OpenAI 发布 Images 2.6
OpenAI 推出 Images 2.6,图像生成速度更快,并新增 GIF 创建、更精准的编辑和新的 API 控制。新能力覆盖 ChatGPT、Codex 和 API 三个渠道。
OpenAI 推出 Images 2.6,图像生成速度更快,并新增 GIF 创建、更精准的编辑和新的 API 控制。新能力覆盖 ChatGPT、Codex 和 API 三个渠道。
OpenAI 宣布将收购 Pierre Computer Company, Inc.,用于扩展 Codex 在构建、理解和审查代码方面的工具能力。
ChatGPT 和 Codex 正被用于加速 CAD、PCB 设计、仿真等物理世界工程工作流,帮助工程师提升相关环节的效率。
OpenAI 构建了名为 Pando 的 Git 兼容后端,用于支撑 Codex 带来的大规模开发场景。Pando 与 Git 兼容,专为 Codex 规模的开发需求设计。
Qodo 将公司知识与编码规范接入 Codex,帮助开发者在发起 pull request 之前跨仓库捕获 P0 问题。
OpenAI 的 ChatGPT 桌面应用现已在 AWS GovCloud (US) 的 Amazon Bedrock 上可用,包含 Work(多步复杂任务)与 Codex(编码智能体)两个组件,模型推理经 Responses API 路由至 us-gov-west-1 的 Amazon Bedrock Mantle 端点,并用 IAM 与网络控制治理访问。
AWS 在机器学习博客上展示了如何用 AI IDE Kiro 将 PHP 应用迁移到 Java 变成可度量、可重复的流程。方法核心是可复用引擎:共享方法论、机械式发现扫描器和八阶段工作流,技能文件打包为 php-to-java-migration 与 php-model-discovery,以原始 PHP 应用为规范,需通过 parity harness 验证后才算迁移完成。
AWS 发布 Ray Train 深度学习容器(DLC),提供预构建、统一测试并持续维护的 PyTorch 分布式训练镜像,托管在 Amazon ECR Public。
Google DeepMind 发布 Gemini 4 Carbon,称其为最强前沿模型,在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。
推荐理由:官方公布了 Cyber 基准分数、定价和分阶段开放节奏,读者可以对照评估它在安全编码与长程任务上的实际定位。
Legora 使用 OpenAI 模型、ChatGPT 和 Codex 加速法律工作流程,扩展合同分析能力,让律师专注于更高价值的工作。
C-BRAIN 联盟与 NVIDIA 合作构建 AI 基础设施,发布两款开源工具 OpenScientist 和 InsightEngine,辅助科学家生成假设、运行分析并对照文献验证。
Greptile 使用 GPT-6 Astra 将 bug 检测从代码审查扩展到测试用户工作流。该公司还借助 Daybreak 加强安全性,并利用 Codex 减少返工。
CodeRabbit 采用 GPT-6.1 Sol 排查复杂代码库中的安全风险。其安全智能体帮助开发者审查风险发现与修复建议。
OpenAI 工程师使用 Codex Ultrafast 将事件调查时间从数小时缩短到几分钟。该工具还加速了安全分析和代码重构等日常工作流程。
AWS 机器学习博客更新了边缘视觉质检 MLOps 方案,迁移到 Amazon SageMaker Python SDK v3,并用 SageMaker Neo 取代已弃用的 Edge Manager 做边缘优化。
Amazon SageMaker AI 推出 serverless training session APIs,将抽象边界从算法下移到算力:用户在本地 Python 中调用 forward_backward()、optim_step()、sample() 等操作编写自己的训练循环,服务端负责 GPU 分配、分布式执行、梯度同步与故障恢复。
NVIDIA 在 GTC Berlin 展示本地 AI 硬件全线产品:RTX Spark 面向 Windows PC 个人智能体,DGX Spark 支持最多 8 台集群,DGX Station 提供 748GB 一致性内存和 20 petaflops 性能,Windows 版 DGX Station 12 月推出。
推荐理由:原文汇总了 RTX Spark、DGX Spark 和 DGX Station 的本地 AI 硬件阵容与配套软件、模型支持,可据以判断本地智能体部署选项。
GitHub Blog 采访 Vlad Mihalcea、Patrick Baumgartner、Frank Delporte 三位 Java Champion,分享在生产与开源项目中使用 GitHub Copilot 的实践经验。
OpenAI 发布了改进 ChatGPT 在低资源编程语言上表现的工作,并推出了新的软件工程评测,涵盖 SQLite 和 COBOL 迁移。这些评测用于衡量模型在低资源语言场景下的工程能力。相关能力改进已落地到 ChatGPT 中。
GitHub Copilot 应用的会话可通过"Open in VS Code"直接在 VS Code 中打开,保留原有任务、对话记录和关联 worktree,无需重新开始。开发者可在编辑器中逐行审查智能体的 diff、手动编辑、在集成终端本地运行验证,并继续同一对话让 Copilot 补充修改,最后提交并推送到该会话关联的 pull request。
Benefit Street Partners 的 Anant Kumar 用 Codex 构建贷款估值对比和信贷协议分析工具,并将其用于代码审查和更快的后续跟进。这帮助公司更快地回答问题。
两名工程师用 Codex 在几周内打造了 Stack Overflow for Agents,其 ChatGPT 插件推动 agent 创建量最高增长 10 倍,注册量随之增长两倍。
Reflection AI 发布开源权重模型 Beam 1.0,面向智能体编码和长程任务,总参数 501B、激活参数 23B,有效上下文长度 100 万 token,权重以 Apache 2.0 许可通过 Hugging Face 发布,提供 BF16、FP8 和 NVFP4 三种 checkpoint。
推荐理由:原文来自 Reflection 与 AWS 团队,给出 Beam 的参数构成和三条部署路径,读者可以据此选择适合自己控制需求的上线方式。
Meta 的编码优化开放权重模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 提供,BF16(Muse-Spark-Open-816B-A42B)与 NVFP4 量化两个变体可部署到用户自己 AWS 账号的端点。
Amp 展示了其智能体如何借助 GPT-6 Astra、Ultrafast、GPT-Live-1 以及 Sign in with ChatGPT,把 AI 智能体的能力从代码场景推向更广范围。这些 OpenAI 模型与登录能力的集成,让 Amp 在编码之外的任务中也能运行智能体工作流。
AI 实验室 Third Moment Research 借助 GPT-6 Astra、GPT-6.1 Sol、Codex 以及面向网络安全的 Daybreak,构建能连续专注工作数天、并在使用中不断改进的智能体,运行规模达 10,000 个、持续时间超过 36 小时。
AWS 在 Amazon Bedrock AgentCore 上构建了一套 AI 智能体系统,可自动从季度报告、合规文件和市场分析中生成客户 PowerPoint 演示文稿,内部测试中 90 秒内完成。
NVIDIA 官宣 RTX Spark 笔记本将于 10 月 16 日开售,并同步推出配套软件更新:为 GitHub Copilot、Hermes、OpenClaw 等智能体应用提供 OpenShell 与 Microsoft Execution Containers 安全沙箱和本地与云端混合路由。
推荐理由:原文汇总了 RTX Spark 上市前的软件生态准备,从智能体安全沙箱到创意与游戏应用优化,信息密度高且可核对落地时间。
GitHub 官方博客讲解让 Copilot 理解代码库的四种方式:用 .github/copilot-instructions.md 和 .github/instructions 定义约定。
Orca Security 与 AWS 合作,基于 Amazon Bedrock 构建了 Discovery AI,一个将自然语言问题转换为 Sonar 查询的智能体,覆盖 Sonar 追踪的 900+ 云资源模型。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和普通用户开放,API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入享 95% 折扣。
推荐理由:官方给出 Argon 在编码、科研与安全上的具体案例和定价,可据此判断前沿模型在真实工作流中的落地程度。
LegalOn 将每日 Codex 预估成本削减 65%,同时保持开发速度。其做法是按任务匹配 Astra、Sol 和 Luna,并对预算进行策略性管理。
Oracle 在招聘、工程和运营场景中,借助 ChatGPT Work 和 Codex 将专家知识转化为快速、可重复的工作流,把原本需要数天的工作压缩到几分钟完成。
GitHub 发布 ReviewBench,一个面向 AI 代码审查智能体的开放离线基准,研究预览版已上线官网。基准基于 1.039 亿个 GitHub pull request 的分布构建,包含 19 种语言、187 个开源仓库的 219 个 pull request,采用多来源 golden set 与统一评分标准,发布前由资深工程师独立复核,真阳性判断一致率 96.6%。
推荐理由:GitHub 公开了代码审查基准的构建方法与评测口径,读者可据此判断自家审查智能体的强弱项。
GitHub 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 的首次答案、用 AI 节省的时间去解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明用第二个模型审查计划、代码和测试能发现首个模型遗漏的问题。
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,随后逐步扩展至开发者、企业和消费者。
推荐理由:官方给出 Gemini 4 Argon 在编码、企业知识与网络安全防御上的基准表现和分阶段开放方式,可据此判断前沿模型的能力边界与落地节奏。
GitHub Podcast 最新一期拆解了五个 AI 热门观点:AI 生成的代码仍需阅读和负责,但审查力度应随风险而定;Skills 与 MCP 解决不同问题,MCP 提供工具与数据的标准连接,Skills 打包团队流程与最佳实践;RAG 并未消亡,它与 Agent、Skills、MCP 可共存于同一工作流。