OpenAI 与太平洋西北国家实验室合作加速联邦许可审批
OpenAI 与 Pacific Northwest National Laboratory 联合推出 DraftNEPABench,用于评估 AI 编码智能体加速联邦许可的效果。该基准显示其可使 NEPA 起草时间最多减少 15%,有助于现代化基础设施审查流程。
OpenAI 与 Pacific Northwest National Laboratory 联合推出 DraftNEPABench,用于评估 AI 编码智能体加速联邦许可的效果。该基准显示其可使 NEPA 起草时间最多减少 15%,有助于现代化基础设施审查流程。
OpenAI 与 Figma 推出新的 Codex 集成,实现代码与设计连接。该功能支持团队在代码实现与 Figma 画布间切换,帮助加速迭代和发布流程。
OpenAI 停止使用 SWE-bench Verified 评估前沿编码能力,因其存在污染和测试缺陷。分析显示该基准存在训练数据泄漏问题,导致无法准确衡量模型进展。OpenAI 推荐改用 SWE-bench Pro。
OpenAI 发布 GPT-5.3-Codex-Spark,这是其首个实时编码模型。该模型生成速度提升 15 倍,支持 128k 上下文窗口,目前处于 ChatGPT Pro 用户的研究预览阶段。
推荐理由:原文给出了 15 倍生成速度、128k 上下文窗口和 ChatGPT Pro 用户研究预览等关键规格,读者可以据此判断实时编码模型的能力边界。
Z Code 全新版本正式上线,推出全新定义的 ADE 智能体开发环境,将 CLI 交互转化为图形化多 Agent 协作平台。Z Code 提供可视化配置管理、跨设备移动端远程开发、多任务并行处理、会话级版本管理、内置浏览器调试面板和 GLM-5 模型支持等功能,支持主流 CLI 工具灵活切换和模型映射配置。
推荐理由:产品以图形化封装 Claude Code 等 CLI 工具,并支持移动端多任务协同,为降低 Agent 工作流门槛提供了具体方案。
OpenAI 发布 GPT-5.3-Codex 的 System Card。该模型被描述为迄今能力最强的 agentic 编码模型,结合 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业知识能力。
OpenAI 发布 GPT-5.3-Codex,定位为 Codex 原生智能体,兼具前沿编码能力与通用推理能力,用于支持长程真实技术工作。
推荐理由:官方直接给出新模型定位,读者可据此判断其面向的长程技术任务场景。
OpenAI 发布了用于嵌入 Codex 智能体的 Codex App Server。该服务基于双向 JSON-RPC API,支持流式进度反馈、工具使用、审批和差异对比功能。
推荐理由:官方解释了 Codex App Server 的底层机制,提供了构建双向通信架构的技术参考。
OpenAI 发布面向 macOS 的 Codex 应用,作为 AI 编码和软件开发的指挥中心。该应用支持多智能体、并行工作流和长时运行任务。
推荐理由:官方给出了 Codex 应用的核心定位和关键能力,读者可以据此判断其多智能体并行工作流对长任务编码的影响。
OpenAI 发布技术深潜文章,详细解释 Codex CLI 如何通过 Responses API 协调模型、工具、提示词及性能优化以实现智能体循环。
OpenAI 团队利用 Codex 代码理解与系统重构能力,显著提升工程交付速度。 该工具通过性能优化与工作流程增强,帮助工程师更高效地完成复杂技术任务。
OpenAI 团队通过 Codex 加速工程开发,优化代码理解、系统重构、性能提升、速度加快及工程工作流改进。 该工具帮助工程师处理复杂代码、重构系统、提升性能,显著加快开发效率并优化日常工作流。
DeepSeek 将 DeepSeek-V3.1 更新至 DeepSeek-V3.1-Terminus 版本,优化语言一致性并增强 Code Agent 与 Search Agent 能力。目前官方 App、网页端、小程序与 DeepSeek API 模型均已同步更新。开源版本可通过 Hugging Face 和 ModelScope 下载。
OpenAI 宣布对 Codex 进行升级,使其速度更快、可靠性更高,并增强了实时协作与独立处理任务的能力,支持终端、IDE、网页及移动端等多种开发场景。
OpenAI 发布 GPT-5 系统卡增补,介绍专为 Codex 中 Agentic 编码优化的模型 GPT-5-Codex。该模型能根据任务复杂度动态调整推理投入,对简单查询快速响应,对复杂任务则独立工作更长时间。
OpenAI 发布 GPT-5 并展示其在编码与设计领域的应用。官方说明该模型解锁了这两个场景下的新可能性。
Cursor 现已支持调用 GPT-5 模型。开发者可以在 Cursor 环境中直接使用 GPT-5 进行代码生成与交互,官方指南展示了具体的使用方式。
Hugging Face 发布首个针对阿拉伯语大模型在 STEM 和代码生成领域的多组件基准 3LM。该基准包含 865 道本土 STEM 题、1744 道合成 STEM 题及汉化的 HumanEval+ 与 MBPP+ 代码数据集。评测 40 多个模型,GPT-4o 在代码任务中表现最佳,Qwen2.5-72B-Instruct 在 STEM 多选题中领先。
OpenAI官方教程展示了如何在ChatGPT中使用画布功能,将产品需求文档转化为可运行的HTML和React原型。该功能支持开发者直接从文档生成代码,简化了前端界面的原型设计流程,便于快速预览产品交互效果。
OpenAI 展示了 ChatGPT 将生成代码传输至 IDE 的方法,旨在加速开发工作流。 目前正文仅提供了功能描述,未包含具体的版本参数、性能基准或可用性细节。
DeepSeek-V3 0324 模型发布,其性能在 MMLU-Pro、GPQA 和 AIME 等基准上均优于前代版本,整体能力接近 GPT-4.5 并超过 Claude Sonnet 3.7。
推荐理由:给出了DeepSeek-V3 0324的基准对比与优化方法推测,并提供了量化和部署指引。
本教程演示如何使用 LM Studio 和 VS Code 扩展 Continue.dev,在本地部署并调用开源模型 OlympicCoder 7B 作为编码助手。
推荐理由:文章给出了在本地运行 OlympicCoder 7B 的完整集成流程,帮读者把开源模型接入现有开发工具。
OpenAI 发布视频展示 o1 推理模型在复杂问题求解中的应用。 视频重点演示了 o1 模型在编程、战略制定和学术研究领域的具体使用场景。
Hugging Face 和 BigCode 团队发布 StarCoder2-15B-Instruct-v0.1,这是一个完全基于自生成数据(self-aligned)训练的代码语言模型,其 HumanEval 得分达 72.6。该模型训练过程完全透明,不依赖 GPT-4 等专有模型的蒸馏数据,并已在 LiveCodeBench 上展现出优于使用 GPT-4 蒸馏数据微调模型的代码生成能力。
推荐理由:该模型完全通过自生成数据实现指令微调,证明不依赖外部教师模型也能获得强代码能力,并开源了全流程。
Meta 发布开源 Llama 3,提供 8B 和 70B 参数的 base 及 instruct-tuned 版本,并配套发布安全微调模型 Llama Guard 2。
推荐理由:提供了 Llama 3 的完整评测数据与 Hugging Face 生态集成指南,方便开发者快速部署和微调该模型。
Hugging Face 发布基于 UC Berkeley 等机构研发的 LiveCodeBench 的排行榜。该基准通过标注题目发布时间,利用“时间滚动”策略检测并防止数据污染。LiveCodeBench 涵盖代码生成、自我修复等四项场景,使用 Pass@1 指标进行评估,其中 GPT-4-Turbo 在多数场景表现最佳。
Google 发布了 CodeGemma 模型,包含 2B、7B 和 7B Instruct 三种版本,专为代码生成、补全和推理设计。CodeGemma 7B 在 Python、JavaScript 和 C++ 的 HumanEval 评测中表现优于其他 7B 模型,但在中文代码方面尚未测试。
推荐理由:三个模型直接开源可下载,附 transformers 代码和量化部署方案,方便读者在本地复现。
BigCode 发布 StarCoder2 系列开源编码大模型,包含 3B、7B、15B 三个规格,全部基于新的 The Stack v2 代码数据集训练并同步开放模型、数据集与训练代码。
推荐理由:原文给出了三代模型规格与数据集规模,读者可以据此判断它与现有开源编码模型之间的定位差异。
Hugging Face 团队展示了在 Intel 4th Gen Xeon 上加速 StarCoder-15B 的方法,通过 8 位/4 位量化与推测解码实现最高 7.3 倍 TPOT 提升。量化后 HumanEval pass@1 精度损失极小,推测解码选用 164M 参数 draft 模型,文中给出了 IPEXModelForCausalLM 推理代码示例。
Hugging Face 发布教程,演示如何基于 bigcode/starcoder 微调个人代码助手 HugCoder,使用 Hugging Face GitHub 组织公开仓库作为训练数据。
推荐理由:原文完整展示了从 GitHub 仓库提取代码到 QLoRA 与全量微调 StarCoder 的流程,并提供了 1B 模型在本地 M1 芯片运行的可复现步骤。
Retool 使用 GPT-4 为业务提供快速、安全的 AI 应用构建方式。
Hugging Face 发布的企业级代码助手 SafeCoder 基于 StarCoder 模型,提供透明度、定制性与隐私保护,区别于 GitHub Copilot 等闭源服务。
Hugging Face 发布 Code Llama 家族模型,提供 7B、13B 和 34B 参数版本及其 Python 特化与指令微调变体。基于 Llama 2 并经过 500B tokens 代码数据训练,支持 16k 上下文扩展至 100k。
推荐理由:展示了 Code Llama 在 Hugging Face 生态中的完整部署与微调路径,为工程师提供了可复用的生产级工具链。
Hugging Face 梳理了包含 Llama 2 和 BLOOM 在内的开源大语言模型生态。Llama 2 是允许商用的开放获取模型,HuggingChat 提供最大检查点试用。BLOOM 是首个参数量超越 GPT-3 的开源模型,StarCoder 则针对 80 多种编程语言进行代码补全训练。
Hugging Face 展示了如何利用 BigCode 的 StarCoder 创建个性化编码助手 StarChat。StarCoder 是拥有 16B 参数量的开源模型,支持 8,192 token 上下文窗口,采用企业友好许可证。通过采用 ChatML 格式并配合 🤗 Transformers 与 DeepSpeed ZeRO-3 进行微调,可将其转化为对话式编码智能体。
Hugging Face 推出代码大语言模型 StarCoder,基座 StarCoderBase 在 The Stack 1.2 数据集上用 80+ 种语言、1 万亿 token 训练出 15B 参数模型,StarCoder 进一步在 35B Python token 上微调得到。
推荐理由:官方展示了模型在 HumanEval 等基准上超越同体量开源及闭源模型的成绩,并给出了多语言与辅助对话的应用潜力。
Informer 模型现已在 Hugging Face Transformers 中可用,支持基于独立发射分布的多元概率时间序列预测。 该模型引入 ProbSparse attention 将自注意力计算复杂度降至 O(T log T),并通过 Distilling 操作将堆叠层的内存占用优化为 O(N·T log T)。
Hugging Face 发布 PEFT 库,集成 LoRA 和 Prompt Tuning 等技术,与 Transformers 和 Accelerate 无缝结合。使用 LoRA 微调 bigscience/T0_3B 模型只需 11GB 显存,且模型权重仅 19MB 即可保存部署,性能接近全量微调。
推荐理由:官方开源了可插拔的轻量微调库,允许用 MB 级参数文件在消费级显卡上复现全量微调效果,改变了大模型适应下游任务的成本结构。
OpenAI 的 Codex 模型目前通过 OpenAI API 支撑着 70 款不同的应用程序。这些应用涵盖了多种使用场景。 **解析:** 1. **标题自洽**:原标题 "Powering next generation applications with OpenAI Codex" 点出了主体 "OpenAI Codex" 和动作 "Powering"。
OpenAI 提供了针对 GPT-3 的应用定制方法,核心能力是通过单条命令实现模型微调。该流程允许开发者便捷地调整模型行为,以适应特定应用需求。