METR 将重新设计开发者生产力实验，因 AI 选择效应致新数据不可靠
METR 宣布重新设计其开发者生产力实验，认为 2025 年 8 月启动的二次研究中因开发者拒绝无 AI 工作而出现选择效应，使数据无法可靠反映 AI 工具的生产力影响。
推荐理由：原文解释了为何 AI 更广泛采用带来的选择效应使其实验结果不可靠，并给出初步数据与后续研究设计思路。
AI 编码
全部主题AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。
最新精选
第 21–40 条 · 共 165 条METR：Research（网页）精选AI 评分6666 Fireworks AI（网页）精选AI 评分6767 Fireworks 实测 DeepSeek V4 Pro 0813：SWE-Bench 达 95.2%，单任务成本约为 Fable 5 的三分之一
Fireworks AI 发布对 DeepSeek V4 Pro 0813 的评测，SWE-Bench Verified 得 95.2%（Fable 5 为 85.4%），SWE-bench 单任务成本 $0.309 对 Fable 5 的 $0.808。
推荐理由：Fireworks 用自家同一套评测对比 DeepSeek V4 Pro 与 Fable 5，给出单模型与 oracle 路由的成本和准确率数据，可作选型参考。
Fireworks AI（网页）精选AI 评分6565 Fireworks 上线 DeepSeek-V4.1-Flash，编码准确率媲美 GPT-6 Astra 成本仅 1/15
Fireworks 上线 DeepSeek-V4.1-Flash，在 DeepSWE 上以 74.34% 的 Pass@1 达到 GPT-6 Astra 水平，每任务成本 $0.43，约为 Astra 的 1/15。
推荐理由：原文给出 DeepSWE、Terminal-Bench 2.1 和 HLE 的具体成本与准确率数据，可帮助开发者评估智能体编码工作流的模型选型。
Cursor Blog精选AI 评分7070 Cursor 团队分享如何搭建云端智能体开发环境
Cursor 团队分享为云端智能体搭建开发环境的经验，核心思路是把开发环境当作用户是智能体的产品来做。他们让云端 VM 与本地开发环境对齐，构建 anydev CLI 简化智能体运行服务的流程，并通过 Cursor Cloud MCP 和 Cloud Doctor 自动化功能实现环境的自愈与持续改善。
推荐理由：Cursor 团队分享了自家云端智能体环境的搭建经验，包含 anydev CLI、Cursor Cloud MCP 等做法和可迁移的判断标准。
Cursor Blog精选AI 评分6969 Cursor 与 SpaceXAI 联合发布 Grok 4.6，聚焦长时程智能体任务
Cursor 团队与 SpaceXAI 今日联合发布 Grok 4.6，基于 Grok 4.5 打造，专注于长时间运行的智能体、更复杂的交互与视觉工作。在 Artificial Analysis Intelligence Index 上它与 GPT-5.6 Sol 持平（61 分），训练上进行了更长时间的补充训练、重新生成的 SFT 轨迹和广泛的智能体 RL。
推荐理由：原文给出训练方法、基准分数和定价细节，读者可以据此评估它在智能体编程场景中的定位。
Claude：Blog（网页）精选AI 评分7171 Claude Marketplace 上线 340 个插件支持一键安装
Claude 推出插件市场，收录 340 个插件，可一键安装为 Claude 添加工具、技能和集成。示例包括 GitHub 官方 MCP 服务器、Playwright 浏览器自动化、Figma 设计转代码、Supabase、Vercel 集成，以及代码审查、语言服务器和 CLAUDE.md 维护等开发类插件。
推荐理由：页面列出了插件市场的主要品类和代表性插件，读者可以据此了解 Claude 现有可扩展能力的范围。
Claude：Blog（网页）精选AI 评分7575 Anthropic 发布 AI-native SDLC 实践手册，用 Claude 重构软件开发全流程
Anthropic 发布 AI-native SDLC playbook，主张在代码不再瓶颈后重构传统软件开发生命周期，将流程改为以提交工件驱动的闭环。
推荐理由：Anthropic 把内部 agentic 编码实践整理成六阶段方法论，覆盖从需求捕获到自动回环的每一步落地与治理细节。
Claude：Blog（网页）精选AI 评分6565 Claude Code Projects 改版：从文件夹到多线程对话协调
Anthropic 改版 Claude Code 的 Projects 功能，用户描述目标后由 Claude 负责拆解任务、并行协调多个线程、审查输出并汇总结果，例如按仓库开线程迁移调用、跑测试并开 PR。
推荐理由：官方介绍了 Projects 从文件夹到对话的改版机制，读者可以了解多线程协调与共享记忆如何改变 Claude Code 的长任务工作流。
Claude：Blog（网页）精选AI 评分6969 Anthropic 前线工程师详解如何准备 AI 驱动的代码现代化项目
Anthropic 前线部署工程师分享大型代码现代化项目的准备方法：过去需多年的项目如今可在数月或数周完成，但组织流程不变，瓶颈从产出变更转向动员组织。
推荐理由：Anthropic 前线工程师基于真实客户部署，给出智能体驱动代码现代化的六步准备方法，可直接迁移到企业大型改造项目。
Claude：Blog（网页）精选AI 评分8181 Anthropic 详解 Claude Opus 5.5 为何适配更长、更高上下文的编码会话
Anthropic 发文说明 Claude Opus 5.5 针对更长、上下文更重的编码会话做了成本优化，估计典型按 token 计费的工作负载运行成本比 Opus 5 低约 40%。
推荐理由：原文用 Claude Code 六个月聚合数据解释长上下文会话成本结构，并给出保护缓存读取的可操作建议。
Claude：Blog（网页）精选AI 评分6060 Claude Code 推出 Artifacts：把会话工作变成可共享的实时网页
Claude Code 推出 Artifacts，可基于会话完整上下文（代码库、连接器、对话）生成实时可共享的网页，如 PR 讲解、事故页、仪表盘和发布清单，页面随会话进展原地刷新，每次发布为新版本并支持历史回滚。
推荐理由：官方说明了 Artifacts 的构建方式、版本共享机制和权限策略，读者可以判断它能否替换团队现有的状态同步流程。
Cognition 模型 / Devin 博客（网页）精选AI 评分6565 Cognition 发布 SWE-grep 和 SWE-grep-mini，用 RL 训练快速并行上下文检索模型
Cognition 训练了 SWE-grep 和 SWE-grep-mini 两个快速智能体模型，专攻高度并行的上下文检索，检索能力匹敌前沿编码模型，耗时低一个数量级。
推荐理由：官方公布了模型设计、RL 训练细节和评测数字，读者可以借此了解并行上下文检索的实现路径。
Cognition 模型 / Devin 博客（网页）精选AI 评分6969 Cognition 发布 SWE-1.5 编码模型，最高 950 tok/s 并登陆 Windsurf
Cognition 发布面向软件工程的 SWE-1.5 模型，参数量为数千亿级，与 Cerebras 合作以最高 950 tok/s 推理，比 Haiku 4.5 快 6 倍、比 Sonnet 4.5 快 13 倍，现已在 Windsurf 上线。
推荐理由：原文给出速度对比、SWE-Bench Pro 成绩和训练细节，读者可以据此评估这款高速编码模型是否改变现有工作流。
Cognition 模型 / Devin 博客（网页）精选AI 评分6767 Cognition 发布 Devin 2025 年度绩效复盘：上线 18 个月的真实部署经验
Cognition 在 Devin 上线 18 个月之际发布年度绩效复盘，称其已进入数千家公司的工程团队，累计合并数十万个 PR。
推荐理由：Cognition 以自家客户数据和指标复盘 Devin 的强弱项，为评估智能体实际部署效果提供了可参照的框架。
Cognition 模型 / Devin 博客（网页）精选AI 评分6767 Cognition 推出 Devin Review 代码审查工具，早期版本免费开放
Cognition 发布 Devin Review，一款面向 GitHub PR 的 AI 代码审查工具，认为代码审查已成为比代码生成更大的瓶颈。
推荐理由：原文给出了 Devin Review 的三种使用入口和具体功能细节，读者可以据此判断它如何改进自己的 PR 审查流程。
Cognition 模型 / Devin 博客（网页）精选AI 评分6969 Devin 支持自动修复 Review 评论，闭环代码审查流程
Cognition 为 Devin 推出 bot triggers 功能：Devin 可被配置为自动修复 Devin Review 及其他 review bot 在 PR 上留下的评论，并继续自动修复 lint 和 CI/CD 问题。
推荐理由：原文由官方说明功能配置入口和适用范围，读者可以判断它如何改变团队 PR 审查流程。
Cognition 模型 / Devin 博客（网页）精选AI 评分7575 Cognition 复盘多智能体系统实践：写入保持单线程、其他智能体贡献智能
Cognition 发布长文复盘，认为多智能体系统目前只在写入保持单线程、其他智能体贡献智能的模式下有效。
推荐理由：Cognition 一线团队复盘了真正跑通的多智能体模式，给出干净的审查上下文和单线程写入等可迁移经验。
Cognition 模型 / Devin 博客（网页）精选AI 评分7070 Cognition 发布 Devin CLI：本地启动会话，可移交云端继续运行
Cognition 发布 Devin CLI，可把 Devin 作为本地编码智能体在终端运行，通过 curl -fsSL https://cli.devin.ai/install.sh | bash 一分钟内安装。
推荐理由：发布方自述了本地会话与云端接力的具体玩法，读者可以据此评估是否把它接入自己的终端工作流。
Cognition 模型 / Devin 博客（网页）精选AI 评分7474 Cognition 融资超 10 亿美元，估值达 260 亿美元
Cognition 宣布融资超 10 亿美元，估值 260 亿美元，由 Lux Capital、General Catalyst 和 8VC 领投。企业用量今年初以来增长超 10 倍，run-rate 收入达 4.92 亿美元；Mercedes-Benz 将八个月的遗留系统改造项目缩短到八天，Itaú 用 Devin 自动修复 70% 的安全漏洞。
推荐理由：原文由当事公司自述融资规模与业务数据，读者可以据此了解 Devin 的企业采用情况和自研模型进展。
Cognition 模型 / Devin 博客（网页）精选AI 评分7070 Cognition 发布 Devin Desktop，作为 Windsurf 下一代版本
Cognition 发布 Devin Desktop，定位为 Windsurf 的下一代版本，将 Agent Command Center 设为 IDE 默认界面，可从一处管理本地与云端 Agent、PR 和上下文。
推荐理由：官方完整说明了产品定位与 ACP 开放设计，读者可以据此判断它与现有 Windsurf 工作流的衔接方式。