研究：花哨的 harness 让编码智能体更贵但并未更强
一项研究让 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 在 Claude Code、OpenCode、mini-SWE-agent 三种 harness 上跑 SWE-bench Verified，发现换 harness 带来的任务结果变化与同一配置重跑相当，通过率差异多在测量噪声范围内。
#编码
The DecoderAI 评分6767 The Decoder精选AI 评分8282 月之暗面发布 Kimi K3.1 Pro，AA 智能指数距 Claude Opus 5.5 仅差 3 分
月之暗面发布推理模型 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，位列第四，仅落后 Claude Opus 5.5（58 分）3 分。
推荐理由：Kimi K3.1 Pro 在多个基准上逼近 Claude Opus 5.5，并计划开放权重，读者可据此比较开源与闭源模型的差距。
TechCrunch · AIAI 评分7272 Recursive 发布笔记本端编码模型 Flint，称大部分由 AI 参与构建
Recursive 发布首个模型 Flint，这是一个可在笔记本本地运行的免费编码模型，以 Apache 2.0 许可在 Hugging Face 开放下载。公司称其自动研究系统 Eureka Machine 参与了从预训练到后训练、推理的几乎每个环节，小团队不到四个月从零建成该模型。
The Verge · AIAI 评分4848 黑客用老游戏和 OpenAI Codex 破解 Switch 2
改装者 Sammy Hajhamid（pepsipu）借助 OpenAI Codex 实现了 Switch 2 的“ns2jb”越狱，并演示了运行含 Cinnamoroll、Peter Griffin 等新角色的自定义版 Mario Kart World。
The Verge · AIAI 评分5858 复古游戏移植被 AI 席卷，反编译社区协作遭冲击
The Verge 报道称，AI 编码工具让复古游戏的反编译与重编译移植速度大幅提升，近一个月来浏览器版 Halo、iPhone 版 Wind Waker 等项目频繁走红。
The Decoder精选AI 评分8282 Anthropic 用 Claude 为现有代码自动生成形式化安全证明
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 把 OSS-Fuzz 中 123 个开源库的崩溃测试转成数学问题，并分析编译后的机器码，几周内生成约 1.8 亿行证明代码，由 Rocq 独立校验。
推荐理由：Anthropic 用 Claude 为 OSS-Fuzz 库生成形式化证明，并说明了适用条件与算力成本。
The DecoderAI 评分7575 Recursive 发布首个模型 Flint，由 Eureka Machine 参与研发
AI 初创公司 Recursive 发布首个语言模型 Flint，研发过程中名为 Eureka Machine 的 AI 系统参与了提出想法、搭建、测试和规划后续实验等环节。
Simon WillisonAI 评分4040 Simon Willison 用 Claude Code 打造 RTS 游戏 Battle Drones，支持音频同步多人对战
Simon Willison 发布 vibe coded 即时战略游戏 Battle Drones，经 12 个大版本迭代、321 次由 Claude Code 等编码智能体提交的 commit，可在手机和桌面浏览器运行。
GitHub Blog · AI & MLAI 评分2222 三位 Java Champion 如何用 GitHub Copilot 提升生产力
GitHub Blog 采访三位 Java Champion，分享在生产与开源项目中使用 GitHub Copilot 的具体做法。Vlad Mihalcea 用 Copilot 在 IntelliJ IDEA 中开发 Hypersistence Optimizer 的事件历史 Web 应用，原本需数周的任务两天完成，并按任务复杂度切换模型。
GitHub Blog · AI & MLAI 评分3636 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 中打开，保留原有对话、代码改动和工作上下文，无需重新描述任务。VS Code 会加载该会话关联的 worktree，并在 Copilot 侧边栏显示原会话，便于逐行审查 diff、手动编辑、本地运行测试，最后提交并推送到该会话对应的 pull request。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出基于 ModernBERT 的密钥检测模型，将 push 保护扩展到非结构化密钥
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器，把 push 保护扩展到无固定格式的非结构化密钥，候选密钥批量评估耗时低于 2 毫秒，可拦截的密钥数量有望翻倍以上。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布构建，包含 19 种语言的 219 个公开 PR。
GitHub Blog · AI & MLAI 评分2727 GitHub 博客：AI 正在改变开发者工作，值得强化的三项技能
GitHub 博客提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 节省的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明其用第二个模型审查计划、代码和测试，从而发现首个模型遗漏的问题。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步扩展至开发者、企业和消费者。
推荐理由：官方披露了 Argon 在编码、企业知识工作和网络安全防御上的基准表现与内部落地案例，可据此判断前沿模型的能力边界。