在 OpenAI API 及对格的 ChatGPT Work 与 Codex 用户中推出，基于 NVIDIA Blackwell GPU 运行。
Microsoft ResearchAI 评分5555 微软发布 Quine 生物学 AI 研究系统
微软研究发布 Quine，一个结合生物学多模态世界模型与连接科学工具、文献、湿实验室和研究人员的交互系统。与 Broad Institute 合作，用它在胰腺导管腺癌中预测并排序数千种化合物，湿实验验证中排名最高的化合物产生了最大的预期细胞状态转变，整个过程仅用一周周末。Quine 为实验性研究技术，仅限研究用途，暂通过 Quine Fellows 计划和特定科研合作开放访问。
GitHub Blog · AI & MLAI 评分4343 GitHub Copilot 应用入门：用 canvases 构建自定义工作流
GitHub Copilot 应用推出 canvases（canvas 扩展），一种用户与 AI 智能体共享、可定制的双向界面，可做成看板、发布清单、仪表盘或表格等。通过 /create-canvas 技能用自然语言描述即可生成界面，无需手写代码或设计，智能体会在右侧面板自动搭建并开放编辑。界面保存为扩展后可在项目内团队共享或存为个人扩展，用户与智能体可实时协同操作。
GitHub Blog · AI & MLAI 评分3333 当 chat 是错误的 UI：GitHub Copilot 如何用 canvas 打造自定义界面
GitHub Copilot 应用中的 canvas 是一种运行在应用内、无浏览器界面的全栈应用，可与 GitHub Copilot 智能体双向通信。它能调用第三方 API，也能在本机执行代码，例如用于浏览和管理本地包的 Winget 界面、操作 SQLite 数据库，甚至还原 Windows Live Writer。
GitHub Blog · AI & ML精选AI 评分6868 GitHub Security Lab 发布 Fuzzing Taskflow 自主模糊测试智能体
GitHub 安全实验室推出 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线。你只需指向一个 GitHub 仓库，它会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告、改进 harness、分类每个崩溃，并为每个唯一漏洞撰写报告。
推荐理由：作者给出可复用的自主模糊测试流水线，用 LLM 智能体接管 harness 编写、覆盖率反馈与崩溃分类，值得安全研究者参考。
GitHub Blog · AI & MLAI 评分2424 GitHub Podcast 拆解五个 AI 编程热门观点：读代码、用 AI、Skills 与 MCP、RAG 与微调
GitHub Podcast 新一期节目拆解五个 AI 编程领域的热门观点。关于读代码：你仍需对代码负责，审查应随风险调整，而非逐行同等对待。关于用 AI：更强信号是判断力，能说清何时用 AI、何时手动、如何审查生成代码。Skills 与 MCP 解决不同问题，二者可共存而非二选一。RAG 并未消亡，只是不再是最新话题。微调模型以适配代码库，未必代表代码质量差。
Mistral AIAI 评分5353 Mistral 用 AI 智能体将 4 万行 Fortran 77 现代化迁移到 C++
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 迁移到 C++，这是一个物理密集型储层模拟器，无测试套件、无集中文档。原文指出，迁移完整系统需要架构级重构而非单纯语法翻译，并分享了三个可复用原则：迁移前先构建 parity harness 用数值一致性验证迁移结果；先把文档整理清楚再依赖智能体；在这个规模下，带人审关口的结构化工作流优于完全自主或纯人工。
Mistral AI精选AI 评分6565 Mistral 发布 Agentic Search 检索层
Mistral 发布 Agentic Search，通过多步检索循环让模型在复杂文档中查找、浏览、验证信息，通过 Mistral Search Toolkit 提供 search、open、navigate、read、grep 五个工具，并内置于 Studio 和 Vibe。
推荐理由：官方发布检索层并给出跨两个基准的准确率、token 与延迟对比，可据此判断它对复杂文档检索的改进幅度。
Import AIAI 评分4545 Import AI 469：科学 AI、RSI 模拟器与扎克伯格的科技悲观主义
DiG-bench（Discovery in Games）通过 70 个隐藏规则的游戏，衡量 AI 系统通过自主探索发现环境隐含规则的能力。测试中 Opus 5 和 Fable 5 配合 Claude Code 整体表现最佳，仅二者能在最高 Tier 7 完成部分任务，前沿模型仍远逊于人类。
Berkeley AI ResearchAI 评分3535 ABBEL：教 LLM 更新信念以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将摘要信息内容以自然语言"信念状态"形式隔离并进行监督，以应对任务步数增多时 LLM 上下文无法无限扩展的问题。