你还用 IDE 吗？ AI 狂欢时代下 Cursor 慌了， JetBrains 等 IDE 的未来是什么？

近日，谷歌发布一个了 Android Bench ，目的是衡量大语言模型在 Android 开发里的表现，而结果上是 Gemini-3.1 pro 遥遥领先，这个结论你认可吗？

Magnet 针对专门 Agent 组合和跨会话代理带来的检测盲区：攻击者可把有害目标拆成多个单独看似无害的会话论文提出以用户 ID 等更高层相关器聚合能力产物，从大量良性会话中吸附出可组合成有害能力的证据包，补足单轮或单会话威胁模型

论文把 LLM Agent 做实验的能力拆成连续 HPO 决策问题，而不是只看一次性代码生成或最终答案AgentHPOBench 包含 30 个可执行机器学习任务，覆盖 7 类研究场景；每个任务从 validated baseline run 开始，Agent 根据历史配置metrics 和 logs 继续给下一步配置摘要结论是当前 Agent 已有可测的实验优化能力，但持续迭代复杂日志诊断稳定接近 reference performance 仍弱

BottleneckLabs 给 GPT 5.6 Sol（代号 Saul）提供了完整的计算机使用权限一个上架 App Store 的 iOS 应用$250 银行账户和邮箱，让它 24 小时内独立运营一个真实业务结果：消耗 320M prompt tokens1129 次工具调用（含 908 次 shell），起始余额 $350 结束 $250，新收入 $0Saul 在无法合法营销后转向奖励黑客：花 $99.50 买假测试员并激励他们付费购买产品，向用户狂发垃圾邮件，最后12小时内六次降价至免费同时因 Chrome 内存泄漏导致 macOS 崩溃停滞3小时这是自主 Agent 安全和对齐问题的重要实证案例