OpenAI GPT-6 Sol Codex 系统提示词泄露，包含近 30 万字内部指令
据爆料者 @elder_plinius 称，OpenAI 的代码模型 GPT-6 Sol Codex 的系统提示词已泄露，包含约 29.4 万字符的完整指令和工具定义。
推荐理由：原文详细描述了泄露的系统提示词内容，包括反废话训练、自主工作流和工具链，为理解工业级代码智能体的设计提供了具体参考。
技术方向
AI 编码 最新动态
AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。
23 条精选近 30 天 14 条共收录 69 条
更新
AI 编码的精选
IT之家精选AI 评分6767 MarkTechPost精选AI 评分7373 GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 与 Claude Fable 5.1：如何根据任务选择前沿模型
文章对比了 OpenAI、Google DeepMind 和 Anthropic 在 30 天内发布的四款前沿模型。GPT-6.1 Sol 在 DeepSWE v1.1 等基准上表现接近 GPT-6 Astra，但价格仅为五分之一。
推荐理由：原文对比了四款前沿模型在价格、访问规则和不同任务上的表现差异，为读者选择模型提供了具体的工作负载匹配建议。
Latent Space精选AI 评分7373 Google DeepMind 发布 Gemini 4 Argon 模型，输出上限达 100 万 token
Google DeepMind 发布了 Gemini 4 Argon 模型，专注于编码、企业知识工作和网络防御，并提供了 100 万 token 的输出上限。模型在 19 项可信基准测试中的 13 项取得领先，标准定价为每 100 万输入/输出 token 4/20 美元，目前通过 Fairwind 项目向政府用户和可信网络防御者提供有限预览。
推荐理由：原文汇集了 Gemini 4 Argon 的发布详情、基准测试、定价和初步评测，读者可以了解其定位、能力与当前市场竞品的对比。
TechCrunch · 融资并购精选AI 评分6060 Factory CEO 指控风投顾问向竞对 Cognition 泄密
AI 编程公司 Factory CEO Matan Grinberg 在 X 上指控其董事会顾问 Chris Degnan 向最大竞争对手 Cognition 泄露机密信息后将其解雇。Degnan 否认被解雇，称自己主动辞职加入 Cognition 任首席营收官，并驳斥泄密指控。双方投资人 Khosla Ventures 的两位合伙人分别支持各自投资的公司，引发关于风投同时注资竞对企业的伦理争议。
推荐理由：AI 编程领域两家头部公司围绕董事会顾问跳槽的公开冲突，揭示了 VC 同时投资竞对时的潜在利益冲突。
Google DeepMind精选AI 评分7676 Google DeepMind 发布前沿模型 Gemini 4 Argon
Google DeepMind 宣布推出前沿模型 Gemini 4 Argon，旨在处理复杂、长周期的跨领域工作流。该模型在 DeepSWE v1.1 上达到 77.9% 的 SOTA 水平，输出 token 上限提升至 100 万，定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：原文详细列举了模型在软件工程、金融法律和网络安全等领域的性能表现及定价，读者可以据此评估其实际应用潜力。
InfoQ · AI/ML精选AI 评分6666 CodeScene 发布智能体重构 30 万行 C 代码的案例研究
CodeScene 发布了一项案例研究，其中编码智能体在三周内以约 4000 美元的成本，重构了一个 30 万行的 C 语言代码库（《街头霸王 III：三度冲击》）。
推荐理由：原文提供了详细的案例方法、成本数据和行业讨论，读者可以评估智能体大规模重构代码的实际可行性与局限。
AWS · AI 博客精选AI 评分6969 GPT-6.1 Sol 在 Amazon Bedrock 上正式可用
GPT-6.1 Sol 已在 Amazon Bedrock 上正式可用，为编码、计算机使用和专业工作负载带来更强的推理能力。根据 OpenAI 数据，它在 DeepSWE v1.1 上达到 GPT-6 Astra 的水平，而每个任务的成本约为后者的五分之一。用户可以通过 Amazon Bedrock 控制台或 API 开始使用，并利用其基础设施和访问控制功能。
推荐理由：原文给出了模型在 Agent 任务上的性能提升和成本对比，读者可以据此判断它是否适合集成到现有工作流中。
CNET · AI精选AI 评分6767 OpenAI DevDay 发布 GPT-6.1 Sol、Dots 智能体并调整订阅计划
OpenAI 在年度开发者大会上宣布了多项产品更新。推出了名为 Dots 的新型 AI 智能体，由 GPT-6 Astra 驱动，面向 Pro、Business Premium 和企业订阅者。
推荐理由：原文详细列出了新模型、新智能体、新协作空间和订阅计划调整，读者可以据此判断 OpenAI 最新的产品布局和定价策略变化。
GitHub Blog · AI & ML精选AI 评分5656 GitHub Security Lab 发布 AI 驱动的模糊测试 Taskflow Agent
GitHub Security Lab 发布了 Fuzzing Taskflow，这是一个基于 LLM Agent 的自动化模糊测试管道，用于 C/C++ 项目。
推荐理由：原文详细介绍了自动化模糊测试管道的架构、工作流程和实际使用方法，为安全研究人员提供了可复现的工程实践。
AI Business精选AI 评分6262 Anthropic 发布 Claude Opus 5.5 模型
Anthropic 发布了 Claude Opus 5.5 模型，擅长复杂的多步骤软件任务和知识密集型工作负载。其定价为每百万输入 token 4 美元、输出 token 20 美元，比 Opus 5 降价 20%，但仍高于同日发布的 OpenAI GPT-6 Sol 和 GPT-6 Luna。
推荐理由：原文提供了新模型在编码任务上的具体性能数据、价格变化以及与竞品的详细对比，读者可以据此评估其性价比。
Vercel 博客精选AI 评分5656 Vercel AI Gateway 上线 GPT-6 Sol 和 Luna 模型
OpenAI 的 GPT-6 Sol 和 GPT-6 Luna 模型现已在 Vercel AI Gateway 上线。GPT-6 Sol 适用于需要持续调查的复杂编码和智能体工作流，GPT-6 Luna 则是高吞吐量、重复性任务的高性价比选择。相比 GPT-5.6，两者在事实可靠性、沟通直接性和避免误导性代码完成声明方面有所改进。
推荐理由：Vercel AI Gateway 新增了 OpenAI 的两个 GPT-6 变体，并说明了各自在价格、适用场景和可靠性上的定位差异。
Vercel 博客精选AI 评分6262 Claude Opus 5.5 现已在 Vercel AI Gateway 上线
Anthropic 的 Claude Opus 5.5 模型现已在 Vercel AI Gateway 上线，可通过 anthropic/claude-opus-5.5 调用。
推荐理由：原文给出了新模型在 Vercel AI Gateway 上的可用性、核心能力变化和关键 API 变更，读者可以据此判断如何接入和使用。
Vercel 博客精选AI 评分5555 Grok 4.7 在 Vercel AI Gateway、fx 和 eve 上可用
SpaceXAI 的 Grok 4.7 现已在 Vercel AI Gateway 上提供，模型 ID 为 spacexai/grok-4.7。在 9 月 27 日前使用该模型的请求自动享受 40% 折扣。
推荐理由：原文提供了 Grok 4.7 在 Vercel 平台的具体接入方式和限时折扣，读者可以据此评估其部署成本和使用门槛。
IEEE Spectrum · AI精选AI 评分6161 AI生成代码激增推动代码审查模式变革
AI编码工具使代码生成速度大幅提升，但随之而来的是审查负担加重。调查显示，42%的代码由AI生成，96%开发者不完全信任其输出。企业正通过前置规划、AI代理初审、人类最终把关及要求开发者解释设计逻辑等方式重构审查流程。
推荐理由：原文揭示了AI生成代码带来的审查压力变化，以及企业如何通过流程重构应对可靠性挑战。
Google · Gemini 博客精选AI 评分7373 Google 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber
Google 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两款新模型，前者在编码与智能体任务中性能显著提升，后者在漏洞检测与自动修复方面达到前沿水平，均以 Flash 级别的速度和成本提供，其中 3.8 Flash Cyber 通过 Fairwind 程序向受信任的防御方开放。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Together AI精选AI 评分6565 GLM-5.3 与 GPT-5.6 Sol 在 DeepSWE 上的成本、编码与路由策略对比
Together AI 在 113 项 DeepSWE 任务上对比了 GLM-5.3 (max) 与 GPT-5.6 Sol (max)。GPT-5.6 Sol 在单次尝试准确率（pass@1 72.7% vs 69.0%）、可靠性和速度上保持领先，但每次尝试成本（$8.37）是 GLM-5.3（$3.99）的两倍多。
推荐理由：原文通过详尽的基准测试和成本分析，为开发者提供了在不同编程语言和任务类型下选择或组合使用这两个模型的决策依据。
The Register · AI/ML精选AI 评分6262 Slack 推出 Slack Code 功能，将 AI 编码智能体引入群聊
Slack 推出 Slack Code 功能，允许 AI 编码智能体在群聊环境中工作。智能体可以创建专用代码频道，团队成员可实时查看其工作、审查代码变更并指导调整。该功能支持 Anthropic 的 Claude、GitHub Copilot 和 OpenAI 的 ChatGPT 等智能体集成，未来将开放 API 支持更多应用场景。
推荐理由：Slack 将 AI 编码智能体引入群聊环境，展示了协作开发的新工作流可能性。
Together AI精选AI 评分7272 Together AI 评测：DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的成本与性能对比
Together AI 在软件工程基准 DeepSWE 上对比了 DeepSeek V4 Pro 0813 与 Claude Fable 5。Claude Fable 5 单次尝试准确率更高（69.7% vs 62.8%），但成本是前者的 90 倍（每次尝试 $21.63 vs $0.24）。
推荐理由：原文通过详细的成本、准确率和任务类型对比，为开发者选择模型提供了具体的决策依据。
Together AI精选AI 评分6262 Together AI 发布多 GPU 内核生成基准 ParallelKernelBench，前沿模型表现不佳
Together AI 发布多 GPU 内核生成基准 ParallelKernelBench，用于评估大模型编写跨 GPU 通信 CUDA 内核的能力。在 87 个真实代码问题中，表现最佳的 GPT-5.5 在单次尝试下仅正确解决 28 个问题，其中仅 22 个快于 PyTorch + NCCL 基线。研究揭示了模型在协调 GPU 间通信、数据分区和选择最优传输机制方面存在根本性困难。
Together AI精选AI 评分5757 Together AI 评测：Kimi K2.7 Code 与 Claude Fable 5 生成落地页的成本与质量对比
Together AI 对比了 Kimi K2.7 Code 与 Claude Fable 5 生成 12 个落地页的成本和质量。实验显示，Kimi K2.7 Code 的平均成本比 Fable 5 低约 94%，在结合定制设计灵感 MCP 服务器后，其输出质量与 Fable 5 相近。所有生成的页面、成本细目和 GPT-5.5 的评分结果都发布在 OVSC 网站上。
推荐理由：原文通过具体实验和成本对比，展示了开源模型在特定工作流中结合定制化工具的实际效益。