#coding-agents

Sydney Runkle 藉 Harness 模型路由器將編程智能體成本降低 64%

Sydney Runkle 表示，在編程智能體的 harness 中集成模型路由器可在不降低輸出質素的前提下削減 64% 的運作成本。該四步工作流程涵蓋理解任務與模型、將路由器直接嵌入 harness，以及追蹤任務結果。

UT Austin 研究發現，削減 token 的上下文壓縮可能拖慢編碼智能體

UT Austin 一項研究在 SWE-bench Verified 和 Terminal-Bench 上進行了近 35,000 次編碼智能體運行，分別改變上下文如何壓縮、何時觸發壓縮，以及壓縮掉多少內容。在 Qwen 的 Terminal-Bench 上，使用約三分之一 token 的策略，耗時可能比保留完整上下文多 20% 至 80%。

GitHub Copilot 應用程式將 diff、終端機和瀏覽器並排顯示

在 GitHub Copilot 應用程式中，diff、終端機和瀏覽器並排放在一起，審查者毋須切換分頁就能檢查、執行和預覽智能體程式碼。一份入門指南介紹了這種版面配置的用法。

AutoCompact 訓練編程智能體決定何時壓縮上下文

AutoCompact 使用評審器修正壓縮決策，然後應用監督微調和帶任務成功獎勵的強化學習。報告的通過率在 SWE-bench Verified 上提高 9.2 點，在 SWE-PolyBench Verified 上提高 5.0 點，包括在 256K 視窗從未溢出的情況下。

Codex 雲端環境現已可用

OpenAI Developers 表示，Codex 雲端環境可讓智能體在手提電腦合上後繼續工作。可重用環境已預先備妥程式碼儲存庫、相依項目、指令碼和設定。

claude-opus-5.5 在全部 36 次盲測中都選擇了 openrouter-decisions 版本

OpenRouter 讓 claude-opus-5.5 按固定清單為 openrouter-decisions skill 的每次運行評分。在盲測中，Opus 每次任務都選擇了 skill 版本，36 次全部如此。

OpenRouter 為程式設計智能體新增 openrouter-decisions 技能

OpenRouter 的新 openrouter-decisions 技能會把程式設計智能體指向分類、路由或審核步驟，並透過 Decisions API 用決策模型重建該步驟。

Melissa Pan 表示，程式設計智能體的 harness 選擇對成本的影響大於準確率

Melissa Pan 比較了 Claude Code、Codex 和 Pi，並報告指圍繞 AI 模型的系統，即 harness，對成本的影響大於準確率。她提出三項發現；公告只陳述了這一項。

Gemma 4 Developer Agent 比賽在 Kaggle 展開，獎金超過 11 萬美元

Google Gemma 與 Kaggle 已展開 Gemma 4 Developer Agent 比賽，獎金池超過 11 萬美元。報名於 2026 年 11 月 2 日截止，比賽頁面提供入門套件。

GitHub Copilot 應用可在各自獨立的 Git worktree 上並行運行智能體

在 GitHub Copilot 應用中，智能體可以並行運行，每個工作階段使用各自的 Git worktree 和上下文，因此建置、審查和測試可以同時進行。

微軟論文報告 CASD 提示詞優化平均提升 16.6 分

CASD 讓現成的編程智能體分析完整的智能體日誌，並把發現寫成單一提示詞中的規則，無需環境存取或驗證數據。DAIR.AI 表示，在所報告的基準測試中，一次處理的表現優於 GEPA 與 SkillOpt，每個優化後的提示詞成本約 1.60 美元。

Databricks 推出面向程式編寫代理的 Unity Gateway CLI

管理員可在 Unity Gateway 管理模型、工具、政策與預算，開發者則可繼續使用 Claude Code、Codex、OpenCode 及其他程式編寫代理。一次設定更新會套用至所有受支援的代理。

Claude Opus 5.5 在 Artificial Analysis Coding Agent Index 取得 66 分

在 Claude Code 以 max effort 運行時，Artificial Analysis 測得 Opus 5.5 為 66 分，高於 Opus 5 的 60 分及 Claude Fable 5.1 的 62 分。其每項任務成本為 13.04 美元，儘管 token 價格較低，仍高於 Opus 5 的 10.79 美元。

Splunk 推出 Token Meter，即時追蹤編碼代理成本

Token Meter 是 Splunk 推出的免費開源選單列工具，可在一次運行進行期間顯示編碼代理成本。

Lakebase Branching 讓編碼代理可在正式環境以外測試資料庫變更

這些短期環境會同時擷取結構與資料，測試因此不會影響正式環境。工作流程使用 Databricks CLI 與 AGENTS.md，先把變更與父分支比較，獲批准的更新再經 CI/CD 推進。

Databricks DevHub 提供模板、文件及提示詞，供編程代理使用

Databricks 表示，DevHub 為開發者提供即用模板、文件、逐步指引，以及可複製到 Cursor、Claude Code、Codex 或其他編程代理的代理提示詞。

elvis: StepFun Step 5 Preview matched GLM 5.3 on two real coding tasks

elvis (@omarsar0) says he early-tested StepFun’s new Step 5 Preview as a coding agent. He reports that it and GLM 5.3 both solved two real repository tasks with no fix rounds, that Step 5 Preview stopped after checking its work, and that it found five hidden clues in a ~368K-token long-context test.