Google Gemini 4 内部测试：Carbon 编程性能据称接近 Anthropic Opus 5.5
据 Business Insider 看到的内部文档、截图和聊天记录，Google 正在测试 Argon、Barium、Carbon 三个 Gemini 4 变体，其中 Carbon 已部署在内部编程平台 Jetski 上，据称在编程任务上强于 Argon，有员工将其与 Anthropic 最强编程模型 Opus 5.5 相比。
#编码
The DecoderAI 评分3939 Ars Technica · AIAI 评分6464 研究：AI 编码智能体生成更多代码，但软件产出未增加
哈佛大学研究人员 Fiona Chen 与 James Stratton 基于 Jellyfish 聚合数据，分析了 2021 年至 2026 年 3 月间 700 多家软件开发企业、逾 70 万名员工的 3 亿条工作事件，发现 AI 编码工具虽能生成大量可用代码，却几乎没有证据显示企业因此提高了软件产出或减少了用工。
Simon WillisonAI 评分4444 Simon Willison 用 Codex 语音模式边做晚饭边给博客开发 Newsletters 页面
Simon Willison 用 ChatGPT 桌面版 Codex 标签页的语音对话模式，在厨房做晚饭的半小时里让 GPT-6 Astra High 为博客开发出 Newsletters 索引页，含新 Django 模型与迁移、四个导入脚本、/newsletters/ 归档页、日期归档页展示和站内搜索集成。
OpenAI NewsAI 评分1717 Oracle 如何用 ChatGPT 和 Codex 把数天工作压缩到几分钟
Oracle 在招聘、工程和运营环节借助 ChatGPT Work 与 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缩短到几分钟完成。
OpenAI NewsAI 评分2626 LegalOn 将 Codex 成本减半并保持开发速度
LegalOn 把每日 Codex 预估成本削减 65%，同时维持原有开发速度。该团队按任务匹配 Astra、Sol 与 Luna 模型，并对预算进行策略性管理。
Latent Space精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布时隔约一年的 Haiku 层级更新 Claude Haiku 5.5，定价与 OpenAI 的 GPT-6 Luna 一致，同日下调 Sonnet 5.5 缓存读取价格和订阅套餐价格。
推荐理由：除发布本身外，还汇总了第三方评测的 token 消耗与分层定价，便于判断真实成本。
GitHub Blog · AI & MLAI 评分5858 GitHub 推出 AI 密钥检测模型，把推送保护从事后提前到提交前
GitHub 发布基于 ModernBERT 的通用密钥检测分类器，用代码上下文在推送前拦截非结构化密钥，候选批量评估耗时不到 2 毫秒，并称可将可拦截的密钥数量提升一倍以上。
Ars Technica · AIAI 评分7272 Mistral 发布 1 万亿参数模型 Mistral Large 4，称可挑战顶级 AI 模型
Mistral 发布新模型 Mistral Large 4，拥有 1 万亿参数，昵称 Le Chonk，任何人都可使用和定制，目前处于预览阶段，正式版将在月底前推出。
Mistral AI精选AI 评分8484 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数多模态模型
Mistral AI 发布 Mistral Large 4 公开预览，可通过 Mistral Studio 试用预览 API，权重计划于本月底开放。ML4 是 1 万亿参数、52B 激活参数的原生多模态模型，在欧洲自有数据中心的 3,800 块 NVIDIA Grace Blackwell GPU 上从零训练，官方称其在编码、智能体工作流和多模态理解上可与最强开源模型竞争。
推荐理由：官方给出 1 万亿参数、52B 激活的开放权重模型细节与多类基准对比，可据此判断开源前沿模型的能力位置。
GitHub Blog · AI & MLAI 评分5555 GitHub 发布 ReviewBench 代码评审开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码评审的开源离线基准，基于 1.039 亿个 GitHub PR 的语言与仓库规模分布，包含 19 种语言的 219 个公开 PR，金标由人工评审、前沿 LLM 和静态分析等多来源构建。
GitHub Blog · AI & MLAI 评分2121 AI 正在改变开发者工作方式，GitHub 给出三项值得强化的技能
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 AI、不轻信 AI 的第一次回答、用 AI 节省的时间解决更大问题。文中举例称 GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型审查计划、代码与测试；在认证流程示例中，开发者可同时协调三个 AI 智能体分别产出认证、文档和测试。
Google DeepMind精选AI 评分7373 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者开放，随后逐步向开发者、企业和消费者推出。
推荐理由：原文给出 Argon 在编码与网络安全防御上的基准成绩和 Google 内部落地案例，读者可据此判断前沿模型的能力边界。
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot 认为聊天框不是 AI 的正确 UI，力推 canvas
GitHub Copilot 提出 canvas——运行在 GitHub Copilot 应用内的全栈小应用，可无浏览器外壳运行、与 agent 双向通信，并能在本地执行代码。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热点观点：AI 代码要不要读、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期逐条拆解几个 AI 热点观点：AI 生成代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，可共存；RAG 并未死亡，只是不再是最新话题，它为模型提供训练数据之外的信息，减少 token 浪费并降低答案不完整的可能。