The last six months in LLMs in five minutes★ 75
Simon Willison's Weblog14d agoCommentarySimon Willison 在 PyCon US 2026 的 5 分鐘閃電演講中，回顧了自 2025 年 11 月以來的 LLM 關鍵進展。他指出這半年間「最強模型」在三大巨頭間易手五次（包含 GPT-5.1、Gemini 3 與 Claude Opus 4.5）。最重要的是，得益於可驗證獎勵的強化學習（RLVR），程式碼生成 Agent（如 Claude Code）已跨越實用門檻，成為開發者的日常主力工具。
Claude Code's product lead talks usage limits, transparency, and the "lean harness"★ 80
Ars Technica AI18d agoOpinionAnthropic 旗下熱門命令列 AI 助手 Claude Code 的產品主管 Cat Wu 近日接受專訪。她透露團隊在開發這款 Agent 工具時「沒有宏偉的藍圖」，而是採取刻意為之的靈活迭代策略。訪談重點圍繞在開發者最關心的 API 使用額度與成本限制、如何透過高透明度介面建立信任，以及如何利用「精簡測試架構（lean harness）」在不犧牲效能的前提下，優化 Agent 的執行效率與準確度。
[AINews] Codex Rises, Claude Meters Programmatic Usage★ 75
Latent Space19d agoCommentary本期 AINews 聚焦於 AI 寫程式 Agent 的長期發展趨勢。Anthropic 開始針對 Claude 的程式化使用（Programmatic Usage）進行計量與限制，這將直接影響開發者透過自動化腳本或第三方工具調用 Claude 的成本。另一方面，Codex 相關的自動化編程 Agent 影響力持續上升，顯示出 AI 在軟體開發流程中的滲透率正穩定增加。
AlphaEvolve: How our Gemini-powered coding agent is scaling impact across fields★ 80
Google DeepMind Blog27d agoReleaseGoogle DeepMind 發表 AlphaEvolve 的最新進展。這款由 Gemini 驅動的程式碼 Agent（Coding Agent）透過先進的演算法，在商業營運、基礎設施優化以及科學研究三大領域展現強大影響力。它不僅能自動化編寫程式，更能自我演化以適應複雜的跨領域需求，加速技術落地。
Import AI 453: Breaking AI agents; MirrorCode; and ten views on gradual disempowerment★ 75
Import AI (Jack Clark)50d agoCommentary本期 Import AI 深入探討三個核心議題：首先是 AI Agent 在面對惡意輸入與複雜環境時的脆弱性與破解方法；其次介紹了代碼生成領域的新技術或基準測試 MirrorCode；最後，透過十種不同視角，探討人類因逐漸將決策權讓渡給 AI 系統而導致的「漸進式失權（Gradual Disempowerment）」風險，並以「火的發明是否等同於當時人類的奇點」進行哲學反思。
Liberate your OpenClaw★ 75
Hugging Face Blog67d agoTutorial本文探討如何「解放」開源 CLI 開發 Agent 工具 OpenClaw。隨著類似 Claude Code 的終端機 Agent 工具興起，Hugging Face 介紹了如何將 OpenClaw 與 Llama、Qwen 等開源模型整合。透過 Hugging Face 的推論 API 或本地部署，開發者可以不再受限於單一閉源 API，實現高自由度、低成本且隱私安全的自主開發流程。
GPT 5.4 is a big step for Codex★ 80
Interconnects (Nathan L.)76d agoCommentary本文探討了 GPT 5.4 對於 OpenAI 旗下 Codex（代碼與 Agent 生態）帶來的重大進展。作者 Nathan L. 深入評估了當前 AI Agent 的前沿發展，分析了 GPT 5.4 的進步。然而，儘管 GPT 5.4 取得了顯著突破，作者也解釋了在實際開發與評估中，他依然更傾向於選擇 Anthropic 的 Claude 的原因。
Import AI 444: LLM societies; Huawei makes kernels with AI; ChipBench★ 75
Import AI (Jack Clark)113d agoCommentary本期 Import AI 涵蓋三大前沿議題：首先探討如何量化 AI 的「創意」與 LLM 社會模擬（LLM societies）的最新進展；其次聚焦華為利用 AI 技術自動生成與優化作業系統核心（Kernel）的實踐，展示 AI 在系統級程式設計的潛力；最後介紹 ChipBench，這是一個評估 AI 在晶片設計與硬體描述語言（HDL）生成能力的全新基準測試。
Claude Code and What Comes Next★ 85
One Useful Thing (Mollick)145d agoCommentary知名 AI 學者 Ethan Mollick 撰文分析 Anthropic 最新釋出的命令列工具 Claude Code。他指出，這款工具代表了 AI 從單純的「對話框」走向「自主代理人（Agent）」的重大轉變。Claude Code 不僅能寫程式，還能直接在終端機執行、測試、根據錯誤訊息自我修正並完成 Git 提交。這預示著未來所有工作流程都將被這種「給予工具並讓其自主嘗試」的 Agent 模式所顛覆。
Gemini achieves gold-medal level at the International Collegiate Programming Contest World Finals★ 85
Google DeepMind Blog221d agoReleaseGoogle DeepMind 發表最新突破，旗下 Gemini 2.5 Deep Think 模型在國際大學生程式設計競賽（ICPC）世界總決賽中展現出金牌等級的表現。這項成就代表 AI 在抽象問題解決、複雜演算法設計與程式碼除錯能力上取得了巨大飛躍。該模型透過深度思考與自我修正機制，成功攻克了原本只有全球頂尖人類程式設計師才能解決的難題。
Introducing CodeMender: an AI agent for code security★ 82
Google DeepMind Blog221d agoReleaseGoogle DeepMind 發表全新 AI Agent「CodeMender」，旨在解決軟體安全中的關鍵漏洞修復難題。CodeMender 不僅能自動偵測程式碼中的安全漏洞，還能主動生成修復補丁並進行驗證。這項技術結合了先進的大型語言模型與自動化測試，大幅提升了軟體開發生命週期中的安全性與修復效率。
BigCodeArena: Judging code generations end to end with code executions★ 75
Hugging Face Blog238d agoReleaseHugging Face 與 BigCode 合作推出全新評測平台「BigCodeArena」。該平台主打「端到端實際執行（Execution-based）」評測機制，將模型生成的程式碼置於安全沙盒中運行並進行單元測試。這解決了傳統「LLM 當裁判」或靜態分析無法驗證程式碼真實可用性的痛點，為開發者與研究人員提供更具公信力的 Code LLM 排行榜。
Announcing Replicate's remote MCP server★ 75
Replicate Blog296d agoNew ToolReplicate 宣布推出遠端 MCP（Model Context Protocol）伺服器，將其平台上的數萬個開源模型直接接入開發工作流。使用者現在無需離開編輯器或聊天介面，即可在 Claude Desktop、Cursor 和 VS Code 等工具中，直接搜尋、比較並執行 Replicate 上的模型。這項更新大幅簡化了開發者測試與整合各種開源 AI 模型（如 Llama、Flux 等）的流程，提升開發效率。
📚 3LM: A Benchmark for Arabic LLMs in STEM and Code
Hugging Face Blog305d agoRelease阿聯酋技術創新研究所（TII）在 Hugging Face 發布了名為「3LM」的全新評估基準。該基準專為阿拉伯語大語言模型（LLM）設計，旨在測試其在科學、技術、工程、數學（STEM）以及程式碼編寫等高難度領域的能力。這填補了目前多語言 AI 評估中，阿拉伯語技術性評測工具不足的空白。
Grep a million GitHub repositories via MCP★ 80
Vercel Changelog320d agoNew ToolVercel 宣布推出支援模型上下文協定（MCP）的新工具，允許 AI 代理與開發工具（如 Claude）直接檢索數百萬個 GitHub 公開儲存庫。開發者現在可以讓 AI 快速搜尋開源社群中的特定 API 用法、程式碼範例或設定檔，大幅提升開發效率與程式碼生成的準確性。
Gemini 2.5: Our most intelligent models are getting even better★ 85
Google DeepMind Blog378d agoReleaseGoogle DeepMind 宣布更新 Gemini 2.5 系列模型。備受開發者喜愛的 Gemini 2.5 Pro 將推出實驗性的「Deep Think」增強推理模式，大幅提升複雜問題的解決能力；同時，主打輕量高效的 Gemini 2.5 Flash 也獲得全新升級，帶來更強大的功能與效能表現。
[AINews] OpenAI o3, o4-mini, and Codex CLI★ 90
TLDR AI (Buttondown)411d agoReleaseOpenAI 正式發表新一代推理模型 o3 與 o4-mini，強調透過 10 倍強化學習（RL）算力提升推理效率。o4-mini 不僅價格更便宜，在多項指標、視覺與工具調用能力上皆有顯著進步。此外，OpenAI 還驚喜推出了完全開源的終端機 AI 工具 Codex CLI，直接對標 Anthropic 的 Claude Code。
[AINews] DeepCoder: A Fully Open-Source 14B Coder at O3-mini Level★ 85
TLDR AI (Buttondown)419d agoReleaseTogether 與 Agentica Project（曾推出 DeepScaleR）聯合發表了全新 14B 程式碼推理模型「DeepCoder」。該模型完全開源，並採用 GPRO+（Group Relative Policy Optimization+）強化學習技術。在多項程式碼基準測試中，DeepCoder 展現出媲美 OpenAI o3-mini 的強大實力，是開源 AI 推理領域的重大突破。
Open R1: How to use OlympicCoder locally for coding★ 75
Hugging Face Blog439d agoTutorialHugging Face 發表指南，介紹如何利用 LM Studio 在本機運行 Open R1 計畫的 OlympicCoder 模型。OlympicCoder 是專為程式設計與推理優化的開源模型。透過本機部署，開發者無需將程式碼上傳至雲端，即可享受媲美頂級商用模型的程式碼生成與除錯能力，兼顧隱私與效能。
Introducing smolagents: simple agents that write actions in code.★ 85
Hugging Face Blog518d agoReleaseHugging Face 發表輕量級 AI Agent 框架「smolagents」，核心概念為「Code Agents」。與傳統輸出 JSON 的 Agent 不同，它讓 LLM 直接生成 Python 程式碼來執行複雜任務，大幅提升表達力與靈活性。該框架程式碼極簡（約千行），並內置安全的 Python 執行沙箱，支援多種主流 LLM 供應商。
Replicate Intelligence #5
Replicate Blog711d agoReleaseReplicate 發布最新技術情報，重點介紹在平台上架的超強開源程式碼模型 DeepSeek-Coder-V2，其性能在多項指標上超越 GPT-4 Turbo。此外，文章探討了 AI 搜尋技術的最新突破，以及 Replicate 如何利用自身平台技術構建 Discord 社群專用的自動化客服支援機器人，展示了開源 AI 在實際開發與社群營運中的強大應用潛力。
BigCodeBench: The Next Generation of HumanEval★ 80
Hugging Face Blog714d agoRelease傳統的 HumanEval 程式碼評測基準已逐漸飽和且過於簡單。Hugging Face 與研究團隊合作推出新一代基準 BigCodeBench，包含 1,140 個實用編程任務，涵蓋 139 個第三方 Python 函式庫。此基準旨在考驗 LLM 在複雜、多步驟及真實開發場景下的程式碼生成與指令遵循能力，成為評估 Code LLM 的新一代標準。
StarCoder2-Instruct: Fully Transparent and Permissive Self-Alignment for Code Generation★ 75
Hugging Face Blog764d agoReleaseHugging Face 與 BigCode 社群推出 StarCoder2-Instruct-15B。該模型最大特色在於採用「完全透明」與「寬鬆授權」的自我對齊流程。傳統指令模型常依賴 GPT-4 生成數據導致商用受限，而 StarCoder2-Instruct 完全使用開源模型自身生成數據進行訓練，在確保商用合規的同時，於 HumanEval 等基準測試中展現優異性能。
Introducing the LiveCodeBench Leaderboard - Holistic and Contamination-Free Evaluation of Code LLMs★ 75
Hugging Face Blog777d agoReleaseHugging Face 宣布上線 LiveCodeBench 排行榜，旨在解決傳統程式碼評估基準（如 HumanEval）容易遭受數據污染的問題。LiveCodeBench 透過持續收集 LeetCode、AtCoder 等平台的全新編程競賽題目，確保模型在未曾接觸過的數據上進行測試。該基準不僅評估程式碼生成，還涵蓋程式碼修復、測試案例生成及執行等多維度能力，為 Code LLM 提供更客觀、動態的實力排名。
CodeGemma - an official Google release for code LLMs★ 80
Hugging Face Blog784d agoReleaseGoogle 官方正式發布 CodeGemma 程式碼模型系列，基於 Gemma 架構。提供專攻 IDE 程式碼補全（Fill-in-the-Middle）的 2B 版本，以及適合程式碼生成與對話的 7B 版本。該系列模型已深度整合至 Hugging Face 生態系，支援多種主流程式語言，為開發者提供高效且可本地運行的開源 AI 助手選擇。
StarCoder2 and The Stack v2★ 80
Hugging Face Blog825d agoRelease由 Hugging Face 與 ServiceNow 主導的 BigCode 社群，聯合 NVIDIA 正式發布了新一代開源程式碼大語言模型 StarCoder2。該系列提供 3B、7B 和 15B 三種參數版本，並同步推出全新升級的 The Stack v2 資料集。StarCoder2 支援超過 600 種程式語言，並在程式碼生成、補全與修復等任務上展現出同量級模型中的頂尖性能，持續推動負責任且開放的 AI 開發。
SafeCoder vs. Closed-source Code Assistants★ 70
Hugging Face Blog995d agoReleaseHugging Face 推出針對企業設計的 SafeCoder 程式碼助手，旨在解決使用 GitHub Copilot 等閉源工具時的隱私與智慧財產權疑慮。SafeCoder 基於開源的 StarCoder 模型，支援在企業內部的 VPC 或地端環境部署，並允許企業使用私有程式碼進行微調。這項方案不僅確保程式碼不外流，還能提供高度客製化的開發輔助體驗。
Code Llama: Llama 2 learns to code★ 85
Hugging Face Blog1012d agoReleaseMeta 正式發布專為程式碼任務設計的開源模型 Code Llama，提供 7B、13B 與 34B 三種尺寸，並包含 Python 專用版與指令微調版。該模型支援高達 100k 的上下文視窗，在多項程式碼基準測試中表現優異。Hugging Face 已同步支援該系列模型的推理、部署與微調。
Introducing SafeCoder★ 75
Hugging Face Blog1015d agoReleaseHugging Face 宣布推出 SafeCoder，這是一套專為企業打造的程式碼寫作助手解決方案。SafeCoder 主打高度隱私與合規性，允許企業在自有的 VPC 或本地環境中部署，並能使用私有程式碼庫進行微調。該方案基於開源的 StarCoder 模型，旨在為企業提供一個可完全掌控、安全且不洩漏敏感資料的 GitHub Copilot 替代方案。
Creating a Coding Assistant with StarCoder
Hugging Face Blog1120d agoReleaseHugging Face 發表 StarChat Alpha，這是一個基於 15B 參數 StarCoder 基礎模型進行指令微調的對話式程式助手。透過特定的對話模板與微調資料集，StarCoder 從單純的程式碼補全工具升級為能進行多輪對話的 AI 助手。本篇介紹了其訓練細節、對話格式以及如何在 Hugging Face Spaces 上進行體驗。