研究：花哨的编码智能体框架更贵但并未更好
Liu 与 Han 的研究用 Claude Code、OpenCode 和 mini-SWE-agent 三个框架测试 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview，发现换框架带来的结果变化与同一设置重跑一次相当，任务级翻转率均为 13%，而换模型为 22%。
#编码
The DecoderAI 评分6767
The Decoder精选AI 评分7878 Anthropic 用 Claude 自动为现有代码生成形式化安全证明
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 对 Google OSS-Fuzz 项目中 123 个开源库的测试程序做形式化验证，几周内产出约 1.8 亿行数学证明代码，由 Rocq 独立校验，据称几乎不需要人工复核。
推荐理由：材料给出了 Claude 自动生成形式化证明的规模、发现的真实缺陷和适用边界，读者可据此判断 AI 验证代码的可行范围。
Ars Technica · AIAI 评分6262 研究：AI 编码智能体生成更多代码，但未带来更多软件产出
哈佛大学研究者 Fiona Chen 和 James Stratton 基于 Jellyfish 的工程分析数据，覆盖 2021 年至 2026 年 3 月间 700 多家软件公司、70 多万名员工的 3 亿条工作事件，发现人类代码审查成为 AI 编码工具整体效率的显著瓶颈。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与离线在线信号对照，读者可据此判断评测结果能否预测生产表现。