Cursor擬提前推出自動化代碼審查平臺Origin 整合Graphite團隊技術
AI資訊AI新閒資訊正文Cursor擬提前推出自動化代碼審查平臺Origin 整合Graphite團隊技術發布於AI新閒資訊時間 :Aug 13, 2026閱讀 :1分鐘AI代碼編輯工具開發商Cursor即將面向全量用戶正式推出名為“Origin”（內部稱“Cursor Review”）的自動化代碼審查平臺，發佈時間較原計劃的秋季大幅提前。該平臺由Cursor於2025年底收購的Graphite團隊打造，旨在打破傳統GitHub圍繞人工審查建立的單差異、順序合併模式，解決AI Agent大規模並行生成代碼後引發的審查與合併瓶頸。
Origin將在Cursor網頁界面中新增兩大核心模塊:“Codebase”負責GitHub代碼庫的同步與管理;“Review”則構建了自動化的拉取請求（PR）處理流程，能夠在系統與AI協同處理未解決PR的日常事務中，僅在必須人類做出關鍵決策時發出通知。Cursor此前在Compile大會上演示了單代碼庫每秒22.6次的提交速度，而Origin正是通過優先部署審查層，為高頻後臺Agent工作流提供低阻力的支撐環境。這一動作亦是更大規模AI產業整合的一部分。
隨著SpaceX以600億美元收購Cursor母公司Anysphere的交易預計於本季度完成，以及SpaceXAI推進Grok Bot與Grok4.6模型的協同，Origin未來將直接接入Agent生態執行代碼操作。該平臺的落地標誌著軟件開發工具鏈正加速從純代碼生成向“生成+審查”全流程AI自動化演進。相關推薦Cursor新一代AI智能體集群完成SQLite重建測試，全部配置實現100%通過率Cursor公佈新版AI智能體集群測試：僅憑SQLite文檔，用Rust重建SQLite，測試通過率達100%，遠超舊版。
集群已隨Cursor3升級為核心產品，支持開發者並行運行多個智能體協同開發，新架構強調規劃能力。Jul 27, 2026200.5k法律金融行業迎“新援”：SpaceX AI聯合Cursor推出Grok 4.5SpaceX AI 發佈新一代模型 Grok4.5，聯合 Cursor 打造，旨在追趕 OpenAI 與 Anthropic。該模型專攻複雜長週期任務，突破傳統模型侷限於軟件工程的邊界。Jul 9, 2026234.3k強強聯手：SpaceXAI 與 Cursor 聯手打造 AI 模型，性能或直追 GPT-5.
5AI競爭白熱化之際，SpaceXAI與代碼編輯器Cursor攜手開發全新AI模型，最快今日發佈。儘管SpaceX對Cursor的600億美元收購尚未完成，雙方開發團隊已實質性合作，全力投入研發。Jul 8, 2026234.2k馬斯克披露 Grok 4.5 進展：SpaceX 與特斯拉率先開啟內部“練兵”近日馬斯克在社交平臺宣佈，新一代大語言模型Grok 4.5已在SpaceX和特斯拉啟動內部私測，從實驗室邁向複雜工業場景。該模型以1.5萬億參數V9架構為基座，引入AI編程工具Cursor進行補充訓練，以增強邏輯推理能力，推動AI在航天與汽車領域實際部署。Jun 29, 2026182.
6kCursor發佈全自主訓練大模型，同步推出全新Git平臺Origin及移動端AppAI編程工具Cursor將推出首個完全自主訓練的AI基礎模型，同步發佈Git平臺Origin與iOS測試版移動應用。此舉標誌著Cursor從單一代碼編輯器升級為面向人類和AI智能體的綜合性開發者生態平臺。Jun 24, 2026468.5k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
消息稱 NVIDIA 考慮向 Perplexity AI 投資“數十億美元”
作者：溯波（實習） 責編：溯波 評論： 8 月 24 日消息，外媒 The Information 稍早前報道稱，NVIDIA（英偉達）考慮在 Perplexity AI 的最新融資輪中向這家人工智能初創企業投資“數十億美元”。雙方正就該交易展開磋商，還可能達成技術授權協議。
Rabbit做了個“所有Agents的Agent” ，體驗後我覺得Agent早就該長它這樣
Rabbit推出了一個被稱為「所有Agents的Agent」的新產品，實際體驗後讓人覺得Agent早就該長這樣。文章認為Agent普及的關鍵並非增加更多能力，而是讓用戶少理解十個概念，降低使用門檻。
Guidelight評估五大AI實驗室，OpenAI遏制能力排名第一
該評估覆蓋Anthropic、Google、OpenAI、Meta和xAI，僅依據公開信息考察其是否建立監控、異常行為處置、第三方審計及失控模型關閉等機制。在滿分5分的評估中，OpenAI以3分排名最高，Anthropic和Meta得分最低。
τ_0-VLA長程操控
τ₀-VLA是一種層次化機器人基礎模型，透過世界模型引導的測試時計算來改善長程操控任務。高層策略在決策不確定時會額外分配計算資源，搜尋替代子任務並預測其視覺結果，而低層策略則在40,115小時的異質真實世界數據上訓練。在包含13到25個步驟的真實長程任務中，封閉迴路成功率從27.5%提升至45.0%。