Hugging Face Blog 介绍了用 TRL、OpenEnv 和 Qwen/Qwen3.5-35B-A3B 训练代码模型绘制水彩画的完整开源流程。项目公开了参考图池、RL 环境、训练脚本、模型和画廊，并比较了 judge-led、hps-led 与 hps-only 三种奖励配比。
推荐理由：文章完整拆解了用 TRL 和 OpenEnv 复现水彩画代码模型的训练管线，并比较了三种审美奖励配比的训练结果。
Google DeepMind 推出 Fairwind Program，向政府、Google Cloud 客户和可信网络安全伙伴限量开放 Gemini 3.8 Flash Cyber 与 CodeMender，用于自主发现、验证和修复漏洞。该项目声称可在组织的安全云环境中于数分钟内生成经过验证、可部署的补丁，并要求参与机构限制内部网络安全团队访问及启用多因素认证。已有超过 650 家合作伙伴参与。
推荐理由：Fairwind Program 将 Gemini 3.8 Flash Cyber 与 CodeMender 结合，展示了受控环境中自动发现、验证并修复漏洞的企业级路径。
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，前者面向长程编码、智能体任务与多步推理，后者面向漏洞发现和自动修复。
推荐理由：Gemini 3.8 将通用推理编码与网络安全能力拆分为两个版本，并给出价格、基准和实际使用案例，便于比较其适用场景与成本。
IBM Granite Team 介绍 Granite 4.2 推理模型家族的构建过程，模型分为 3B、8B 和 30B 三种规模，均基于 Granite-4.1 基座模型进行后训练。
推荐理由：文章系统梳理了 Granite 4.2 从预训练、SFT 到多阶段 RL 的构建流程，并说明不同规模模型的智能体训练差异。
Multiverse Computing 提出 Quantization-Aware Healing（QAH），将 GPT-OSS 120B 压缩至 60B 参数并量化为 MXFP4，使 4-bit 模型在 9 项基准中的 7 项超过同架构的 60B bfloat16 版本。
推荐理由：论文通过 GPT-OSS 120B 压缩实验和 QAH、QAT 对照，具体展示了 4-bit 模型恢复精度与训练稳定性的路径。
METR 研究显示，AI 对网络安全漏洞发现带来显著加速，对数学研究仅有有限加速，而 AI 研究算法进展尚无可测量加速。SPADE 通过 LLM 自博弈交替生成可执行环境和解决任务，使用 Qwen3-4B-Instruct-2507、Qwen3-8B 与 Qwen3-30B-A3B-Instruct-2507 测试，在游戏环境中取得 58.3 的套件平均分，较基础模型高 8.1。
DiG-bench 推出包含 70 个隐藏规则游戏的基准，评估 AI 在陌生环境中通过探索发现规则、更新先验的能力；当前 frontier models 仍难以通关，Opus 5 和 Fable 5 表现最佳，GPT-5.5 紧随其后。文章还介绍 Paradigm Research 的 RSI Simulator，以及 Inherent 用开放权重模型构建 AI 科学家 Faraday 的研究。
Google DeepMind 发布 Gemini 3.7 Flash，称其在编码、知识工作和网页开发工作流上较 Gemini 3.6 Flash 有明显提升。
推荐理由：Gemini 3.7 Flash给出了多项编码、文档处理和工作流基准对比，并同步公布了API价格，便于评估其生产环境价值。
Microsoft Research 发布 Orchard，这是一个面向可扩展智能体研究的开源框架，核心是基于 Kubernetes 的可复用环境服务 Orchard Env，可支持编码、网页导航和个人助理智能体的训练与评测。
推荐理由：文章拆解了 Orchard Env 如何复用环境、数据和评测流程，并用三个领域的结果展示开放基础设施对智能体训练效率的影响。
Berkeley AI Research 提出 ABBEL，通过自然语言信念状态替代完整交互历史，并用 belief grading 监督信念内容，以降低长时交互的上下文记忆开销。
推荐理由：ABBEL 将长交互中的摘要建模为可监督的自然语言信念状态，并用重构评分提升记忆效率，为协作编码等低数据场景提供了可迁移的训练思路。
Google 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 Gemini 3.5 Flash Cyber，分别面向高效通用任务、高吞吐智能体工作流和网络安全漏洞处理。
推荐理由：这次发布同时覆盖高质量、低延迟和网络安全场景，并给出 token 效率、基准成绩与价格，便于比较不同模型的部署取舍。
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是一款基于 3.5 Flash、经过微调以快速发现、验证和修复漏洞的轻量网络安全模型。
推荐理由：文章结合 CyberGym、Big Sleep 和 Chrome 生产流水线评测，展示了轻量模型在大规模漏洞发现与修复中的效率和效果。
Mistral AI 发布 Leanstral 1.5，这是一款采用 Apache-2.0 许可、119B total、6B active parameters 的开源模型，面向 Lean 4 形式化验证。
推荐理由：Leanstral 1.5 同时给出形式化数学基准、代码验证案例和开源使用入口，展现了模型从定理证明走向实际软件验证的路径。
ScarfBench 是一个面向企业 Java 跨框架迁移的开放基准，覆盖 Spring、Jakarta EE 和 Quarkus，包含 34 个应用、204 个迁移任务和 1,331 个专家编写的测试。
推荐理由：ScarfBench把企业 Java 框架迁移拆解为构建、部署和行为验证，为比较编码智能体的真实现代化能力提供了可复用基准。
Mistral AI 发布统一 AI 智能体 Vibe，将办公任务与编码工作流整合到同一产品中。Work Mode 可跨 Google Workspace、Outlook、SharePoint、Slack、GitHub 等连接器处理研究、数据分析和文档撰写，Code Mode 则支持远程编码会话、GitHub 项目管理和 pull request。
推荐理由：Vibe 将办公自动化与编码代理整合到同一产品中，并列出连接器、开发环境和部署方案，便于理解其工作流覆盖范围。
Mistral 发布 Mistral Medium 3.5 公测版，这是一款 128B dense open-weight 模型，支持 256k context window，并成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由：Mistral Medium 3.5 将模型发布与云端编码智能体结合，文中同时给出性能、部署条件、价格和人工审批机制，便于评估其实际使用路径。
Google DeepMind 发布 Gemini 3.5 系列的首款模型 Gemini 3.5 Flash，面向智能体和编码任务，已通过 Gemini 应用、Google Search 的 AI Mode 及多项开发者和企业平台提供。
推荐理由：Gemini 3.5 Flash 将智能体、编码速度与安全训练放在同一发布中，并给出基准结果和面向个人、开发者及企业的开放入口。
Google DeepMind 介绍 AlphaEvolve 在科研、基础设施和商业领域的应用进展，这一 Gemini 驱动的编码智能体已从试点测试发展为基础设施的核心组件。在具体案例中，DeepConsensus 的变异检测错误减少 30%，电网可行解比例从 14% 提升至超过 88%，Google Spanner 的写放大降低 20%，并帮助多家企业提升训练、推理、仿真或路线规划效率。
推荐理由：文章汇总了 AlphaEvolve 在科研、基础设施和商业场景中的具体应用，展示其从试点走向规模化部署的路径。
Mistral AI 推出 Spaces CLI，用于脚手架搭建、开发环境配置、配置生成和部署，并通过交互输入的 flag 等价物支持编码智能体无障碍操作。Spaces 还为项目生成 context.json 和 AGENTS.md，借助可查询的插件注册表与显式状态降低智能体执行命令时的猜测和阻塞；文中示例显示，从提示到上线部署用时不到 10 分钟。
推荐理由：文章以 Spaces 的实际设计取舍为例，系统说明了让 CLI 同时适配人类开发者、编码智能体和自动化流程的方法。
Mistral AI 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力整合到一个模型中。
推荐理由：Mistral Small 4 将推理、视觉理解和智能体编码整合到单一模型，并公开关键架构、部署配置与性能对比，便于评估实际使用成本。
Mistral AI 发布 Leanstral，这是面向 Lean 4 的开源代码智能体，采用 6B active parameters，支持在形式化代码仓库中生成并验证证明。
推荐理由：Leanstral把Lean 4形式化证明引入代码智能体，并用FLTEval比较性能与成本，呈现了可复用的验证式编程路径。
Mistral AI 基于开源编码助手 Vibe 构建了一个可在 CI/CD 中自主生成和改进 RSpec 测试的智能体，能够读取 Rails 源码、并行处理文件，并通过 RuboCop 与 SimpleCov 验证结果。
推荐理由：文章展示了如何用 Vibe、分类型技能和可执行验证工具构建 Rails 测试智能体，并用真实代码库指标检验其效果。
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选澄清、斜杠命令技能、统一智能体模式和自动更新。
推荐理由：Mistral Vibe 2.0 将子智能体、技能命令和执行前澄清纳入终端工作流，适合了解编码智能体如何增强可控性。
Mistral AI 发布 Devstral 2 系列编码模型和 Mistral Vibe CLI。Devstral 2 为 123B 参数模型，在 SWE-bench Verified 上 đạt 72.2%，Devstral Small 2 为 24B 参数模型，得分 68.0%，支持 API、本地部署和微调。
推荐理由：Devstral 2 同时覆盖大规模部署与本地运行场景，并配套 Vibe CLI，材料还提供了 SWE-bench Verified 成绩、许可方式和 API 定价，便于比较其性能与使用门槛。