AI 参与写代码的一切：编码助手与 CLI 工具、代码审查、Vibe Coding 工作流与代码模型能力评测。
Meta 发布开放权重模型 Muse Spark Open，称其为美国最强的开放权重模型，面向编码与智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
推荐理由：Meta 重返开放权重赛道，816B 参数、百万 token 上下文并支持多模态，权重已上 Hugging Face，可了解其与 Qwen、GLM、Kimi 的定位差异。
Meta 的编码优化开源权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线，可在自己的 AWS 账号中部署到 SageMaker AI 端点。
推荐理由：Meta 的编码优化开源权重模型上线 SageMaker JumpStart，给出两种量化变体与对应实例，并附部署和推理步骤。
GitHub 宣布代码扫描告警的 Agentic autofix 正式可用，把告警指派给 Copilot 后，它会探索相关文件、生成修复、重跑 CodeQL 验证修复有效，再开一个草稿 PR 供审查。
推荐理由：GitHub 把代码扫描告警交给 Copilot 自动修复，改完还会重跑 CodeQL 验证再开 PR，适合用 GHAS 的团队评估。
GitHub 宣布代码扫描的 AI Scan for pull requests 正式可用，用于补充 CodeQL，覆盖 PHP、Shell/Bash、Terraform 配置（HCL）、Dockerfile、Java 的 JSP、C# 的 Blazor 等 CodeQL 目前未覆盖的语言和框架。
推荐理由：GitHub 代码扫描的 AI Scan 正式可用，补上 CodeQL 未覆盖的语言与框架，结果仅作提示不阻断合并。
一位开发者用 Claude 搭建 hw-harness，在 KVM 虚拟机中运行厂商 Windows 驱动并用 usbmon 抓取 USB 流量，再与 Linux 驱动抓包对比，把差异变成具体的驱动 bug 清单。
推荐理由：作者用 Claude 在 KVM 虚拟机中抓取 Windows 驱动 USB 流量并与 Linux 驱动对比，为无文档硬件写出可用驱动，方法已整理成通用 harness。
XERJ 是一个 Apache 2.0 许可的本地 AI 搜索工具，可自动索引任意文件夹，让编码智能体按需检索代码片段而不是逐个读文件。官方在 8 个任务、4 种语言、每种 16 次运行的对照测试中称，输出 token 比 grep 驱动方式少 2.7 倍、比纯记忆少 26 倍，解题率同为 16/16；用户反馈实际开发中约省 5 倍 token。
推荐理由：本地 AI 搜索工具，把任意文件夹索引成可查询索引，让编码智能体按需取代码片段而非整文件读取，附实测 token 对比与安装命令。
OpenCode 2.0 发布，服务端改为在本机自动常驻的后台进程，TUI、网页界面和桌面应用共用同一进程，@opencode/client 可自动发现本地服务。
推荐理由：OpenCode 2.0 把客户端/服务端架构、Code Mode 和后台子智能体整合进编码智能体，并列出升级时的破坏性变更。
AxiomCode 发布 AxiomCode Graph，通过形式化方法为代码库构建知识图谱，让编码智能体基于调用关系而非 grep 来理解和修改代码。在 748 个 Defects4J 缺陷上，其选出的测试覆盖 94.9% 缺陷的全部暴露测试，优于基于 tree-sitter 的 61.5%；Java 调用解析准确率 96.5%，TypeScript 为 88.8%。
推荐理由：用形式化方法为代码库建调用图，让编码智能体少走弯路，附 Defects4J 测试选择与调用解析对比数据。
Meta 发布 Muse Wonder 和 Muse Wonder Full，定位个人与专业 AI 智能体，面向编码、法律、金融和计算机操作等长时任务。
推荐理由：Meta 发布面向长时智能体任务的 Muse Wonder 系列，含 1M 上下文、定价与基准对比，可了解其与 Claude、GPT 的差距。
Anthropic 撰文说明其自建 Git 替代方案的原因与过程，代码变更合并量从 2026 年 5 月的日均约 2500 次增至 9 月的日均超 30000 次。
推荐理由：Anthropic 因代码变更量半年内增长十余倍，自建代码审查与源码管理系统替代 Git，文中给出规模数据与迁移周期。
Google 最新前沿模型 Gemini 4 Argon 已在 GitHub Copilot 全面可用，面向复杂编码、智能体和推理任务。早期测试中，它在各项编码基准上解决的任务都多于前代 Gemini 模型，在 Copilot CLI 上提升最大，并会在完成前检查边界情况。
推荐理由：Google 新前沿模型 Gemini 4 Argon 在 GitHub Copilot 全面可用，主打复杂编码与智能体任务，早期测试在各项编码基准上超过前代 Gemini。
Google 面向开发者、企业和消费者全球上线 Gemini 4 Argon，取代 Gemini Pro 系列成为新的前沿模型系列，可通过 AI Studio 和 Gemini 平台的 API 访问。
推荐理由：Gemini 4 Argon 全球上线并取代 Pro 系列，免费与 Plus 用户被降级到 Flash，可了解新分层与定价变化。
Google 发布 Gemini 4 Argon，面向 Google AI Pro 和 Ultra 订阅用户开放，支持 1M 输出 token，可一次完成 100K+ token 的推理轨迹、完整多文件应用生成与大型遗留代码翻译。
推荐理由：Google 发布 Gemini 4 Argon，主打 1M 输出 token 与长程智能体能力，并给出与 GPT-6 Astra、Claude 系列的逐项基准对比。
Google 发布前沿模型 Gemini 4 Argon，今日起通过 API、AI Studio、Gemini 平台、Google Antigravity 及 Gemini 应用和 Search 的 AI Mode 全球上线，输入 $2/百万 token、输出 $10/百万 token，缓存输入享 95% 折扣。
推荐理由：Google 发布 Gemini 4 Argon，官方给出编码、科研与安全对齐的具体数据，可了解前沿模型在真实工程任务中的落地方式。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio、Gemini API、Google Antigravity 以及 Gemini 应用和 Search 的 AI Mode 提供，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：Google DeepMind 发布 Gemini 4 Argon，官方给出编码、科研与安全对齐的具体数据，可了解新前沿模型的能力边界与定价。
Google 的 Gemini 4 Argon 开始大范围铺开，目前只面向付费用户，低档订阅方案也无法获得完整访问权限。Google 称模型能力未变，仍以其上月公布的基准测试作为推理与智能体编码能力的依据，并称该模型经过训练可拒绝恶意指令，自动失准监控可在检测到非预期工作流时中止处理。
推荐理由：Gemini 4 Argon 开始面向付费用户铺开，并给出 Google 内部用它优化 YouTube 评论系统、排查无人机模拟器 bug 的具体案例。
Meta 发布前沿模型 Muse Wonder 的两个版本，Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 得 56 分，Muse Wonder 得 52 分，前代 Muse Spark 1.3 为 48 分。
推荐理由：Meta 新前沿模型 Muse Wonder 两个版本进入第一梯队，智能体与编码提升明显，但事实知识偏弱、单任务成本接近前代三倍。
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款模型，称后者具备前沿能力，将通过 API 和 Muse Code 提供，并用于其平台功能与 Muse 个人智能体。
推荐理由：Meta 发布 Muse Wonder 系列模型，宣称重回前沿，并给出与 Claude、GPT 的基准对比和两个面向智能体的新功能。
作者用约 3 个月、估计 600-700 亿 tokens，让 AI 智能体把一款第一人称射击游戏反编译成可编译的 C++，最终 99% 的函数进入重建源码、83% 实现字节级精确匹配。
推荐理由：用 15 个以上 AI 智能体在数月内反编译一款第一人称射击游戏，作者复盘了字节匹配验证、指令衰减和智能体作弊等可迁移经验。
Cockroach Labs 把编码智能体按教学医院角色组织成 MOLT Sinai 流水线，五个月内让 MOLT 工具新增 IBM Db2 迁移支持，而 2024 年加 Oracle 支持用了 9 个月、约 16 万美元工程时间，Db2 只花不到两天、4172 美元 token 费用。
推荐理由：Cockroach Labs 用医院角色分工的多智能体流水线跑五个月真实迁移工具开发，给出成本、返工与流程设计的可迁移经验。