#软件工程

Chollet 用四个事实拆穿了"程序员要被取代"的说法，讲清了为什么自动化后瓶颈会挪到别处。

官方账号François Chollet@fchollet原文

这篇提出了一个挺聪明的思路：不再机械地问固定数量的问题，而是按报告缺口按需追问，作者还放了 429 条真实数据集和多个模型的对比成绩。

rauchg 提醒一个很实在的问题：Agent 会无限优化代码，哪怕那段代码根本没人用，知道何时收手还是人的活儿。

Guillermo Rauch@rauchg原文

编程智能体有时会做没必要的防御性改动，这个基准用 200 个任务对量化了这问题，测了 8 个模型，做智能体评测的可以看看。

RefCon让智能体通过自优化提取记忆，无需人工标注，在软件工程任务中表现优异。

谷歌悄悄发布了Gemini 4 Argon，已经在内部用于从编程到量子计算的各种任务，网络安全防御者优先使用。

Varun Mohan@_mohansolo原文

谷歌提前曝光Gemini 4 Argon，展示其在复杂任务上的表现，谷歌内部已广泛使用。

Patrick Loeber@patloeber原文

Gergely Orosz 发了条推，说 vibe coding 就是从前抄 StackOverflow 那套，AI 只是让它更快，算不上工程，但有些活儿也够用了。

Gergely Orosz@GergelyOrosz原文

Simon Willison 说了句大实话：编程智能体不是让写代码变简单，而是要求你有更高的工程素养才能用好。

给做代码智能体的朋友：这个新基准不测修 bug，测的是治理仓库，10 个模型里 Kimi-K3 在完整对比里表现最好，评分方法也挺有意思。

Cognition 新出的 SWE-2 模型，做软件工程相关的事特别强，比之前版本好用，价格也划算。

Cognition@cognition_labs5 个信源在谈原文

OpenAI发布了GPT-6 Astra，API已开放，在计算机任务和视觉理解上表现优异。

官方一手@OpenAIDevs@OpenAIDevs11 个信源在谈原文

Claude Code插件市场增长迅猛，功能提交率高，Claude参与度高，存在新型维护依赖关系。

MindForge 教小模型从零写完整软件，不用源码只用可执行文件和文档就把 Qwen3.6-27B 在 ProgramBench 上提升了 11.53%，跟大模型差不多。