SWE‑1.7:以更低成本達成前沿智慧
SWE‑1.7 以更低成本達成前沿智慧,成為 Cognition 最新的 RL‑驅動 LLM。 - 成本效能:相較 Kimi K2.7,SWE‑1.7 在 FrontierCode 1.1 上 42.3% 通過率,成本僅為 30.1% 的平均 USD 花費。
推薦理由:SWE‑1.7 以更低成本達成前沿智慧,為軟體工程代理提供可直接套用的技術與指標;其高效 RL 訓練架構與長期任務自壓縮功能,對開發者提升實務價值。
SWE‑1.7 以更低成本達成前沿智慧,成為 Cognition 最新的 RL‑驅動 LLM。 - 成本效能:相較 Kimi K2.7,SWE‑1.7 在 FrontierCode 1.1 上 42.3% 通過率,成本僅為 30.1% 的平均 USD 花費。
推薦理由:SWE‑1.7 以更低成本達成前沿智慧,為軟體工程代理提供可直接套用的技術與指標;其高效 RL 訓練架構與長期任務自壓縮功能,對開發者提升實務價值。
測量開源衍生模型的可信度 - 評估工具:Cognition 建立了結合直接提問與真實編碼場景的評估套件,涵蓋宣傳、拒絕與差異化安全等三大維度。 - 實驗物件:對 Kimi K2.7 Code、DeepSeek‑V4、GLM 5.2、GPT 5.5、Claude Opus 4.8 以及新開發的 SWE‑1.7 進行測試。
FrontierCode 1.1 以更精細的網路使用規範與評分審核,將模型測試從不公平的網路搜尋中分離,並提升評分準確度。 - 公平網路使用:新增「fair internet use」提示與驗證器,將不公平使用率降至 1% 以下。
推薦理由:FrontierCode 1.1 透過精細化網路使用規範與評分審核,提升模型測試的真實性與公正性,並兼顧實務可執行性,為開發者提供可落地的評估指標。
導語:Devin 安全漏洞修復計畫利用 AI 軟體工程師,協助組織在六週內清理漏洞後續持續修復。 - 兩大支柱:先清理現有漏洞,後持續發現並修復新漏洞。
Devin Security Swarm 是一款自動化安全掃描工具,能在程式碼庫中發現漏洞、驗證可利用性並自動產生修補 PR。 - 功能:跨檔案推理、連結攻擊路徑、沙盒驗證、修補 PR 生成。
推薦理由:能自動驗證可利用漏洞並自動產生修補 PR,降低成本並提高修復速度,同時支援多語言程式碼庫,並可在日常 CI 中自動執行,減少人工審核負擔
Devin Fusion 以 60% 成本降低,仍保持前沿編碼效能。 - 效能:FrontierCode 1.1 Extended Score 63.1。
推薦理由:文章說明瞭如何以 60% 成本降低維持前沿編碼效能,對需要高效 AI 程式設計的工程團隊具有實際參考價值。
Deno 2.9.0 釋出多項新功能,包含 CLI 擴充、桌面安裝程式與模組型別支援。 - CLI:新增 --declaration、deno link/unlink、deno watch、deno list 等子指令。
Python 3.15.0 beta 3 已發布,為 Python 3.15 系列的第三個 beta 版。 * 195 項修復、建置改進與檔案更新,來自 86 位貢獻者。
推薦理由:Python 3.15 beta 3 推出多項新功能與效能提升,開發者可先行測試以確保上線相容。
Modal 針對沙盒啟動延遲進行拆解,指出容器啟動只是整個流程的一小段,真正耗時的是應用程式初始化。 - 完整啟動週期 Created → Scheduled → Started → Ready → In Use,容器啟動時間通常佔不到 10% 的總等待。
推薦理由:瞭解沙盒啟動全流程與最佳化方法,能協助工程師減少使用者等待時間並提升系統吞吐量,在高併發環境下更顯優勢。
Kimi K2.7 Code 與 Claude Fable 5 在產生 12 個登入頁的實驗中,成本平均下降 94%,且品質相近。 1. 成本 Kimi 4 分錢/頁,Fable 1.09 美元/頁,平均 16 倍便宜。
Deno 2.8.3 版本更新 - 核心功能:CLI 新增 --env-file、DENO_TLS_CA_STORE 建議、watch 模式、config globs、SubtleCrypto.supports()、ML-DSA JWK 等。
FlashAttention-4 針對推理工作負載進行多項最佳化,提升大型語言模型的效能。 - FP8 支援:新增 8-bit 浮點輸入,吞吐率相較 bf16 基準提升至 1.16 倍。
FrontierCode 是一份由 Cognition 及 36 個開源專案維護者共同打造的 benchmark,專注評估模型產出可合併、符合高品質標準的程式碼。
推薦理由:FrontierCode benchmark 以實際維護者判準衡量模型產出可合併程式碼,揭示即便最先進模型仍難達高品質標準。
Devin 是 Cognition 開發的自動化程式設計代理,本文介紹瞭如何用人力等價時間衡量其產出,並提供了一套自動化估算模型。 - 核心方法:先分類工作是否有實際價值,再用估算代理推算同等人力工時,模型在 233 個驗證樣本上達到 rlog 0.74。
推薦理由:文章闡述如何以人力等價時間衡量自動化程式設計代理的實際產出,對於評估 AI 投資效益與調整資源配置具有參考價值。
Devin Desktop 是 Cognition 推出的 Windsurf 下一代 Agent 開發環境,將 Agent Command Center 與完整 IDE 整合於一體。
Python 3.15.0 beta 2 現已釋出,為即將推出的 3.15 版本提供第二階段測試。 - 主要功能:PEP 810 明確延遲載入、PEP 814 新增 frozendict。
圖片多的問題一次送進 VLM 時,負責看圖的工作會讓 GPU 忙不過來,使用者得等更久。SGLang 透過 Dynamo 把部分圖片處理工作交給 CPU,再用路由器依照 CPU 和 GPU 的忙碌程度分配請求。測試使用 Qwen3-VL-8B-Instruct,在每秒送出 1 到 2 個請求時,混用 CPU 和 GPU 的做法,首個文字回覆時間和處理請求量提升約 1.2 到 1.3 倍;每個輸出 token 的等待時間則減少約 1.3 到 30 倍。這顯示,把看圖工作分給 CPU,有機會讓忙碌時的服務更快。
Cognition 於 2026 年 5 月 27 日宣佈已完成 10 億美元融資,估值 260 億美元,投資方包括 Lux Capital、General Catalyst 與 8VC。
推薦理由:Cognition 以 10 億美元融資,推動 AI 軟體工程者 Devin 的商業化與產業影響力擴大。
Mistral AI 推出 128B 開源旗艦模型 Mistral Medium 3.5,具備 256k 上下文視窗、可配置推理強度以及從頭訓練的視覺編碼器,並在 SWE-Bench Verified 上取得 77.6% 的成績。
推薦理由:Mistral Medium 3.5 的釋出和雲端非同步AI 助理能力的上線,展示瞭如何通過長上下文與多工具呼叫降低開發者的任務阻塞成本。
summary_zh: Devin 現在能在 Windows VM 內原生建置、執行與測試,將自主 AI 工程能力帶入全球最成熟的開發者生態系。 - 核心功能:在 Windows 環境下建置、執行、測試 .NET Framework 與 .NET Core 應用,並自動產生遷移程式碼,完成 .NET Framework → .NET Core 的遷移。
summary_zh: Applied Compute 透過強化學習,為 DoorDash、Cognition 與 Mercor 等企業打造專屬 AI 代理,並以 Modal 平臺實現高效、可靠的訓練迴圈。
Together AI 針對編碼代理工作負載,推出一套大規模推理基準測試,量化多使用者同時長上下文對 TTFT、TPS 及吞吐的影響。 - 工作負載特徵:提示長度 45k–200k tokens,平均生成 450 tokens,模擬實際編碼會話增長。
Google DeepMind 正式推出 Gemini 3.5 模型系列的首款型號 3.5 Flash,主打前沿智慧與高速推理,重點提升AI 助理和編碼任務表現。3.5 Flash 在 Terminal-Bench 2.1 等基準上表現優於 Gemini 3.1 Pro,速度達到其他前沿模型的 4 倍,目前已全面向全球使用者、開發者及企業推出。
Devin 現已支援 Android Virtual Device (AVD),可在自身機器上編譯、執行並測試 Android 應用。 - 自動化開發:不需手動部署,直接在 Devin 內部環境執行。 - 即時行為觀察:可開啟應用、檢查行為、重現問題並驗證修改。 - 使用門檻低:只需在開發時呼叫 Devin,即可啟用模擬器功能;相關檔案已上線。
推薦理由:Devin 內建 Android 模擬器後,工程師可在同一環境完成編譯、執行與測試,省去手動部署流程。同時支援多語言開發,提升跨平臺測試效率。
導語:Devin 透過 AI 自動化失敗分流與測試生成,已在 RV Tech、Mercedes 等 OEM 的 HIL/SIL 工作流程中,將工程人力節省 2K–4K 小時/月,並將測試產出提升 10 倍。
推薦理由:AI 驅動的自動失敗分流與測試生成,節省數千人力小時,提升測試產出十倍,對車載驗證效率具參考價值。
Goose Agent 與 Together Dedicated Container Inference 讓開發者能在一個 session 內把 Hugging Face 上的新模型(如 Netflix 的 void‑model)部署到 GPU 背景的容器中,零配置即時使用。
推薦理由:本文示範如何利用 Goose Agent 及 Together Dedicated Container Inference,將 Hugging Face 模型零配置即時部署,縮短從發布到使用的時間,對快速實驗與落地具有實務價值。
Mercedes-Benz 與 Cognition 合作,在全球工程團隊部署 Devin 與 Windsurf,推動軟體開發現代化。\n- 部署規模:跨美洲、歐洲、亞洲多個團隊,成為汽車產業最大 AI 工程部署之一。
推薦理由:Mercedes-Benz 以 Devin 與 Windsurf 加速軟體開發,顯示 AI 工具在大型製造業的可行性與效益。
**SWE‑Check 是 Cognition 與 Applied Compute 合作研發的專門化 bug 檢測模型,能以約 10 倍速度比 Opus 4.6 同等效能。
Devin 宣佈全新自助訂閱方案,將取代舊 Core 與 Team 計畫,並開始對 Ask Devin、DeepWiki、Devin Review 等產品收費。
Devin 是 Cognition 推出的代理工具,專為 COBOL 程式碼庫設計。 - 47% 組織無法填補 COBOL 職位,92% 開發者預計 2030 年退休,迫切需要數位化。
SWE‑1.6 於 2026 年 4 月 7 日正式發布,針對軟體工程代理體驗進行最佳化,速度可達 950 tok/s,並於 Windsurf 免費使用 3 個月。
推薦理由:SWE‑1.6 以更快速度與更低成本提供最佳化的軟體工程代理體驗,讓開發者能即時測試並提升工具使用效率。
summary_zh: Supabase 發布 supabase.sh,一個公開 SSH 伺服器,讓 AI 編碼代理能直接以 bash 存取 Supabase 文件。
導語 Devin 現已能自動排程重複工作,讓團隊可輕鬆設定每週或每日任務,無需手動配置 cron 或工作流。• 自動排程 只需描述要執行的工作,Devin 會決定頻率、設定排程並自動執行。
Devin 現已支援「管理多個 Devins」功能,能將大型任務拆分成多個獨立工作單元,並行執行於各自的隔離虛擬機器。 - 核心功能:主 Devin 作為協調者,拆分任務、指派子 Devin、監控進度、合併結果;每個子 Devin 擁有獨立終端、瀏覽器、測試執行環境。
推薦理由:此功能可將大型任務拆分為多個獨立 Devins,提升開發效率與測試覆蓋度,並支援即時監控與自動回報,讓團隊更快迭代。
Mamba‑3 是一款新型 SSM,專為推理效率設計,於 1.5B 模型層級下,預填+解碼延遲均優於 Llama‑3.2‑1B、Gated DeltaNet 及 Mamba‑2。
Mistral AI 釋出了 Mistral Small 4,這是一款統一推理、多模態與編碼功能的模型,採用 119B 引數、256k 上下文視窗,支援可配置推理強度,提供 40% 的延遲降低和 3 倍的吞吐量提升。該模型採用 Apache 2.0 許可,支援 vLLM、llama.cpp、SGLang 等開源框架,並已加入 NVIDIA Nemotron 聯盟。
推薦理由:Mistral Small 4 將推理、多模態與編碼功能統一,提供可配置推理強度和高效推理,幫助使用者在單一模型中完成多種任務。
Python 3.15.0 alpha 7 是 Python 3.15 系列的第七個 alpha 版,提供多項新功能與效能改進。
summary_zh: 設計師 Ruth Heasman 在 Replit 的 mobile Buildathon 上,利用 Replit Agent 在一週內完成 Spookseek AR,將 Halloween AR 想法變成可上 App Store 的 iOS 追魂遊戲。
Devin 透過自動修復 PR 評論,實現編碼與審查的閉環。 - 功能:自動拾取任何 PR 上的機器人評論(如 linter、CI、漏洞掃描器),並直接修復問題。
推薦理由:Devin 透過自動修復 PR 評論,實現編碼與審查的閉環,顯著提升 PR 效率與品質。
Mistral AI 釋出終端原生編碼AI 助理 Mistral Vibe 2.0,搭載 Devstral 2 模型系列並帶來自定義子AI 助理、多項選擇澄清、斜槓命令技能與統一AI 助理模式。該版本現已上線 Le Chat Pro 與 Team 計劃,支援按量付費和自帶 API 金鑰,Devstral 2 也同步轉入 Mistral Studio 的付費 API 訪問。