coding

Poolside发布Laguna S 2.1，一个总参数量118B的混合专家（MoE）模型，每个token激活8B参数，支持长达100万token的上下文，在长周期编程基准测试中取得了有竞争力的成绩，并被誉为同重量级中最具能力的自主编程模型。

Google DeepMind发布了Gemini 3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber，重点聚焦效率、编程和网络安全，但备受期待的Gemini 3.5 Pro因内部延迟而未包含在内。

Google 的 Gemini 3.6 Flash 模型现已全面在 GitHub Copilot 中推出，专为 Web 和应用程序开发、编码以及代理任务而设计，与上一代相比，任务完成率更高，Token 效率更好。

Google 推出 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber 模型，提升了 token 效率、降低了延迟，并为智能体工作流带来更优性能。其中，3.6 Flash 减少了 17% 的输出 token 用量，并在编程和知识任务中表现出色。

一份15页的论文介绍了内聚感知任务划分，以改善多智能体编码的扩展性，概述了从提示到图的新元过程。

一位用户分享了通过OpenRouter每天在AI令牌上花费超过100美元的经历，主要用于编程任务，并寻求降低成本的建议。

LM Studio推出Bionic，这是一个面向开放模型的AI智能体，支持编码、文档处理和离线语音转录，具备灵活的模型执行和零数据保留特性。

Kimi K3 编程基准测试文章，讨论 Kimi K3 模型在编程任务上的表现。

Kimi K3 是一款全新AI模型，拥有2.8万亿参数和100万上下文长度，已在网页和App上发布，在编程、智能体任务、推理、视觉和智能体集群方面具备领先能力。

一位用户测试了多种小型AI模型进行编程任务，发现Qwen3.6-27B-NVFP4在速度和准确性之间取得了最佳平衡，并指出这些模型在Java上的表现较差。

Thinking Machines 发布 Inkling，一种 MoE 模型，总参数975B/活跃41B，支持原生文本、图像和音频推理，上下文窗口达100万 token，完整权重可用。

由前 OpenAI 高管创立的 Thinking Machines Lab 发布了其首个开源权重 AI 模型 Inkling，该模型拥有 9750 亿参数，具备推理、编程以及处理音频、视频和文本的能力。

一条推文表达了对AI进步可能对软件工程造成重大颠覆的担忧。

Kimi K3 是 Moonshot 最新的开放权重模型，发布时具备新架构、智能体集群能力，并专注于长期智能体工作流，使其成为其他顶级模型的主要竞争者。

Matt Pocock 澄清了 /wayfinder 的预期工作流程，强调编码项目的流程应从 /wayfinder 到 /to-spec 再到 /to-tickets 再到 /implement，并指出 v1.2 正在开发中。

认为尽管有AI编码代理，人类仍能从编写代码中获得更好的理解、所有权并维持软件质量。

本文介绍了一种先竞争后协作的框架，多个前沿AI教师（Claude、Codex-GPT、Grok、Gemini）通过执行测试排名，然后协作构建可验证课程。研究发现，对教师解决方案进行模仿（SFT）会降低有能力的编程学生的表现，而使用相同课程进行带可验证奖励的强化学习（RLVR）则能提升表现，尤其是在竞赛问题上。

OpenAI发布了GPT-5.6，这是一个包含三个模型（Sol、Terra、Luna）的系列，具有更高的效率、更强的网络安全能力以及有竞争力的定价，主要面向企业和编码任务。

Muse Spark 1.1 是 Meta 新推出的代理与编码模型，在 HealthBench-Pro 上提升了 5% 的性能，超越了除 Fable 和 Mythos 外的所有竞争对手。

Matt Pocock 发布了 skills 工具的 v1.1 版本，新增了用于规划、规格说明、实现和代码审查的命令。发帖人已经从 superpowers 切换至该工具。