圖片:The New Stack編碼代理可以被評估,我們只需要評估其工作成果 - The New Stack
• The New Stack 探討了評估非確定性 AI 編碼代理的轉向,主張應根據其實際輸出而非將其視為對話式聊天機器人來進行評分。 • 提議的方法利用可執行合約和詳細的計分卡,來衡量這些代理所產生代碼的功能性成功率。 • 此方法至關重要,因為傳統的 LLM 基準測試通常無法捕捉代理是否能在現實環境中實際解決複雜的軟體工程任務。
thenewstack.io熱門話題
關於 Coding 的最新報導和分析。
19 篇文章
圖片:The New Stack• The New Stack 探討了評估非確定性 AI 編碼代理的轉向,主張應根據其實際輸出而非將其視為對話式聊天機器人來進行評分。 • 提議的方法利用可執行合約和詳細的計分卡,來衡量這些代理所產生代碼的功能性成功率。 • 此方法至關重要,因為傳統的 LLM 基準測試通常無法捕捉代理是否能在現實環境中實際解決複雜的軟體工程任務。
thenewstack.io
圖片:The New Stack• AI 編碼工具顯著提升了個別開發者的速度,但整體的工程生產力與信心依然停滯不前。 • 來自 DX 和 LinearB 的研究指出,這些增益被較大的 pull requests、不足的性能衡量以及過時的遺留流程所抵消。 • 這一差距至關重要,因為 AI 的效率正被軟體開發生命週期中的系統性瓶頸所抵消。
thenewstack.io
圖片:The New Stack• Meta 推出了 Muse Code,這是一款全新的編碼代理程式,為開發者提供價格極其低廉的「貢獻者層級」(contributor tier)。 • 根據 Meta 的 Wang 表示,此特定價格層級比標準的按量計費選項便宜 10 倍以上。 • 為了獲得這些較低的成本,用戶必須選擇加入,允許 Meta 使用其數據來訓練並改進底層模型。
thenewstack.io
圖片:The New Stack• 科技公司 Coinbase、Shopify 和 Ramp 雖然開發了各自專有的 AI 編碼代理(coding agents),但仍持續支付費用使用 Anthropic 的 Claude Code。 • 產業趨勢顯示,主要的競爭優勢在於「代理框架」(agent harness)——即圍繞 AI 的基礎設施——而非底層的大型語言模型。 • Ramp 的 「Inspect」工具便是一個典範,它能在沙盒虛擬機中執行程式碼,並與 Datadog、Sentry 和 LaunchDarkly 等工程系統整合。
thenewstack.io
圖片:The New Stack• Microsoft 已結束 AI 程式碼開發的「空白支票」時代,為每個部門分配特定的 AI token 預算,並將 GPT-5.6 Sol 設定為 Copilot 的預設模型。 • 此次策略轉移的重點在於最大化「單個 token 的影響力」,而非單純降低整體使用量,以確保 AI 的效率。 • 雖然此舉證明了對 coding agents 進一步投資的合理性,但 Microsoft 指出,合併的 pull requests 僅是生產力的替代指標。
thenewstack.io
圖片:The New Stack• Meta 於 2026 年 7 月 9 日推出了更新後的 AI 程式碼代理 Muse Spark 1.1,旨在協助內部開發人員與研究人員。 • 為了提升效能,Meta 正利用自家工程師的程式碼修正作為訓練數據,以精進模型的準確度。 • 儘管內部採用率提高且較原始版本有所改進,但在公開基準測試中,Muse Spark 1.1 仍落後於 OpenAI 和 Anthropic 等頂尖競爭對手。
thenewstack.io• 2026年,包括 Akash Makhija、Prasanna Bisht 和 Samara Tijori 在內的一波新興人才,已成功在 Over-the-Top (OTT) 串流平台中脫穎而出。 • 這些年輕演員在多種不同類型的作品中獲得成功,標誌著數位版圖的轉變,即便資深超級巨星仍持續向串流服務遷移。 • 這一趨勢凸顯了業界對新面孔日益開放的態度,使高品質網劇製作的人才庫更加多元化。
hindustantimes.com
圖片:The New Stack• 開放權重模型 Kimi K3 已奪得 Arena 前端程式碼編寫排行榜的榜首,表現超越多款專有 AI 編碼工具。 • 此成就凸顯了開發者工具領域的格局轉變,證明開放權重模型在專門任務中能與閉源系統競爭。 • 隨著高質量的開放替代方案讓開發者更容易獲取,這一進展迫使 IDE 供應商重新審視其「模型鎖定」策略。
thenewstack.io
圖片:TechCrunch• 印度 AI 程式碼初創公司 Emergent 在獲得 1.3 億美元的 C 輪融資後,正式躋身獨角獸行列。 • 該公司報告強勁的財務增長,年化營收運行率達到 1.2 億美元,且擁有超過 20 萬名付費客戶。 • 這一里程碑凸顯了投資者對 AI 驅動開發工具日益增長的興趣,使 Emergent 與 Lovable、Replit 和 Cursor 等競爭對手並列。
techcrunch.com• 中國初創公司 Z.ai 推出了 ZCode,這是一款全新的 AI 驅動編碼工具,旨在與 Cursor 等成熟的競爭對手競爭。 • ZCode 是 GLM 5.2 的官方開發環境,該開源模型以其高上下文窗口(context window)以及在網路安全領域的強大性能而聞名。 • 該工具旨在透過低於美國 AI 編碼助手的定價來顛覆市場,挑戰矽谷大科技公司的主導地位。
africa.businessinsider.com• 開發者越來越信任如 Cursor 等 AI 編碼代理程式,讓其自主編寫並部署代碼。 • 一種日益增長的趨勢顯示,AI 生成的代碼正直接進入生產環境,部分開發者甚至跳過了傳統的人工審查流程。 • 這一轉變凸顯了在專業軟體工程工作流中,生成式 AI 工具的感知可靠性顯著提升。
businessinsider.com• 中國 Zhipu AI 發布了 GLM-5.2,這是一款旨在挑戰全球人工智慧領導者的高成本效益編碼模型。 • 該模型標誌著一個重要的里程碑,是首個在全球主要產業基準測試中排名前三的中國發布模型。 • 這一成就被描述為新的「DeepSeek 時刻」,顯示中國在以較低計算成本生產高性能模型方面的能力不斷增強。
scmp.com• Elon Musk 的公司將 Cursor 應用程式背後的初創公司納入其與 xAI 共同的投資組合,市值達到 2.8 兆美元。 • Elon Musk 旗下的 SpaceX 正以 600 億美元收購 AI 驅動的程式碼開發應用程式 Cursor 的初創公司,且在股票上市幾天後,其估值已超越 Amazon。 • 該公司已同意收購 Anysphere,後者利用 AI 作為程式碼開發技術的成功而獲利。閱讀更多...
theguardian.com
圖片:Tech Times• 中國 AI 模型(特別是 DeepSeek)目前在 OpenRouter 的流量中處於領先地位,OpenRouter 是一個全球開發者用來存取各種 LLM 的熱門平台。 • 這一趨勢凸顯了一種轉變,即來自中國的開放權重(open-weight)模型在性能上具有競爭力,但同時也帶來了顯著的數據隱私與安全風險。 • 包括美國、南韓、義大利、澳洲和台灣在內的多個國家/地區,已實施監管禁令,禁止在政府設備上使用 DeepSeek。
techtimes.com
圖片:eWeek• OpenAI 推出了 GPT-5.5,這是一款強大的新模型,專為編碼、研究、數據分析、電腦操作以及需要極少引導的複雜工作負載而優化。 • 此次升級能以更高的自主性處理更雜亂的現實世界任務,並跨多種工具運作,減少了對大量提示詞的需求。 • 此版本的發佈加劇了 AI 能力的競爭,目標對象為軟體開發和科學研究領域的專業用戶。
eweek.com
圖片:BusinessDesk• SpaceX 獲得了以 600 億美元收購 AI 程式碼編寫新創公司 Cursor 的選擇權,顯示其正積極擴展至人工智慧開發工具領域。 • 此次收購選擇權反映了 Cursor 在 AI 輔助軟體開發領域的卓越地位,該市場目前正迅速整合,並吸引了大型科技集團的關注。 • 此交易凸顯了 SpaceX 的戰略轉向,旨在強化內部 AI 能力,以加速太空探索和衛星網路基礎設施的軟體開發。
businessdesk.co.nz
圖片:TechCrunch• 成立三年的新創公司 Factory 在 2026 年 4 月 17 日由 Khosla Ventures 領投,籌集了 1.5 億美元,估值達到 15 億美元。 • 該資金旨在開發能為企業自動化軟體開發的 AI 編碼工具,讓開發者能專注於處理複雜任務。 • 此輪融資反映出在美國科技產業追求效率的趨勢下,投資者對 AI 自動化的興趣激增。
coaio.com• 健康保險計畫依賴「降碼」(downcoding) 方案來削減醫師補償,-這促使州級層面進行改革,相關內容在 AMA 2026 年 3 月 27 日的州級倡議更新 (State Advocacy Update) 中得到強調。 • 這些做法損害了醫師的收入與患者的醫療照護品質,導致政策制定者介入以建立更公平的支付體系。 • 該更新涵蓋了 2026 年 3 月的主要倡議故事,強調在持續的補償爭議中對醫師提供保護。
ama-assn.org• 由 Guillermo Rauch 創立的 Web App 與 AI Agent 託管平台 Vercel 宣布,截至 2026 年 2 月下旬,其 GAAP 年度化營收(run-rate revenue)達 3.4 億美元。 • 受益於對 AI 驅動的編碼工具及開發者平台的爆發性需求,營收同比大幅增長 86%。 • 這家估值 93 億美元的獨角獸企業為諸如 Jmail(用於查看 Epstein Files)等熱門界面提供支持,展現了 AI Agent 在現實世界中的應用。
forbes.com