搜索
如今的 AI Agent 正在大规模落地，其中应用最广且最受关注的当数 Claude Code，Codex，Cursor 这类 coding agent。过去的一年里，这类 coding agent 产品迭代迅速，在一年内将在 swe-bench- verified 的准确率提高到了 78%+。
Agentic Coding 评测里 V4-Pro 已经到当前开源最佳水平。DeepSeek 公司内部已经把 V4 作为默认编码模型，反馈是优于 Sonnet 4.5，交付质量接近 Opus 4.6 的非思考模式，和 Opus 4.6 的思考模式还有差距。这次还专门为 Claude Code、OpenClaw、OpenCode、CodeBuddy
全球最强编程模型，中国造。
在 Princeton 发布 SWE-Bench 之后，用真实世界代码仓库+可执行测试评测大模型软件工程能力，几乎已成为学术界与工业界的共识。围绕 SWE issue 的评测范式迅速发展，也催生了一系列 SWE 系列 benchmark，在刻画模型 bug 修复能力方面发挥了重要作用。
开源模型同样能承担复杂工程任务。
“很正确，无比正确” 当我们问起阿里巴巴 Qoder[1] （Agentic Coding 产品）创始人叔同，关于他带领团队冲入全球 AI Coding 这片“红海” 60 天后的感受时，他给出了这样简单而坚定的回答。他的底气，源自一份优秀的成绩单：上线 5 天用户迅速突破 10 万，仅 60 天斩获 50 万开发者用户。
这几天，关于「微调已死」的言论吸引了学术圈的广泛关注。一篇来自斯坦福大学、SambaNova、UC 伯克利的论文提出了一种名为 Agentic Context Engineering（智能体 / 主动式上下文工程）的技术，让语言模型无需微调也能实现自我提升！
调模型不如“管上下文”。这篇文章基于 ACE（Agentic Context Engineering），把系统提示、运行记忆和证据做成可演化的 playbook，用“生成—反思—策展”三角色加差分更新，规避简化偏置与上下文塌缩。在 AppWorld 与金融基准上，ACE 相较强基线平均提升约 +10.6% 与 +8.6%，适配时延降至约 1/6（-86.9%），且在无标注监督场景依然有效。
智东西9月5日消息，刚刚，大模型独角兽月之暗面发布新模型Kimi K2-0905，目前，Kimi应用和网页版中的K2模型已全量升级到Kimi K2-0905。该模型的核心升级点为Agentic Coding能力增强、支持256K上下文、API支持高达60-100Token/s的输出速度、支持Claude Code。
曾被 OpenAI 相中，开价 30 亿美元的 AI 编程初创公司 Windsurf，如今转身投奔了 Google。就在刚刚，Google 宣布将 Windsurf 部分高管及工程团队纳入其旗下的 DeepMind 团队，重点推进「代理式编码」（Agentic Coding）方向的研究。