AI 编程实时动态与要闻

Devin 背后的 Cognition 于 10 月 30 日 01:45（UTC）在 X 上公布，Google 新模型 Gemini 4 Carbon 在其编程基准 FrontierCode 2.0 上得分 40%，每任务成本 4.04 美元，接近最高水平，仅次于 Claude Opus 5.5、GPT-6 Astra 和 Claude Sonnet 5.5。上一代 Gemini 4 Argon 得分 26.3%，每任务成本却更高，为 6.41 美元。成绩为 Cognition 自测口径，排行榜已在官网更新。

查看大图

AI 编程 Agent 公司 Factory 10 月 29 日 22:31（UTC）在 X 和官方博客发布 Droid 1.0，称这是其 agent harness 迄今最大的一次更新。核心变化是把程序化工具调用（PTC）设为默认：模型写一段 JavaScript 脚本，在沙箱里一次跑完多达上百次工具调用。官方自测 Terminal-Bench 4 中，用 GPT-6.1 Sol 通过率 57.6%（每个通过任务 $0.79），用 Claude Opus 5.5 通过率 65.2%（$4.73），均高于同模型下的 Codex、Claude Code、Cursor、OpenCode 和 Devin。

查看大图

Devin 背后的 Cognition 于 10 月 29 日通过 @cognition 官方账号宣布收购 Corridor。Corridor 联合创始人 Jack Cable 和 Ashwin Ramaswami 在 Cognition 官方博客（日期 2026.10.28）中表示，团队将加入 Cognition，把 Devin Security 推向新阶段。Corridor 成立近两年，定位是 AI 原生团队的安全层。官方未披露交易金额。

查看大图

Devin 背后的 Cognition 于 10 月 27 日发布 FrontierCode 2.0。新版沿用由开源维护者亲自出题、按"能否合并"打分的方法，但任务来自更多仓库、覆盖安全补丁与性能优化，提示词刻意不写全，并加入大量"周全性"判定项。官方结果中 Claude Opus 5.5 以 45.5% 居首，GPT-6 Astra 42.8% 次之，Grok 4.7、Gemini 4 Argon 等降到 20% 多，基准远未饱和。

查看大图

权威独立 AI 基准测试机构 Artificial Analysis 正式发布针对 Cognition 旗下最新编程智能体 Devin Fusion 的全面实测报告。Devin Fusion 采用了革命性的“异构双模型并行协同架构”：由旗舰级的 Claude Opus 5.5（Max）担任总架构师与核心决策大脑，配合轻量极速的 GPT-6 Luna（High）作为并行子智能体执行具体检索与代码试跑。在 Coding Agent Index 综合大考中，Devin Fusion 斩获 68.1 分的高分，位居全球最顶级智能体梯队；而在经济性方面，单任务综合调用成本从 Claude Code Opus 单模型的 13.04 美元骤降至 9.01 美元（成本节省达 31%），单任务平均耗时由 65 分钟缩短至 55 分钟。

查看大图

Cognition 10 月 19 日宣布，Devin Fusion 用 Claude Opus 5.5 做主控（lead）、GPT-6 Luna 做执行助手（sidekick）的组合，在 Artificial Analysis Coding Agent Index v1.5 拿到 68.1 分。按 Artificial Analysis 网站当前数据，这一分数位列榜首，但只比第二名 Muse Code + Muse Wonder Full（68.0）高 0.1 分，基本并列；第三名 Antigravity CLI + Gemini 4 Argon 为 63.8。Cognition 称该组合每任务成本比 Claude Code 搭配 Opus 5.5 低 31%（厂商口径）。Fusion 已在 Devin CLI 和桌面版提供。

查看大图

Cognition 10 月 9 日宣布，Devin 现可连接任意个人 ChatGPT 套餐（Go、Plus、Pro）：会话中调用 OpenAI 模型的部分改由 ChatGPT 订阅额度承担，不再消耗 Devin 配额或按量积分，覆盖 Devin Cloud、Desktop 与 CLI。该能力仅对 Devin 自助 Pro、Max、Teams 套餐开放，Free 与 Enterprise 不可用；ChatGPT 额度用尽时自动回落到 Devin 配额，会话不中断。

查看大图

LiteLLM 团队 10 月 7 日开源内部每天在用的云端编程 Agent Moyai（BerriAI/moyai）：从 Slack 或浏览器派任务，Agent 在隔离云工作区里改代码、跑测试、开 PR；可按会话切换 Claude Agent SDK / Codex / Hermes / OpenCode / Deep Agents 等 harness，经 LiteLLM 接入 100+ 模型供应商。官方披露替换 Devin 后同期 31 天成本从 $101,872 降至约 $21,700。

查看大图

GitHub 官方博客 ReviewBench: An open benchmark for AI code review（2026-10-05）发布 AI 代码审查离线基准（research preview）。它从 1.039 亿 个 GitHub PR 的分布中抽样，选出 187 个开源仓库、19 种语言的 219 个 PR，golden set 汇集人类评审、多家前沿 LLM 和静态分析三类来源，由 Claude Sonnet 5 担任评审裁判，资深工程师复核一致率 96.6%。排行榜上 Copilot Code Review Balanced 的 grounded recall 为 26.0%，Devin 23.8%，Qodo 22.1%，Cursor 9.6%。数据集、裁判 prompt 和 runner 以 MIT 协议开源在 GitHub。

查看大图

澳大利亚莫纳什大学与墨尔本大学研究团队联合发布首份针对 AI 编程 Agent（Devin、Cursor、Claude Code、GitHub Copilot 与 OpenAI Codex）在 GitHub 真实开源项目合并后（Post-Merge）生命周期的实证研究（arXiv:2609.26847）。基于 AIDev-pop 数据集中 500+ 星开源仓库的 6,774 个已合并 Agent PR 与 5,044 个同期人类 PR 的追踪对照发现：Agent 提交的代码合并后需要二次修复（Follow-Up Fixes）的几率是人类 PR 的 1.62 倍；但在修复归属权上，69.6% 的修复 PR 依然由原 Agent 自身发起，且修复 PR 中 76.4% 的 Commit 完全由 Agent 自动生成，颠覆了业内关于“人类工程师必须全权为 Agent 擦屁股”的传统认知。

查看大图

开源自主编码智能体平台 OpenHands（@OpenHandsAI，原 OpenDevin）正式发布 v1.23.0 版本。本次发布重点升级了多 Agent 编排流水线与沙箱安全运行时，引入了针对复杂工程项目的即时回归评测套件，并优化了与本地模型（vLLM、Ollama）的高性能集成。

查看大图

@cognition 发布 Devin Cloud in Terminal 与 devin ssh：可在 CLI 用 /cloud 创建、操控并恢复 Devin Cloud 会话；首次支持 SSH 进入 Devin 专用虚拟机，再用 /handoff 把工作交回本机设备。

查看大图