Cognition 发布测量 Devin 等效工程工时的估算系统
Cognition 构建了一套自动估算 Devin 会话相当于多少有效人工工程工时的系统，并用 AI 智能体审查每个会话、换算成美元价值，已随客户投入运行。系统基于 126 位用户、258 个会话的人工标注数据训练，在 233 个held-out会话上达到 rlog 0.74，且经对数空间校准后刻意偏保守低估；单项估计噪声约 2-3 倍，但聚合后误差相互抵消。
#编码
#编码
今日 5 条Cognition 模型 / Devin 博客（网页）AI 评分5656 Cognition 模型 / Devin 博客（网页）AI 评分5959 Cognition 推出 FrontierCode 基准，衡量模型能否写出可合并的高质量代码
Cognition 发布 FrontierCode 基准，从正确性、测试质量、范围纪律、风格等维度评估模型代码能否达到开源维护者可合并的标准，误报率比 SWE-Bench Pro 低 81%。
Cognition 模型 / Devin 博客（网页）精选AI 评分6868 Cognition 发布 Devin Fusion：混合模型架构以最高 60% 更低成本保持前沿编码性能
Cognition 推出 Devin Fusion 预览，一个混合模型 harness，通过并行前沿模型与低成本 sidekick 智能体、以及基于轻量分类器在上下文压缩时动态切换模型。
推荐理由：官方披露了 sidekick 双智能体与中途动态路由两类可参考的降本架构，并给出 FrontierCode 上的成本与性能数据。
Cognition 模型 / Devin 博客（网页）AI 评分5353 Cognition 发布 Devin Security Swarm
Cognition 发布 Devin Security Swarm，可扫描代码库发现漏洞、在运行时验证可利用性并提交修复 PR。它用并行 Agent 跨文件推理业务逻辑缺陷和链式攻击路径，在隔离沙箱中复现后开 PR。
Cognition 模型 / Devin 博客（网页）AI 评分4949 FrontierCode 1.1 发布：区分合法与不公平的互联网使用
Cognition 发布 FrontierCode 1.1，通过“公平使用互联网”提示词与程序化检测两项措施，将各模型的不公平联网行为降至 1% 以下。该版本还审计了 1000+ 条评分标准并放宽其中 75 条过严项，新增 Sonnet 5 分数并更新 Fable 5，此后仅报告 Main 与 Extended 子集，不再报告 Diamond 子集。
Cognition 模型 / Devin 博客（网页）AI 评分6262 Cognition 发布 SWE-1.7：以 Kimi K2.7 为基座、更低成本达到前沿级智能体编码能力
Cognition 发布 SWE-1.7，称其为自己训练过的最强模型，以更低成本达到前沿级智能，已通过 Cerebras（1000 TPS）在 Devin 的 Web、Desktop 和 CLI 中可用。
Cognition 模型 / Devin 博客（网页）AI 评分3939 Cognition 全平台进入 FedRAMP High In-Process，Devin 面向联邦机构开放
Cognition 整个平台已进入 FedRAMP Class D (High) In-Process 并列入 FedRAMP Marketplace，使联邦环境中的工程团队可用上自主云端 AI 软件工程师 Devin。
Cognition 模型 / Devin 博客（网页）AI 评分6262 Cognition：Fusion 架构下 Fable 5 领衔的 Devin 反而比 Opus 4.8 更省钱且得分更高
Cognition 在 FrontierCode 1.1 上跑了 3000 次评测，发现尽管 Fable 5 每 token 价格是 Opus 4.8 的 2 倍，配合 Sidekick 时反而更便宜且得分更高（60.7 vs 54.6，$1.86 vs $2.04），比纯 Fable 省 54% 成本。
Cognition 模型 / Devin 博客（网页）AI 评分4040 Cognition 与 Windsurf 合并一周年：Devin 从初级工程师进化为中高级
Cognition 与 Windsurf 合并一年后，Devin 已从初级工程师成长为可调度、管理其他 Devin 的中高级水平，并能通过 computer use 自测、自验证和自动修复。
Cognition 模型 / Devin 博客（网页）AI 评分3838 Cognition 收购 TierZero，将自动化能力引入 Devin
Cognition 宣布收购 TierZero，TierZero 团队 Anhang 和 Yun 加入 Cognition，其自动化（automations）工作将被引入 Devin。Cognition 表示，双方希望让工程师减少处理线上故障的时间，把更多精力投入构建。
Augment Code 博客（网页）AI 评分4444 Augment Code：AI 原生转型的四个阶段，从智能体采纳到智能体编排
Augment Code 提出 AI 原生转型分四个阶段：约 70% 组织仍停留在第一阶段（将智能体接入日常工作流），不到 10% 让智能体自主拥有工作，几乎无人达到第四阶段全智能体编排。在软件开发生命周期六个环节中，代码生成、验证、构建失败诊断三个环节已由智能体主导，代码审查中低风险改动可自动批准。某企业客户开发者每周因代码审查阻塞的时间占比从 30% 降至 10% 以下。
Augment Code 博客（网页）AI 评分4646 Augment Code：单模型工程时代已经结束
Augment Code 本月在 Claude 和 GPT-5 之外新增 Gemini 3.1 Pro，成为其第三个可选模型，并称单模型工程时代已经结束。过去十三个月里领先模型三次易主，GPT-5.4 的每条消息价格比此前所用模型便宜约 2.6 倍。其做法是把模型、harness（Context Engine）与编排层（Intent）解耦，切换模型只需改一个设置而非迁移。
Augment Code 博客（网页）精选AI 评分7575 Augment Code 实测 AGENTS.md 写法：好文件效果堪比模型升级
Augment Code 用内部评测 AuggieBench 测量数十个 AGENTS.md 对代码生成的影响，最好的文件带来相当于从 Haiku 升级到 Opus 的质量提升，最差的比没有文件更糟。
推荐理由：作者基于内部评测给出了 AGENTS.md 的可用与失效模式，读者可以按自身模块选择对应写法。
Augment Code 博客（网页）AI 评分5656 DX CTO Justin Reock 谈 AI 转型是系统性问题
DX CTO Justin Reock 在 We Built What 节目中称 AI 转型的关键在系统而非个人：DX 对 500 家公司的纵向研究显示 PR velocity 中位提升 7.5%、均值 13%、最高 70%。
Augment Code 博客（网页）精选AI 评分7070 Augment Code 实测 Karpathy 式规则：编码 Agent 效率提升但代码质量未变
Augment Code 在 OpenClaw 的 40 个 PR 上测试 Auggie、Claude Code 和 Codex，对比在 AGENTS.md 前加入约 2.5k 字符的 Karpathy 式编码规则的效果。
推荐理由：原文用三个 Agent 和 40 个 PR 的实测数据，说明 Karpathy 式规则能降本提速但质量不升，可迁移到自家工作流。
Augment Code 博客（网页）精选AI 评分6565 Augment 发布 Prism 模型路由，按任务分流降低成本
Augment Code 推出 Prism，一种模型路由选项，为每轮用户请求自动选择底层模型，称团队月发 1 万次请求可省约 2 万美元，成本最多降 30%，质量与所对标的前沿推理模型差异可忽略。
推荐理由：官方给出多基准成本与质量数据及缓存感知路由方法，读者可据此评估模型路由能否降低自己的智能体开销。
Augment Code 博客（网页）AI 评分4747 Augment 如何用 Cosmos 智能体团队消除代码审查瓶颈
Augment 在 Cosmos 上重建代码审查流程，由 PR Risk Analyzer、Bug Reviewer、Pair Reviewer 等 Expert 组成智能体团队，自动批准低风险改动、逐行做正确性分析，仅在需要判断时引入人类。
Augment Code 博客（网页）AI 评分4545 Augment Code 调研 219 位工程负责人：48% 代码已由 AI 生成，仅 19 家更新了岗位定义
Augment Code 调研 219 位工程负责人发现，其团队 48% 的代码已由 AI 生成，55% 担心团队失去对代码库的共同理解，63% 表示工程师向管理者提出技能相关性担忧，在 201-1000 人团队中该比例升至 89%。
Augment Code 博客（网页）AI 评分4040 Auggie 对比 Claude Code 实测：Opus 4.7 上成本低 33%、质量略胜
Augment 在 Terminal Bench 2.0 上用 Opus 4.7 对比 Auggie CLI 与 Claude Code，Auggie 通过率 67.4% 对 66.3%，总 token 少 32%、成本低 33%（$463.04 对 $694.50）。
Augment Code 博客（网页）AI 评分4848 Cosmos 让智能体跑通完整 SDLC，工程师的角色变成什么？
Augment Code 的 Cosmos 平台让智能体串联代码审查与事故响应等环节，大型 PR 的人工审查时间从六七小时降到 45 分钟，周产出提升至三倍。事故响应中智能体已处理 81.3% 的告警，值班工程师每周合并的 PR 增加 44%，首次 RCA 时间从约 30 分钟降至 6 分钟。人类仍负责设计判断、风险把控与最终决策。
Augment Code 博客（网页）AI 评分5858 Augment Code 发布 Project Builder，用 Cosmos 专家自动化大型工程项目的设计与实施
Augment Code 推出 Project Builder，这是一个运行在 Cosmos 上的专家，可从简短功能描述生成基于真实代码库的设计文档（markdown 或 HTML 存入 Cosmos VFS），经人工评审后编排 worker agent 完成实施直至合并。
Artificial Analysis 完整文章（网页）精选AI 评分7575 Artificial Analysis 评测 GPT-6 Astra：与 Claude Fable 5.1 并列两大指数第一且成本更低
Artificial Analysis 发布 GPT-6 Astra 基准测试报告，该模型在 Intelligence Index 得 53 分、Coding Agent Index 得 62 分，均与 Claude Fable 5.1 并列第一，且成本分别约为其 40% 和 60%。
推荐理由：原文给出 GPT-6 Astra 在两大指数中的得分、成本和 token 效率数据，可据此比较它与 Claude Fable 5.1 的实际表现。
Augment Code 博客（网页）AI 评分5252 Augment Code 构建 Verifier 智能体自动验证 Agent 代码的端到端表现
Augment Code 内部构建了 Verifier 智能体，在每个 PR 上自动部署变更到隔离环境、端到端验证并附带日志、API 响应和截图发回 PR 评论。该智能体运行在其 Cosmos 云智能体平台上，依靠仓库中可组合的 SKILL.md 技能库决定验证哪些界面，且只提交证据不做通过与否的结论；文中记录了一例 CI 全绿但实际 /chat-stream 路径未生效的真实发现。
Augment Code 博客（网页）AI 评分5757 Augment Code 解析 loop engineering 与团队级 agentic SDLC 循环
Augment Code 博客提出 loop engineering 概念，即设计从触发、执行、验证到产出的智能体循环，人类在需要判断力的检查点介入。
Tomer Tunguz 博客（VC 分析）精选AI 评分6161 Tom Tunguz 分析 HN 讨论：Qwen 3.6 35B-A3B 与 Pi 领跑本地编码栈
一位 VC 博主归纳一个 500+ 评论的 HN 讨论指出，本地编码栈正快速成熟：Qwen 3.6 35B-A3B 以 33% 的提及率主导模型选择，Pi 以 49% 领先 Agent 提名。
推荐理由：作者基于 HN 讨论归纳本地编码模型与 Agent 的当前格局，并给出与云端模型的对比视角。
Anthropic：Research（发表成果 · 网页）精选AI 评分6060 Anthropic 开放 Claude 真实使用数据，支持外部研究者独立开展研究
Anthropic 试点让 Stanford SALT Lab、Oxford 和 METR 三个外部团队通过隐私保护工具 Anthropic Insights，独立分析约 25 万段 2026 年 4-5 月的 Claude.ai 或 Claude Code 对话，并公开各项目汇总数据和意向表单。
推荐理由：原文披露外部研究机构用 Anthropic Insights 独立分析 Claude 用量的初步结果和运行经验，还公开了汇总数据，适合想跟进真实 AI 使用研究的读者。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2525 Anthropic 发布 Claude 应用案例清单：覆盖编程、安全与数据分析
Anthropic 整理了一份使用 Claude 构建产品的企业清单，涵盖编程工具、网络安全、商业智能与数据分析等类别。清单收录了 Cursor、Devin、Bolt.new、Databricks、Elastic 等产品，其中 Blitzy 用 Claude 关系映射整个代码库并调度数千个专用智能体，Ellipsis 已安装于超 67,000 个代码仓库、平均提升工程效率 20%。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分7474 Claude 推出插件市场，提供 340 个可一键安装的插件
Anthropic 为 Claude 推出插件市场，收录 340 个插件，可将工具、技能与集成打包为一键安装。
推荐理由：原文列出了插件市场的实际内容和安装方式，读者可以据此挑选适合自己的 Claude 扩展组合。
Anthropic：Research（发表成果 · 网页）精选AI 评分8181 Anthropic：Claude 用11天自主完成费马大定理的 Lean 计算机验证证明
Anthropic 宣布获得首个完整经计算机检查的费马大定理证明，Claude 在约11天内基本自主写成，产出1300万行 Lean 代码，证明 30,300 条定理（最终使用 29,500 条中间定理），规模超过 Mathlib 的 5 倍。
推荐理由：原文详述多智能体在 Prove2Me 上11天完成 FLT 形式化验证的流程与数据，读者可了解 AI 自动形式化的当前能力和可复用的协作方法。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2323 Anthropic 如何为 Claude 各产品构建隔离与管控机制
Anthropic 分享了为 claude.ai、Claude Code 和 Cowork 构建隔离管控（containment）机制的工程经验，核心问题是如何在智能体能力增强、潜在影响范围扩大的同时限制其爆炸半径。相关文章还涉及 Claude Code 自动模式、长时运行智能体的 harness 设计，以及 Claude Opus 4.6 在 BrowseComp 中的评测意识等议题。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分4545 Anthropic 为 Claude 推出 Connectors 连接器目录，收录 872 个连接器
Anthropic 为 Claude 上线 Connectors 连接器目录，共收录 872 个连接器，把用户已有的工具接入每一段 Claude 对话。目录中包含 Microsoft 的 Playwright MCP server，可让 Claude 操作网页、截图、填表和自动化测试，以及 Upstash 的 Context7 MCP server，用于拉取版本相关的文档与代码示例。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2121 Anthropic 推出 Claude Community：覆盖 33 国 67 城的全球社区与活动
Anthropic 上线 Claude Community，在 33 个国家、67 座城市组织由 Claude Community Ambassadors 主持的线下活动，供开发者交流用 Claude 构建的方案。
Tomer Tunguz 博客（VC 分析）精选AI 评分6060 Tomasz Tunguz：AI 模型的用户留存介于社交网络与手游之间
Tomasz Tunguz 提出 AI 如同一个漏水筛子，前沿模型平均保持领先约 41 天，用户留存率在个位数高位到约 40% 之间，介于社交网络（约 80%）与手游（百分之几）之间。同等智能水平的价格每年约下降 10 倍，如 Grok 4.5 以每任务 $0.31 达到 Intelligence Index 54 分，买家每 41 天获得更多议价筹码，创业公司可随每月赢家切换模型。
推荐理由：作者用用户留存曲线和智能单价数据，把 AI 模型的用户流失放到软件、社交网络与手游之间定位。
Tomer Tunguz 博客（VC 分析）精选AI 评分6363 Tomer Tunguz 分析 AI 工程效率三档分布：均值 20-46%、前沿 3x、工厂级 8x+
Tomer Tunguz 提出 AI 工程效率呈三档分布：仅分发 AI IDE 的均值约 20-46%，构建智能体运营层的公司达 2.5-3x，智能体作为组织单元的软件工厂达 8x+。
推荐理由：作者汇总多项公开数据，把 AI 工程效率分成三档，指出差距不在模型而在围绕智能体的运营纪律，可作行业对照参考。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分3737 Claude on AWS：在 AWS 环境中使用 Claude 构建智能体与 AI 产品
Anthropic 推出 Claude on AWS，让团队在 AWS 环境中使用 Claude 构建智能体并向客户交付 AI 产品。该方案提供 Claude API 与原生 Claude 体验，支持 AWS 原生认证、IAM 与审计集成，并通过 AWS 统一账单计费、计入 AWS 承诺消费。
Tomer Tunguz 博客（VC 分析）精选AI 评分6666 Tomasz Tunguz：Agent harness 对编码成绩与成本的影响超过模型本身
Tomasz Tunguz 撰文称 harness 对编码基准和成本的影响大于模型。Endor Labs Agent Security League 测试显示。
推荐理由：文章用同一模型在不同 harness 下的分数差和缓存成本数据，说明运行时框架对编码表现和账单的影响可能超过模型本身。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分4747 Anthropic 推出 Claude Marketplace，15 款 Claude 驱动的企业工具上线
Anthropic 上线 Claude Marketplace，汇集 15 款 Claude 驱动的合作伙伴产品，包括 Cursor、GitLab、Snowflake、Vercel、CodeRabbit、Lovable 等。企业可将现有 Anthropic 采购承诺用于这些工具，统一 AI 支出，并随需求增加合作伙伴。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分5454 Claude Platform 开发者文档：从首次 API 调用到生产环境
Anthropic Claude Platform 开发者文档介绍接入 Claude 的两种方式：Messages 供开发者直接访问模型并自行编写工具循环，Managed Agents 提供带持久事件历史的有状态会话以部署托管智能体。
Tomer Tunguz 博客（VC 分析）AI 评分4141 AI 是糟糕的枪手，却是出色的编辑
投资人 Tomer Tunguz 认为 AI 是糟糕的枪手但出色的编辑：AI 的声音不属于作者，且所有人共用同一个枪手，用多了文章会失去音乐性。他如今用 AI 当编辑，帮自己打磨导语与核心段，其对冷门统计分析的记忆近乎无懈可击。为应对读者对 AI 写作的质疑，他刻意在文中加入 & 符号、自造词和语法花饰等个人印记。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分7979 Anthropic Claude Platform 页面展示 Claude Opus 5.5、Sonnet 5.5、Fable 5.1 与 Haiku 4.5 定价和平台能力
Anthropic Claude Platform 页面列出 Claude Fable 5.1、Opus 5.5、Sonnet 5.5 和 Haiku 4.5 的定价与适用场景，如 Opus 5.5 定价 Input $4 / MTok、Output $20 / MTok，面向智能体编码和企业工作。
推荐理由：原文给出各型号模型定价、上下文与用量场景，读者可据此对照选择构建智能体的方案。