AI 正在破坏职场信任：一位工程师对代码评审的反思

工程师 matheusml 撰文称，AI 让人无需理解就能生成代码、文档和评审回复，动摇了“署名即代表理解”的职场信任默认。他说自己评审时的问题已从“这个改动好吗”变成“作者是否理解自己提交的内容”，并坦承自己也曾合并过未理解的 AI 修复。文末给出建议：工程师发送前先读懂并精简自己的 diff，负责人则应明确“可评审”标准、允许坦承未验证的工作并以身作则。

Quesma 实测 RTK 并未让 AI 编码更便宜：Terminal-Bench 2.1 成本基准与 1500 美元账单复盘

Quesma 在 Terminal-Bench 2.1 上用 Claude Code（Fable 5.0）和 OpenCode（DeepSeek V4 Pro 0813）实测 RTK（Rust Token Killer），共 1740 次尝试、花费超 1500 美元，结论是 RTK 并不普遍降低成本。

凡人小北@frxiaobeiAI 评分6969

Cursor 发布 Projects，在用户与编码 Agent 之间加入一个协调 Agent，由它把研究、拆解、开发和测试分派给共享同一项目上下文的多个 Subagents。项目不依赖本地电脑常开，可长期跟进 PR、CI、Slack 和线上问题；Cursor 称已用它完成几百个 PR 的迁移并开发 Projects 自身，重度使用的工程师合并 PR 数量达到原来的 6 倍。

九套编程线束在 MacBook 上实测 Qwen 3.8 27B：prefill 与上下文占用差异悬殊

作者用同一台 M4 MacBook Pro（24GB）和 llama.cpp 服务 Qwen 3.8 27B，对 9 套编程线束跑 8 道 Exercism 题目实测。

实测 DeepSeek V4.1 Flash：价格大降、原生带视觉，作者用游戏与城市生成任务验证表现

作者实测 DeepSeek V4.1 Flash，缓存命中输入降价 7 倍多、输出砍三分之二，9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。

GPT 6 Astra 编码实测：Armin Ronacher 质疑为何还要做这件事

Armin Ronacher 用一个自主软件工厂测试 GPT 6 Astra，35 小时消耗约 40 亿 token（约 1200 美元 API 成本），产出净增 7.5 万行代码、79 次提交，但没有交付有价值的结果。

月之暗面 Kimi K2.8 Preview 全量上线 Kimi Code，综合性能接近 K3

月之暗面 Kimi K2.8 Preview 全量上线 Kimi Code，Model ID 仍为 kimi-for-coding，客户端与第三方工具无需修改配置。

阿里 Qoder 推出 Mobile Use 插件，打通鸿蒙、安卓、iOS 的 Agent 闭环验证

阿里 Qoder 推出 Mobile Use 插件（Beta），支持安卓、鸿蒙与 iOS 将代码修改接入应用运行，在设备上完成交互并确认修改是否生效。

中国软件协会吕卫锋回应“AI 替代程序员”：支持从业人员向高附加值岗位转型

工信部 9 月 11 日召开《“人工智能 + 软件”专项行动实施方案》新闻发布会，中国软件行业协会副理事长兼秘书长吕卫锋回应“AI 替代程序员”讨论，表示高度重视。

微软 VS Code 1.137 发布：按小时/日/周调度 AI 智能体任务、语音模式增强

微软于 9 月 10 日发布 Visual Studio Code 1.137，聚焦增强 AI 智能体能力，推出 Automations（预览）、Voice Mode（实验）、快速聊天转工作区、GitHub Issue/PR 集成和宠物互动 5 项功能，其中 3 项处于实验或预览阶段。

Tibo@thsottiauxAI 评分7171

OpenAI 推出 Agents API，一种在云端构建智能体的新方式，底层由 Codex harness 支持。作者称这基本是 ChatGPT Work 背后运行的基础设施，封装成 API 后可在 1 分钟内上手，支持自带工具和连接器并接入任意 sandbox。发布页：https://openai.com/index/introducing-the-agents-api/

工信部印发《人工智能+软件》专项行动实施方案：2028 年推广至 2 万家规上软件企业、打造 100 个智能体软件标杆应用

工业和信息化部印发《人工智能+软件》专项行动实施方案，提出到 2028 年培育高水平智能编程工具和智能开发平台，推广应用覆盖 2 万家规模以上软件企业，组织实施 100 项智能化技改项目，打造 100 个智能体软件标杆应用，孵化 5 个以上优质开源项目；到 2030 年关键软件全面实现智能化升级。

Rohan Paul@rohanpaul_aiAI 评分7272

Institute of Foundation Models（IFM）发布 K2 Horizon，共 6 个开源模型，参数规模从 0.9B 到 375B，覆盖端侧小模型到面向推理、编码和 Agent 的大模型。

创造力是新的护城河：从 Flash 时代看 AI 时代的差异化

作者认为 AI 让复制现有产品变得快速容易，真正的护城河不再是功能或价格，而是持续原创的能力。文章回顾 Flash 时代的创意爆发及其客观缺陷，指出当下约 35% 新网站为 AI 生成且普遍平庸，因为使用者未做关键创意决策；建议用 AI 加速实验而非生成复制品，质疑产品前提、容忍大量失败尝试，把发明新解法变成习惯。

Cursor 推出 Projects：协调者智能体管理数千个子智能体处理大型开发任务

Cursor 发布 Projects（beta），让用户通过协调者智能体处理功能开发、迁移和持续性维护等大型工作，协调者本身不写代码，而是调度数千个子智能体并行执行。

lauren@potetoAI 评分7272

Cursor 推出 Projects，不再为每个任务单独建聊天，而是在单一持久线程中由协调智能体（coordinator agent）工作。该智能体始终在线、主动用子智能体管理任务并随时间改进。作者 Lauren Tan 表示自己已用它交付数千个 PR，支持云端运行并可大规模并行。

Andrew Milich@milichabAI 评分6767

Cursor 推出 Projects，不再为每个任务单独建聊天，而是在单个持久线程中与协调 Agent 协作。该 Agent 始终在线，主动用子代理管理工作并随时间改进，支持跨多个 PR、订阅、共享文件系统和记忆。

Shopify 宣布移动端弃用 React Native，回归 Swift 和 Kotlin 原生开发

Shopify 宣布移动应用从 React Native 迁回 Swift 和 Kotlin 两套原生代码。官方解释 2020 年选 React Native 是为避免重复开发、让开发者跨栈工作，如今 Agent 已能承担足够的实现、转译、测试和评审工作，双平台维护成本不再是决定因素。

GitHub Copilot 应用入门教程：用 diff、终端和浏览器面板审查 AI 代码

GitHub Copilot 应用新增 diff、终端、浏览器三个内置面板，让初学者在不离开应用的情况下完成 AI 智能体改动的审查、运行和预览。diff 面板以红绿高亮显示增删改行，用户可接受、评论或要求修改；终端面板可运行项目命令并支持多窗口，浏览器面板配合 Pick & Polish 工具选中界面元素让智能体调整，最后可直接在应用内接受变更并创建 pull request。

OpenAI 因 Astra 需求过高暂停 $200/月 Pro 订阅

OpenAI 因新模型 Astra 需求过高、基础设施承压，宣布暂停 $200/月 Pro 计划的新用户订阅。产品负责人 Thibault Sottiaux 在 X 上表示 Pro 计划对系统压力最大，API 和 Go、Plus 等其他计划仍开放。Astra 于 9 月 3 日发布，主打推理、编码和计算机使用能力，OpenAI 未说明暂停持续多久或需求规模。

OpenAI 发布 Agents API 公测版

OpenAI 推出 Agents API 公开测试版，将驱动 Codex 的 harness 与基础设施通过单次 API 调用开放给开发者，托管在云端。

jason@jxnlcoAI 评分6565

OpenAI 开发者账号宣布 Agents API 开启公测，可用 Codex harness 构建并运行完全托管的云端智能体。平台负责编排、长时运行会话和上下文管理，开发者专注于智能体自身逻辑。

OpenAI Developers@OpenAIDevsAI 评分6464

OpenAI 推出 Agents API，进入公开测试阶段。开发者可使用 Codex harness 构建并运行云端智能体，由 OpenAI 托管编排、长时会话和上下文管理，开发者专注于智能体自身独特部分。

Yuchen Jin@Yuchenj_UWAI 评分6565

DeepSeek V4.1 Flash 在编码和智能体基准上超过 GPT-5.6 Sol，价格便宜约 97%。作者称其每 token 的 KV cache 大小再降 4 倍，并表示这是开源 AI 的时代，Databricks 将很快把该模型带给客户。

elvis@omarsar0AI 评分6161

Cognition 发布 SWE-2，称其在主要评测上与近期前沿模型相当，成本最多低 70%。SWE-2 在 FrontierCode 1.1 Main1 上得 50.0%，距 Fable 5.1 不到一分，同时便宜 64%；团队将 RL 扩展到多个万亿参数规模。

GitHub Next 的 Don Syme 提出在 CI/CD 之外增加第三个支柱 Continuous AI

GitHub Next 的 Don Syme 在 AI Native DevCon London 演讲中提出，应在 CI 和 CD 之外增加第三个支柱 Continuous AI，即在软件生命周期中以定时、可审计、由仓库事件触发的 AI 工作流实现持续文档、代码改进和问题分拣。

Augment 复盘软件工厂建设：人均规模调整产出增长 4.5 倍

Augment Code 发布长文，复盘其九个月建设的软件工厂：2025 年 11 月至 2026 年 7 月，基于 Cosmos 平台在需求、工单、PR、生产四个环节部署 PR Author。

Shopify 宣布从 React Native 全面迁回 Swift 和 Kotlin 原生开发

Shopify 宣布将全部移动应用从 React Native 迁回 Swift 和 Kotlin，判断是 LLM 智能体大幅降低了跨平台重复开发成本这一核心假设被改变。

DeepSeek 发布 V4.1-Flash，API 价格同步下调

DeepSeek 发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。

凡人小北@frxiaobeiAI 评分6262

Mistral 帮一家欧洲能源公司将运行多年的 Fortran 77 油藏模拟系统迁移到 C++，项目共 30 万行代码，第一阶段完成 4 万行（https://mistral.ai/news/legacy-code-modernization/）。

Rohan Paul@rohanpaul_aiAI 评分5252

ETH Zürich 论文测试 100 名大学生在 3 个无代码应用构建任务上的表现，参与者只能通过对话驱动 AI 并检查结果，不能查看源代码。CS 成绩与 vibe coding 表现相关性为 0.39，写作能力为 0.29，两者都显著但 CS 的独立预测价值约为写作的 2 倍；写作能力通过产出更清晰的提示词间接起作用。论文：arxiv.org/abs/2603.14133。

Benchmark Radar：AI 基准与评测的活数据库和搜索引擎

论文提出 Benchmark Radar，一个用于检索和发现 AI 基准的活数据库和搜索引擎，覆盖 LLM 评测、智能体与工具使用、编码、推理、安全及领域评测。系统从 37 个来源每日发现基准论文、仓库和数据集，目录含 1,283 条来源记录和 790 条记录上的 12,916 个数值观测，并提供排行榜、饱和度与趋势视图、CLI 和可复现分析。

Google 开源 Mantis 漏洞审查技能包，让编码智能体查找、复现并修补漏洞

Google 开源 Mantis，一套协议无关的安全审查技能包，可让现有编码智能体跑完漏洞全生命周期，包括发现疑似缺陷、过滤误报、在 gVisor 或禁网 VM 沙箱中复现、写最小补丁并对补丁再攻击、给出 1 到 10 的风险评分。

Rohan Paul@rohanpaul_aiAI 评分5757

清华与 Qwen 团队发布 Terminal-Universe 论文，从既有智能体轨迹中还原代码工作区，使其可生成大量新的可验证训练任务。用该数据微调 Qwen3.5-27B 后，在 Terminus2 设置下 Terminal-Bench 2.1 从 46.2% 升至 58.1%，EvoCode-Bench v2 MT@4 从 6.3 升至 20.1。

OpenAI 发布 GPT-6 Astra，面向专业工作场景

OpenAI 发布 GPT-6 Astra，已在 ChatGPT Work、Codex 和 API 提供，定价为每百万输入 token $10、输出 token $50。

Rohan Paul@rohanpaul_aiAI 评分6565

OpenAI 发布名为 Defense Factory 的案例研究和参考架构，介绍其在内部 code-red 冲刺中用 Codex 和最新 cyber 模型加固数百个系统，动员 250+ 人，官方称这些模型帮助发现并修复了原本可能无法发现的漏洞。

Anthropic 发布四起 Claude 网络安全评估事故的对齐评估报告

Anthropic 评估四起 Claude 模型在网络安全评估中因环境配置错误接入真实互联网、访问第三方系统的事故，涉及 Claude Opus 4.6 早期检查点、Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型，共约 7 次运行。

a16z 宣布再次投资 Devin 开发商 Cognition

Marc Andreessen 撰文宣布 a16z 第二次投资 Scott Wu 创办的 Cognition，称 Devin 在过去一年从编写公司 13% 的生产代码升至超过 90%。

Mistral 复盘用 AI Agent 将 40,000 行 Fortran 77 迁移到 C++ 的方法与教训

Mistral 帮助一家欧洲能源运营商将 40,000 行 Fortran 77 的油藏模拟器迁移到 C++，该代码库无测试套件且文档分散。团队先搭建数值一致性验证工具，用 Vibe CLI 生成调用树并派出百余个 Agent 补齐文档，最终采用由人类把关的 coder、tester、reviewer 结构化工作流逐模块迁移。

什么是 AI 精神病之二：高产型 AI 精神病

作者延续上周对 AI psychosis 的分类，本周界定并分析高产型 AI 精神病，指人在大量生成 AI 产出却未真正提升工作价值时，因无法评估自身产出质量而与现实轻度脱节。