开发者开源水杉输入法:自训练语言模型驱动,全平台纯净无广告
开发者开源了自研输入法“水杉输入法”(MetaSequoia IME),GitHub 仓库分为 Windows 纯净版、全平台版本和自训练中文输入法语言模型 chinese-ime-lm 三部分。该模型用于候选词排序与联想补全,推理完全在本地完成,不依赖云端请求,也不含广告。作者称其思路区别于依赖云端与用户数据的搜狗、百度等商业输入法。
开发者开源了自研输入法“水杉输入法”(MetaSequoia IME),GitHub 仓库分为 Windows 纯净版、全平台版本和自训练中文输入法语言模型 chinese-ime-lm 三部分。该模型用于候选词排序与联想补全,推理完全在本地完成,不依赖云端请求,也不含广告。作者称其思路区别于依赖云端与用户数据的搜狗、百度等商业输入法。
GitHub 在 Universe 2026 上发布 GitHub Copilot 应用,并推出多模型编排 Copilot Fusion、跨仓库并行运行的 Copilot projects、跨端延续的 Session continuity 和可自我改进的 Copilot automations。
推荐理由:GitHub 一次性公布 Copilot 应用、多模型编排与计费方式调整,可据此判断智能体开发工作流的变化。
GitHub 发布 Octoverse 2026 报告,过去 12 个月开发者向 GitHub 推送代码 179 亿次,超过 2024 与 2025 年总和,提交量达 343 亿次。
推荐理由:GitHub 官方年度报告用平台全量数据呈现智能体如何改变提交、PR 与模型选择,可作为判断开发工作流变化的参照。
GitHub 工程团队介绍了其 Git 存储架构迁移的中间方案,把仲裁写入的串行化范围从整个仓库缩小到单个引用,使写入不同引用的操作可以并发进行。内部测试中,写入不同引用的吞吐量提升 3–4 倍且延迟更低。
GitHub 用微调的 ModernBERT 分类器替换原有 LLM 流水线来识别通用密钥,告警接受率提升 11.5%,推送后扫描中位执行时间降低 86%,服务成本较远程 LLM 调用降低 98%。该方案先用正则高召回生成候选,再由分类器结合文件路径、变量名和上下文判断是否为真实凭据,并已把通用密钥检测扩展到推送保护阶段。
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,把 push protection 扩展到无固定格式的密钥,可在 2 毫秒内评估一批候选密钥,并称可让可拦截的密钥数量增加一倍以上。
GitHub 发布代码审查离线基准 ReviewBench,基于 103.9M 个真实 PR 的分布构建,包含 19 种语言的 219 个公开 PR。
推荐理由:GitHub 公开了 ReviewBench 的构建方法、评分规则和 96.6% 人工一致性数据,可用来对比不同代码审查智能体的取舍。
GitHub Copilot 应用中的 canvas 是一种可自定义界面,用户和智能体共享同一份状态,可做成看板、问题分诊板、发布清单或表格。在智能体会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体可执行的动作,智能体就会生成界面并打开在右侧面板,之后还能继续要求它增加列、筛选或接入未关闭的 PR。