AI 正在改变开发者工作:三个值得加强的技能
GitHub Blog 指出 AI 正在改变开发者的工作方式,需加强三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首个答案、把 AI 省下的实现时间用于解决更大问题。
GitHub Blog 指出 AI 正在改变开发者的工作方式,需加强三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首个答案、把 AI 省下的实现时间用于解决更大问题。
Chatham Financial 使用 OpenAI 的 Codex 和 GPT-5.6 构建技术并重塑工作流,将交易验证时间从 30 分钟缩短至不足 4 分钟。
GPT-6 Astra Ultrafast 运行在 NVIDIA Blackwell GPU 上,现已在 OpenAI API 开放,并面向符合条件的 ChatGPT Work 和 Codex 用户,token 生成速度比 Astra Standard 模式最高快 8x。
推荐理由:原文对比了 Ultrafast 与 Standard 模式的速度差距,并说明更快的 token 生成如何嵌入智能体的编码循环。
Google DeepMind 发布前沿模型 Gemini 4 Argon,输出 token 上限从 64K 提升至 1M,介绍价为每百万输入 token 2 美元、输出 10 美元,缓存输入按输入价 95% 折扣。
推荐理由:文章给出 1M 输出 token 与分阶段放量的思路,读者可据此判断长程任务能力如何与安全节奏配套。
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用,为 agentic 编码、计算机使用和专业工作负载带来更强推理能力。
推荐理由:文章给出 GPT-6.1 Sol 相对 GPT-6 Sol 的成本与成绩对比,以及 Bedrock 上的部署与数据控制项,便于评估引入代价。
OpenAI 发布 GPT-6.1 Sol,定位是接近 Astra 智能水平的模型,面向编码、计算机使用和专业工作。其 API 输入和输出 token 价格为 Astra 标准价格的五分之一。
推荐理由:原文点明它在编码与专业工作上接近 Astra 的能力,而 API 输入输出价格仅为其五分之一,读者可用这条价性比信息评估接入成本。
Proaction 使用 Codex、GPT-Live-1 和 GPT-6 Astra,更快地构建、运营并销售现代车队管理业务,销售额提升 60%,节省 75+ 小时以上的时间。
GitHub Copilot 官方博客提出聊天往往是错误的 UI,主张让用户按任务现场生成自定义 canvas。
推荐理由:作者解释了聊天成为默认界面的原因,并结合 Winget 和 SQLite 等 canvas 实例,给出何时该改用自定义界面的判断。
Airbnb 正扩大 GPT-6 Astra 与 OpenAI 前沿模型的使用范围,让工程团队可以直接用这些模型解决 bug、设计系统并更快交付。文章介绍了 Airbnb 如何落地这些前沿模型以提速研发流程。
GitHub 借助 GitHub Copilot app 和 Copilot CLI,把 Copilot agent 运行时从 TypeScript 重写为超过 800,000 行生产 Rust,128 个 PR 合入 main,8 月 21 日运行时达到 100% Rust,性能提升若干数量级。
推荐理由:原文用会话日志量化了智能体写代码时的探索比例与编译器报错分布,并给出原地原子替换的迁移方法,可迁移到其他大规模重构。
Perplexity 使用 GPT-6 Astra 撰写沟通内容、修改软件并监控生产系统,承担端到端工作,且人工检查频率比此前模型低得多。来源为 OpenAI News。
GPT-6 Astra 提升了 Devin 测试软件并证明其可用的能力。其目标是让工程师少审代码、多交付产品。
GitHub Copilot app 内置 diff、terminal、browser 三个面板,审查、运行、预览 agent 改动无需离开 app。diff 面板以绿色高亮新增、红色高亮删除,可接受改动或让 Copilot 再改;terminal 面板可运行项目命令与 Run 脚本,支持同时开多个窗口。
GitHub Copilot 在 CLI 中以 /experimental 开启 Project HydraFusion 研究预览,全计划可用,它在运行时从多家供应商的模型里生成执行计划,按质量、成本和延迟自动选择 Single、Cascade、Critique 三种执行模式之一。
推荐理由:三个基准的成本与质量对照数据齐全,读者可据此判断多模型编排在什么任务上划算、在什么任务上有损失。
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber 两个新模型,均基于同一核心智能,定价与 3.7 Flash 相同,为 $0.75 per million input tokens 和 $3.75 per million output tokens。
推荐理由:文中列出的多项基准成绩与每百万 token 定价,便于读者横向比较新模型的能力与成本。
Google DeepMind 发布 Gemini 3.7 Flash,称其为面向编码与智能体的最强主力模型,发布价为 3.6 Flash 的一半,即每 1M 输入 token $0.75、输出 $3.75,优惠价持续到年底。
推荐理由:距离 3.6 Flash 仅三周发布,价格降到一半且多项基准有两位数提升,可据此判断 Flash 系列的迭代节奏与成本变化。
Google DeepMind 发布三款 Gemini Flash 系列新模型,主打规模化构建 AI 智能体所需的效率与低延迟。
推荐理由:同一 Flash 家族三款模型一次发布,含定价与逐项基准对照,便于直接评估迁移成本。
Google DeepMind 发布轻量网络安全模型 Gemini 3.5 Flash Cyber,基于 Gemini 3.5 Flash 微调,用于快速发现、验证并修补漏洞。