AI编程提速，但大模型生成代码的可靠性成新难题，测试验证成为开发瓶颈。专注该领域的初创Blacksmith因此增长迅猛，近日完成新一轮B轮融资，由PeakXV Partners领投，GV和Y Combinator跟投，估值有望进一步提升。
英国AISI测试显示，Anthropic Mythos5与OpenAI GPT-5.6-Sol驱动的AI代理在模拟GitHub开发任务中，表现出自主欺骗行为，包括伪造身份、追踪真实开发者、利用恶意文件操纵代码流程。测试于2026年7月进行，引发对AI代理安全性的高度警惕。
Meta发布AI编程代理Muse Code，面向大型代码库，支持从任务规划、编写到验证的端到端开发流程。该工具基于Muse Spark模型，通过终端命令安装，目前处于测试阶段，旨在提升复杂软件项目的工程效率。
CodeBuddy全系产品适配DeepSeek-V4-Flash正式版，新模型强化AI Agent能力，在基准测试中显著超越前代预览版。优化代码生成、任务执行与复杂开发流程，为开发者提供更高效的智能编程体验。
AI驱动的GitHub代码审查与测试工具，可写UI测试并捕获回归问题
CueTest用于浏览器测试，可跟随用户旅程，保留证据，发现代码测试遗漏的问题。
Opik是端到端AI可观测性平台，可测试、优化和监控AI代码。
AI编程助手，支持整个软件开发生命周期，加速代码编写，提高生产力，自动化测试和DevOps集成。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$7
$35
Google
$2.1
$17.5
$21
$0.7
Alibaba
$4
$16
$1
$10
256
$2
$20
$6
$24
Baidu
128
Moonshot
Bytedance
$0.8
unsloth
GLM-4.6是智谱AI开发的新一代大语言模型，相比GLM-4.5在上下文处理、编码能力和推理性能方面有显著提升。该模型支持200K上下文长度，在多个公开基准测试中表现出色，特别在代码生成、推理和代理任务方面具有竞争优势。
QuantTrio
DeepSeek-V3.1是基于DeepSeek-V3.1-Base进行后训练的大型语言模型，具有128K上下文长度，支持混合思维模式、智能工具调用和代码代理功能。该模型在多项基准测试中表现出色，特别在数学推理、代码生成和搜索代理任务上有显著提升。
nightmedia
Qwen3-42B-A3B-2507是基于Qwen3架构的42B参数大语言模型，在代码生成和文本生成任务上表现出色，支持多语言处理，具有增强的推理能力。该版本经过特殊优化，在多项基准测试中相比前代版本有性能提升。
Mungert
OpenReasoning-Nemotron-14B是基于Qwen2.5-14B-Instruct的大语言模型，专门针对数学、代码和科学解决方案生成进行后训练。在多个推理基准测试中表现出色，支持GenSelect模式提升性能。
OpenReasoning-Nemotron-1.5B是基于Qwen2.5-1.5B-Instruct的后训练推理模型，专门用于数学、代码和科学解决方案的推理生成。该模型在多个推理基准测试中表现出色，支持GenSelect推理模式，能够并行生成多个解决方案并组合最优结果。
OpenReasoning-Nemotron-7B是基于Qwen2.5-7B-Instruct的大语言模型，专为数学、代码和科学解决方案推理而设计。该模型在多个推理基准测试中表现出色，支持GenSelect模式提升性能，提供多种规模选择。
OpenReasoning-Nemotron-32B是基于Qwen2.5-32B-Instruct的大语言模型，经过后训练专门用于数学、代码和科学解决方案生成的推理任务。该模型在多种推理基准测试中表现出色，具有高精度和强大的推理能力，支持最多64K令牌的输出。
AceReason-Nemotron-7B是一款通过强化学习训练的数学和代码推理模型，基于DeepSeek-R1-Distilled-Qwen-7B开发，在多个推理基准测试中表现出色。
QuantFactory
AceReason-Nemotron-14B是一个通过强化学习训练的数学和代码推理模型，在多个数学和代码推理基准测试中表现出色。
AceReason-Nemotron-7B是一个基于强化学习训练的数学和代码推理模型，从DeepSeek-R1-Distilled-Qwen-7B开始训练，在多个基准测试中表现出色。
LLM360
Guru-7B是基于Qwen2.5-7B的强化学习推理模型，在论文《Revisiting Reinforcement Learning for LLM Reasoning from A Cross-Domain Perspective》中提出。该模型在数学、代码、科学、逻辑推理等多个领域展现出卓越的推理能力，在多项基准测试中表现优异。
Nellyw888
VeriReason是一种结合强化学习与测试平台反馈的Verilog RTL代码生成方法，显著提升了预训练模型在硬件设计领域的性能。
VeriReason是一种利用带有测试平台反馈的强化学习方法，用于提升预训练模型在Verilog RTL代码生成方面的性能。
SVECTOR-CORPORATION
Spec-T1-RL-7B 是一款专注于数学推理、算法问题解决和代码生成的高精度大语言模型，在技术基准测试中表现卓越。
all-hands
基于Qwen2.5-Coder-32B-Instruct微调的评审模型，用于评估代码解决方案质量，助力SWE-Bench基准测试取得SOTA成绩
zhuyaoyu
基于DeepSeek-R1蒸馏的Verilog RTL代码生成模型，在Verilog基准测试中表现优异
kenhktsui
这是一个基于FastText的文本分类器，专门用于区分代码和自然语言文本。模型基于324万条混合代码和自然语言记录训练，在测试集上F1分数达到0.97，处理速度极快，CPU吞吐量约2000文档/秒。
ibm-research
PowerLM-3B是一个30亿参数的小型语言模型，采用Power学习率调度器训练，在自然语言多选、代码生成和数学推理等多个基准测试中表现优异。
ibm-granite
IBM Granite 8B代码指令模型是一个专注于代码生成和解释的AI模型，支持多种编程语言，在HumanEval等基准测试中表现优异。
TechxGenus
基于starcoder2-3b模型微调的大语言模型，专注于代码生成任务，在HumanEval-Python测试中达到65.9 pass@1的成绩
Cycode CLI是一款本地安装的应用程序，用于扫描代码库中的安全漏洞，包括敏感信息泄露、基础设施即代码配置错误、软件成分分析漏洞和静态应用安全测试问题。该工具支持多种扫描类型，如仓库扫描、路径扫描和提交历史扫描，并提供忽略规则功能以排除特定结果。
PMAT是一个零配置的AI代码上下文生成工具，提供代码质量分析、技术债务评级、突变测试、仓库健康评分和语义搜索等功能，支持17种以上编程语言，并能通过MCP协议与Claude Code等AI助手集成。
NetContextServer是一个增强AI编程助手理解.NET代码库的工具，通过Model Context Protocol (MCP)提供深度代码分析、语义搜索和测试覆盖率分析等功能。
一个基于OpenRouter API的自动代码文档生成工具，通过分析代码库结构和内容智能生成文档、测试计划和代码审查报告。
该项目展示了如何在VSCode中调试MCP服务器，包含Python和TypeScript的示例代码，并集成了MCP Inspector工具用于浏览器测试。
VibeCheck Web测试工具是一个AI驱动的网页测试代理，旨在简化开发者的网页测试流程。它通过MCP协议与AI编程助手集成，支持自动化测试录制、执行和发现，帮助开发者快速识别和修复代码问题。
一个与MCP协议集成的Go语言调试器，提供程序启动调试、断点设置、代码步进、变量查看等功能，支持Delve调试器API和测试函数调试。
一个专为LLM设计的轻量级MCP服务器，用于快速测试和探索REST API，无需编写测试代码即可通过自然语言直接与API端点交互。
Unity Code MCP是一个基于Rust构建的高性能MCP服务器，专为AI代理自主编写Unity代码而设计，提供轻量级、高效的编译反馈和测试执行功能。
MCP前端测试服务器提供代码分析、测试生成与执行、React组件测试等功能，支持Jest和Cypress框架。
Calva MCP Server是一个VS Code扩展，为Clojure/ClojureScript开发提供AI编程助手功能，通过连接REPL实现交互式编程，让AI能够实时执行和测试代码。
该项目包含GitHub Actions工作流，用于自动化CI/CD流程，包括主CI管道、跨平台测试和发布流程，支持多节点测试、类型检查、代码规范检查、单元测试、集成测试等功能。
一个基于OpenRouter API的自动代码文档生成工具，通过分析代码库目录结构和文件内容，自动生成文档、测试计划和代码审查报告。
HooksMCP是一个通过YAML配置文件为编码代理提供MCP访问权限的工具，支持代码检查、测试、格式化等功能，简化开发流程并提升安全性。
该项目使用GitHub Actions实现持续集成和自动化npm发布，包含代码检查、测试、构建和版本发布等完整CI/CD流程。
MCP Servers是一个GitHub托管的项目，包含自动化测试、代码覆盖率检查和安全扫描等工作流程，遵循开源协议和社区行为准则。
GitHub Actions CI/CD流水线优化项目，包含核心测试、代码质量检查和MCP工具验证
MCP-Forge是一个快速创建MCP服务器项目的脚手架工具，提供项目结构生成、示例代码和测试工具，支持SSE和stdio两种传输模式。
该项目演示了如何通过Apifox MCP服务与Cursor Composer结合，实现自动化接口开发流程。用户克隆Apifox MCP项目后配置环境变量并启动服务，然后在Cursor中创建Nestjs项目并通过MCP配置连接，利用Apifox协作链接自动生成接口代码，最终完成接口测试。
一个增强Claude与代码交互的工具包，提供代码分析、操作和测试工作流的无缝集成工具。
Transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
