Mistral 将 Le Chat 升级为 Vibe，以同一智能体和许可覆盖办公与编码，迁移原有对话、设置和订阅。Work Mode 支持跨企业工具的多步任务、定时执行和可复用技能；Code Mode 支持在隔离沙箱中并行运行远程编码会话并提交拉取请求，同时新增 VS Code 扩展，CLI 可通过 /teleport 在终端与云端间迁移会话并保留历史和审批记录。
推荐理由：办公与编码被纳入同一智能体和许可体系，结合可编辑计划、会话权限及终端与云端迁移，为跨工具任务的人工管控提供了具体参考。
Mistral 发布公开预览版 Mistral Medium 3.5，并将其设为 Vibe 和 Le Chat 的默认模型，支持云端编码智能体与多步骤 Work mode。
推荐理由：本地会话连同任务状态和审批记录迁至云端的设计，为长任务异步执行与保留人工审查之间的衔接提供了具体参考。
Google 的科研工具 ERA 研究今天发表于 Nature，该工具利用 Gemini 编写和优化科学代码，在多个学科基准上达到专家水平。ERA 根据科学问题与成功指标检索文献、编写代码并评估结果，通过树搜索探索数千种方案；团队现有 8 篇稿件将其用于具体科学问题，包括提前最多 4 周预测美国各州呼吸道疾病住院人数。
推荐理由：以科学问题和成功指标驱动文献检索、代码生成与实验评估的闭环，为将科研代码优化方法迁移到不同学科提供了具体参考。
Google DeepMind 发布 Gemini 3.5 模型系列，率先开放 3.5 Flash，面向复杂、长流程的智能体与编码任务。官方称其在 Terminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）和 MCP Atlas（83.6%）等基准上超过 Gemini 3.1 Pro，输出 token 速度为其他前沿模型的 4 倍。
推荐理由：官方将智能体与编码基准表现同输出速度、成本放在一起比较，为评估长流程任务中的性能与延迟取舍提供了具体参照。
Google DeepMind 回顾 AlphaEvolve 过去一年的应用进展，这款由 Gemini 驱动的编码智能体已从试点走向核心基础设施，并拓展至多个商业领域。
推荐理由：跨领域案例把算法优化落到了错误率、可行解比例和存储写入量等具体指标上，为识别编码智能体在科研与工程中的应用空间提供参照。
Mistral AI 分享内部平台工具 Spaces CLI 的设计实践，通过非交互参数、结构化数据和显式状态支持开发者与编码智能体。工具为交互输入提供对应参数，以插件注册表统一组件信息，并在初始化时生成 context.json 和 AGENTS.md，提供项目状态与操作规则。
Google 宣布 Vibe Coding XR 工作流，结合 Gemini 与基于 Web 的 XR Blocks 框架，称可在不到 60 秒内将自然语言转为具备物理交互能力的 Android XR 应用。
Mistral 发布 Mistral Small 4，以 Apache 2.0 许可开放，将推理、多模态和智能体编码能力整合进单一模型。该模型采用 MoE 架构，总参数为 119B，每个 token 激活 6B 参数（计入嵌入与输出层为 8B），支持 256k 上下文窗口、文本与图像输入，并可通过 reasoning_effort 调节推理强度。
推荐理由：将可调推理、图像输入与编码能力放进同一开放模型，为需要兼顾多类任务与部署效率的团队提供了减少模型切换的选型思路。
Mistral AI 发布 Leanstral-120B-A6B，面向 Lean 4 形式化仓库任务，以 Apache 2.0 许可开放权重，并接入 Mistral Vibe。
推荐理由：基于真实形式化仓库任务的评测同时列出得分与运行成本，为比较专用模型和通用编码智能体的证明工程取舍提供了依据。
Mistral 基于 Vibe 构建了自动生成和改进 Rails RSpec 测试的智能体，在包含 275 个源文件的代码库实验中实现测试通过率和平均行覆盖率均为 100%。
Mistral 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、统一智能体模式及自动更新。
推荐理由：自定义子智能体、执行前澄清与权限模式组合，为团队把终端编码自动化适配到具体任务和既有工作流程提供了可配置路径。
Mistral AI 排查 vLLM 内存泄漏，发现堆内存保持稳定，泄漏发生在堆之外。问题出现在启用图编译、使用 NIXL 的预填充与解码分离部署中，涉及 Mistral Medium 3.1，且仅在解码侧观察到。Heaptrack 未捕获泄漏，但测试前后的峰值 RSS 差异揭示了堆分析工具的观测盲区。
Mistral AI 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型，并推出支持端到端代码自动化的开源助手 Mistral Vibe CLI。
推荐理由：两种规模模型的基准成绩、许可差异与硬件要求提供了具体选型依据，可用于权衡编码智能体的性能需求和本地部署条件。
Mistral AI 发布 Codestral 25.08 及完整企业编程技术栈，覆盖代码补全、语义检索与多步骤智能体开发。Codestral 25.08 的补全采纳量增加 30%，建议后保留的代码增加 10%，失控生成减少 50%。模型支持云端、VPC 或本地部署，无需更改架构。
Mistral AI 与 All Hands AI 合作推出 Devstral Medium 和 Devstral Small 1.1，在 SWE-Bench Verified 上分别取得 61.6% 和 53.6% 的成绩。
推荐理由：两款模型给出了同一编码基准下的成绩与调用价格，并区分开放许可和私有部署路径，便于按预算与部署需求比较选型。
Mistral AI 推出企业编码助手 Mistral Code，今天面向 JetBrains IDEs 和 VSCode 开放私测，计划很快正式可用。产品基于 Continue，整合 Codestral、Codestral Embed、Devstral 和 Mistral Medium，覆盖代码补全、搜索检索、智能体编码及聊天辅助，支持在私有代码仓库上微调或后训练底层模型。
Mistral AI 发布首款专用于代码的嵌入模型 Codestral Embed，面向代码检索、语义搜索及编码智能体的 RAG。官方评测称，其在维度为 256、精度为 int8 时仍优于所比较的竞品，并支持保留前 n 个维度以权衡检索质量与存储成本。
Mistral AI 与 All Hands AI 合作推出软件工程智能体模型 Devstral，以 Apache 2.0 许可开放，定位为研究预览。模型针对真实 GitHub 问题训练，在 SWE-Bench Verified 上取得 46.8%，比此前开源 SOTA 模型高出超过 6 个百分点，可通过 OpenHands 或 SWE-Agent 等框架处理代码库任务。
推荐理由：同一智能体框架下的基准比较结合单卡运行条件，为评估开源编码模型在本地代码库中的部署取舍提供了具体参照。
Mistral AI 发布 Mistral Medium 3，面向编码、多模态理解等企业场景，支持混合部署、本地部署及 in-VPC 部署。官方称其各项基准表现达到或超过 Claude Sonnet 3.7 的 90%，价格为 $0.4 input / $2 output per M token，并可在至少 4 个 GPU 的自托管环境中部署。
推荐理由：将基准表现、API 价格与自托管条件放在一起比较，为企业在模型能力、使用成本和部署方式之间取舍提供了具体参考。