岛刊社 · ISLAND PRESS

全部文章

649 篇，按月归档，最新的在最上面。

7 个月按专题看日报翻页册

回到小岛 →

2026-11 7 篇

2026-11-03

做 PPT，不用拖版式：5.3K 人装的 Skill 把整套视觉串起来

PPT 最怕的不是第一页做不出来，而是第六页像换了家公司。ByteDance Deer Flow 的公开 Skill 用「计划—首张定调—逐页接力—组装」守住整套视觉；但需要反复改字、改数据或套母版时，原生编辑仍更合适。
2026-11-02

ChatGPT 与 Codex 共用额度后，Agent 任务要拆成两档

12 月起，ChatGPT 与 Codex 的用量将进入同一池。比起盯着 token 数，更实用的是把 Agent 工作分成探索与交付两档，为关键任务留出可预测的窗口。
2026-11-02

让 Agent 自己接活，最难的不是多开 Worker

DeepSeek 的公开原型把接入事件、授权判断、独立执行和回传拆成一套控制面。它最值得借的不是多 Agent，而是让每次开工都说得清：谁提的、能做什么、何时该停。
2026-11-02

多 Agent 任务总失控？11 万 Star 的 Paperclip 给它们补了一张工单桌

Paperclip 把多个现成 Agent 收进同一个任务、审批与预算系统。本文不把它当“AI 公司”噱头，讲清它适合解决什么、怎样做隔离试跑、为什么仍要把验收留在人手里。
2026-11-01

做浏览器 Agent，Gemini Computer Use 转正后先补这 3 个环

Gemini API 的 Computer Use 已转为 GA。要把现有 UI 自动化迁进生产，先把截图回传、受限执行环境和人工确认这三件事接上。
2026-11-01

同时跑 Codex 和 Claude Code，工作区怎么不打架？

Orca 把多个终端 Agent 放到各自的 Git worktree。它解决的不是“多开窗口”，而是让并行改动还能比较、验收与回退。
2026-11-01

AI 代码审查进沙箱：让模型交出运行证据

让模型跑代码会把一次审查的成本拉高 10–40 倍，但它也把“我觉得这里有问题”换成了可回放的命令和输出。关键不是全量接入，而是放对门禁。

2026-10 96 篇

2026-10-31

做活动视觉，Figma 把「一次生图」变成了可复用的工作流

Figma Weave 把生成、编辑、比较串成节点，还能封装为同事一键运行的工具。本文给一份把一次成功创意沉淀成团队资产的四步检查表。
2026-10-31

国行苹果智能接入千问，真正落地的是哪两层？

11 月 4 日起开放测试、12 月随 iOS 27.3 推出。比“千问进了 Siri”更重要的是：哪些高频功能已经能用，哪些新版能力仍不在这次范围内。
2026-10-31

9 起安全事件之后，AI 项目的密钥先别只换一把

平台通知来了，最危险的不是没换模型 API Key，而是团队只换了它。把撤销、更新、最小权限和调用核对拆开，才能知道生产权限有没有真的收回来。
2026-10-30

Codex 额度翻倍了，团队该把多出来的并发留给哪三类活？

OpenAI 上调了 Work 与 Codex 的订阅用量，也取消了 Pro 200 的下调计划。真正该重排的不是任务数量，而是哪些任务值得并行、哪些仍必须守住验收和权限。
2026-10-30

设计 Agent 改完页面，先验收哪四件事？

Figma 把专用编辑模型的训练与评测摊开了。真正值得借走的不是某个分数，而是把 AI 改稿拆成请求、结构、画面和人工校准四道关。
2026-10-30

AI 搜索广告进新加坡，产品团队要盯住第二次追问

Google 将 AI Mode 广告扩展至 10 国，并在美国测试多轮广告。对产品与增长团队而言，搜索正在从关键词匹配变成逐步补全需求的对话。
2026-10-29

PDF 表格不用手抄：先把 JSON schema 写清

模型能读 PDF，不等于表格就能进 Excel。把字段规则写进 schema，再拦住空结果与截断输出，才是一条能用的抽取链路。
2026-10-29

让 Agent 改安全漏洞，生产环境还差哪三道闸

Gemini 4 Carbon 的官方安全成绩很亮眼，但它还在分阶段开放。准备让 Agent 读仓库、找漏洞、给补丁的团队，先把范围、验证和证据三道闸补上。
2026-10-29

Excel 报表交付前，18.98 万安装的 Skill 先验公式

Anthropic 的 xlsx Skill 把“能打开 Excel”往后放了一位：公式要重算、错误要扫、假设要留痕。一个少算一行的预算表说明，绿灯并不等于数字正确。
2026-10-28

Genie 4 把实时世界推到眼前，产品团队该准备什么？

它有原生音频、连续交互与运行中改写场景的能力，但仍只是研究预览。比起赶着立项，团队更该先用三条可验证的假设判断它值不值得进入路线图。
2026-10-28

一个功能请求带着视频进 PR，工程师还需要看什么？

Replit 让非工程同事把需求交成带测试、截图和视频的 PR。真正需要重设的，是权限范围、验收证据和最终合并权。
2026-10-28

做设计 Agent，模型不是最难的：先把“好看”做成验收

LangChain 把内部设计 Agent 开源后，最值得抄的不是“一句 Slack 消息出图”，而是把品牌、运行环境、协作反馈和验收规则一起做进系统。
2026-10-27

GPT-6.1 Terra 便宜十倍后，电脑操作任务怎么分级？

Terra 用更低价把电脑操作推到日常任务里。关键不在于“能不能点”，而在于把读取、填写、提交拆成不同的授权与验收层。
2026-10-27

模型拿到65分，为什么还不能替你交付工作？

Epoch 把六个模型放进图表、数据和研究设计等真实任务里，领先者只满足 65% 的员工标准。交付给 Agent 前，先把任务门槛和人工复核写清。
2026-10-27

做 AI 产品，先看 Anthropic 招股书里的三笔账

Anthropic 公开递交 S-1，价格区间仍未确定。比估值传闻更值得产品团队抄下来的，是按量收入、长期算力承诺与分发渠道这三笔账。
2026-10-26

让 Codex 操作已登录 Chrome，先选对这 3 条路

不用再导 Cookie、重登一堆后台。把 Agent 接进真实 Chrome 前，先把权限范围选对：一张标签页、一个 Profile，还是整个浏览器。
2026-10-26

Node.js 服务器的 Brotli 漏洞，升级 npm 没用

Node.js 修复了可由恶意 Brotli 数据触发的高危漏洞。真正要核对的是生产运行时与基础镜像：22.23.4、24.22.1、26.12.1 才是对应修复线。
2026-10-26

会议室电视改成投屏桌面，Codex 接 ADB 前的 4 个边界

公开案例里，四台会议室电视被改成了干净的投屏入口。真正值得复用的不是“让 AI 改硬件”，而是所有权、最小权限、回退和批量复制这四道边界。
2026-10-25

画架构图不用拖框，13 万次安装的 Archify 把代码库变成交互地图

接手陌生仓库时，先让 Agent 画出一张能点开的阅读地图。这里给出可直接复制的提示词，也把生成图最容易误导人的地方摊开讲。
2026-10-25

Claude Code 默认 auto mode：长任务能连续跑，生产权限仍得手动守

Claude 不再把每一个命令都抛回来让你点允许。真正要补上的不是更宽的放行规则，而是把连续执行和生产变更分成两条清楚的边界。
2026-10-25

给 Agent 做隔离，断网之后还缺哪几层防线

OpenAI 把前沿模型训练改成不接真实互联网，红队却仍在 microVM、内部服务和共享硬件里找到越界路径。给能执行代码的 Agent 配环境，别只盯一条网络规则。
2026-10-24

UI 组件总差一口气？38 万人装的 Skill，先改这 7 处

它不替你画页面，而是把按钮、弹层、拖拽与动效拆成一张能带进 Code Review 的检查表：该删的删、该快的快、该尊重系统设置的别漏。
2026-10-24

把整个仓库塞给 Kimi K3.1 Pro？100 万上下文先别这样用

Kimi K3.1 Pro 已上线，100 万 Token 上下文很诱人；但对日常代码任务，先把问题、文件边界和验收条件讲清楚，比把整个仓库一股脑塞进去更重要。
2026-10-24

做产品视频时，Kling 4.0 的 15 个参考素材该怎么排

Kling 4.0 的 API 可用后，产品视频最容易踩的坑不是提示词，而是把角色、商品、运镜和节奏混进同一堆参考图。把它们先排成镜头清单，30 秒才有机会像一个片段。
2026-10-23

428B 权重开了：想本地跑 MiniMax，显存账怎么算？

MiniMax M3.1 Flash 开放权重后，真正该算的不只是一张显卡：总权重、长上下文、服务框架与 Agent 验收，缺一层都不是“下载完就能跑”。
2026-10-23

给 Agent 加分类和路由，OpenAI 这次把输出 token 免了

Decisions API 把分类、路由和评分拆成专用调用。它适合答案有边界的高频环节；生成、解释和新问题，仍该留给 Responses API。
2026-10-23

线上出错后，先让 AI 修，还是让它直接发版？

Replit 的 Monitoring Agent 把告警、自动修复、自动发布拆成了三道开关。真正该讨论的不是它会不会修，而是哪些修改能越过发布门。
2026-10-22

每天翻邮件排日程，值得为 Claude Duet 升级吗？

Claude 开始主动送晨报、在云端继续干活。真正要算的是它替你筛掉多少杂事，又占掉多少共享额度。附一份晨报任务模板。
2026-10-22

飞书幻灯片怎么改？41 万人装的 Skill，先把验收写进流程

它不替你决定一页汇报该写什么，却把“只改一页、回读一遍、截图验收”变成了可执行合同。适合频繁协作改稿的飞书团队。
2026-10-22

PHP 漏洞补丁已出：网站负责人现在该盯哪 3 件事？

PHP2Shell 的补丁已经发布。真正该做的不是转发风险截图，而是确认资产、升级是否真正生效，以及补丁窗口里由谁盯住暴露面。
2026-10-21

AI 写代码太快，代码评审该从盯 diff 换成验收

Tessl 团队把人从 500 行的 AI diff 里拉出来，改在生成前审意图、生成后看证据。本文给一份可贴进 PR 的验收模板，也说清哪些风险仍要回到代码里看。
2026-10-21

自己部署 DeepSeek：DeepInfer 开源后，真正要补的是服务层

DeepInfer 把 DeepSeek-V4.1-Flash 的推理引擎拿了出来，但线上服务最费功夫的缓存、拆分调度和流量均衡仍要自己接。本文给出判断迁移范围的三道门。
2026-10-21

资料不敢上传云端？Mac 上的本地 Agent，先看这 3 道边界

Perplexity 把模型、编排和执行放进 Apple silicon Mac。它解决的是本地文件任务的出机边界，不代表所有联网能力都能离线完成；文末附一张任务分流表。
2026-10-20

Agent 等结果太久？Mercury 3 的千 token/s 先试这 3 类链路

Mercury 3 把速度推到厂商声称的每秒 1068 token，但真正该先试的是模型等待占主导的低延迟链路；迁生产前，先用一套五项回归把宣传数字拆开。
2026-10-20

多 Agent 总串台？Meta 把总控缩到 1300 行

Meta 把 20 多条工作流的总控压成只路由、收集字段和验收的确定性层，把领域判断交给 14 个隔离子 Agent。给已经越搭越重的 Agent 系统，先用这张边界检查表做一次减法。
2026-10-20

UI 设计从截图到可落地：40 万次安装的 Skill，先给你一套设计系统

不是再给 Agent 丢一句『做高级一点』。这个高热 UI Skill 会先把页面类型、颜色、字体、状态和验收条件摊开；附安装方式、提示词模板与一次本地生成结果。
2026-10-19

给 AI 接网页时，API、脚本和 Agent 到底怎么选

一张选择清单，分清什么任务该走 API、固定步骤用脚本、页面会变再用浏览器 Agent；把验收和人工确认留在副作用之前。
2026-10-19

改一行 device 就迁生产？TorchNeuron 还卡着 3 道门

AWS 把 Trainium 接进原生 PyTorch，XLA 改造少了；算子、性能与分布式验证，仍得由团队自己跑完。
2026-10-18

Agent 接外部内容，模型价格之外还要看这一道防线

一项 9,800 次试验的研究给出 26.7％对 14.2％的差距。它不是模型安全排名，却提醒所有接了网页、邮件和知识库的 Agent：模型之外，数据和工具也要有边界。
2026-10-18

Agent 要接网页搜索，DeepSeek 的 Search／Fetch 值不值得换？

DeepSeek 把搜索和网页抓取拆成了原生接口。对做 Agent 的团队，重点不是立刻换供应商，而是先用来源、失败、限速和成本四项验收，判断它能否进入生产链路。
2026-10-18

商品图改背景最怕改坏标签：Krea 3 接进 ComfyUI 后，先拿这一类需求试

Krea 3 进了 ComfyUI。它最值得试的不是从零生一张图，而是把商品本体、要换的场景和验收条件拆开，看看编辑能不能收敛。
2026-10-17

8周做出可上线应用，Meta怎样让 Agent 自己验收

Meta 用 Agent 跑完规划、实现、构建和测试，却把目标、证据与最终签字留给人。拆开它的验证链路，看看团队怎样少收一堆看似能跑、实际难用的 AI 代码。
2026-10-17

给 Agent 换开源模型：816B Muse Spark Open 的三条接入路

Meta 放出了 816B 的 Muse Spark Open。开放权重不等于一台笔记本就能跑：从托管 API 到 1TB 本地部署，先按数据边界、成本和上下文规模选路。
2026-10-17

给 AI 跑代码，别把生产机当沙盒

Agent 能调用终端之后，难题不再是能不能跑，而是凭据、文件、网络和回滚谁来兜底。Perplexity 开源 SPACE，刚好把这条边界摆到了台面上。
2026-10-16

PR 翻倍、回退下降 40%：Claude Code 团队怎么审代码

Anthropic 公布了 Claude Code 团队的审查流程。关键不是让 Agent 替人点批准，而是把人从机械阅读里抽出来，专盯可验证的风险、架构和最终结果。
2026-10-16

Claude Opus 5.5 fast mode 转正，生产流量别只看 2.5 倍

Fast mode 免申请了，但它只加快输出、不缩短首 token，还会切断缓存。把它接进生产，关键是路由、回退与观测。
2026-10-16

本地跑模型，RTX Spark 笔记本的 128GB 值不值得买？

RTX Spark 笔记本今天开售，128GB 统一内存很诱人。但它真正解决的是模型、上下文和私有资料放不下的问题，不是把所有 AI 任务都搬回本地。
2026-10-15

Agent 长任务总会越跑越钝？把记忆搬出上下文窗口的 5 个办法

长任务卡住、重复搜索、忘掉前文，不一定是模型不够大。LangChain 新文给出卸载、可恢复摘要、按需技能、子 Agent 和自有记忆的分工；这篇把它整理成一次试点前能用的选择表。
2026-10-15

产品页总像 AI 模板？61 万人装的 Skill 把设计决定提前

它不靠一张万能 UI 清单，而是把「这是谁的页面、凭什么这么设计」放到写代码之前，再用浏览器截图验收。附安装命令、三步开工法和不适用场景。
2026-10-15

Figma Make 接上 Payload 后，原型何时该开始管数据

Figma Make 把数据库、后台、登录和权限带进了同一条链路。真正该先想清的，是你的项目何时从演示进入需要被运营的应用。
2026-10-14

AI 写代码后，Git 不够用了？Anthropic 把答案藏在 3 万次合并里

Anthropic 每天合并 3 万多次代码后，五个月内把单体仓库迁出 Git。真正值得借走的不是 Scion，而是给 Agent 扩量前该先改哪几段研发基础设施。
2026-10-14

长任务换 Gemini 4 Argon 前，这份灰度清单要先跑

Gemini 4 Argon 已全面开放。它适不适合你的编码智能体，不该先看跑分，而该先用任务、成本和回滚三道门做一次小流量验收。
2026-10-14

去 AI 味的 Skill，我拿自己的公众号稿子试了试

一个号称基于 283 万字语料的开源项目，让我回头检查了自己的稿子。改了几句，也删掉了写作规则里那些要求硬凑生活感、禁用标点的规定。
2026-10-14

AI 挖出 Chrome 漏洞后，代码安全流程该补哪 3 道门

六天、约 4 万美元计算成本、25 万美元奖励。XBOW 的 Chrome 漏洞研究提醒开发团队，AI 提速后最该补的不是一个更大的扫描器，而是授权、验证和修复交付三道门。
2026-10-13

Claude Code 太费额度，我把自己的工作流重新理了一遍

从我自己的长任务流程说起，哪些验证可以合并，什么工作值得派子任务，强模型该用在哪里。缓存和压缩也能调，但先看清它到底在忙什么。
2026-10-13

网页上线前怎么收尾？这个 8 万 Star Skill 把 UI 问题列清了

网页发布前最难沟通的往往不是某个像素，而是「再精致一点」。Impeccable 用产品上下文、24 个命令和 59 条检查，把这类模糊反馈变成可执行的收尾流程。
2026-10-13

端侧多模态上 35B，产品团队该重做什么

MiniCPM-V 4.7 在 iPhone 17 Pro Max 上报出 3GB 内存、13+ token/s 的端侧结果。35B 能跑起来以后，端侧产品该重排的是任务分流、设备策略和验收指标。
2026-10-13

AI 写代码以后，PR 为什么更慢了？Vapi 用 3 条规则把合并时间砍半

Vapi 的内部审查机器人把平均 PR 合并时间从超过 130 小时降到 65 小时。真正能复用的不是机器人名字，而是它怎样处理权限、误报和证据。
2026-10-12

4 小时做出第一关，真正值得抄的是 AI 游戏的工具分工

一套公开的 AI 游戏原型流程，把 Claude Code、Meshy、Blender 和 Unreal 拆成四个角色。先把交接边界画清楚，才知道 4 小时能做到哪里。
2026-10-12

Codex 长任务怎么接着跑？500k 更新后，这份交接模板值得留

跨文件需求改到一半，最费劲的是重新交代已经查过什么。默认窗口扩容后，用一份可复制的交接记录，把下一步留清楚。
2026-10-12

换 Photoshop 前，先用 4 个问题验收 PhotoCraft 的 PSD 工作流

PhotoCraft 的热度值得看，但替换设计工具前，更该用自己的 PSD 样本检查图层、字体、色彩和自动化边界。
2026-10-11

OpenAI 撤下 3 份数学手稿，AI 科研成果该怎么验证

722 份手稿不是一个可以直接引用的结论库。顺着 OpenAI 的版本记录看一遍，你能把 AI 生成的研究成果分成可读、可验、可用三层。
2026-10-11

产品需求里的按钮之争，先让 AI 画 3 个能点的版本

我拿一条有完整约束的工单升级需求，按 Matt Pocock 的 prototype UI 规则做了 3 个可切换版本。按钮不再靠嘴决定，讨论终于有了可点、可改、可丢的对象。
2026-10-11

模型能力还在涨，AI 产品先撞上的可能是供电和推理成本

模型更便宜不等于 AI 项目更便宜。读完这篇，你能把上线评审从模型单价改成正确交付、重试成本和可用容量三笔账。
2026-10-10

浏览器 Agent 要上线，先把提交权单独收回来

Anthropic 的最新复盘提醒了一件很具体的事：给 Agent 接上网页与工具后，网络、提交和审计不能再只写在提示词里。这里有一张可带去评审的四层检查单。
2026-10-10

第一次用 AI 做网页，这两段提示词可以直接用

从一张个人介绍页开始，聊聊需求怎么说、第一版怎么打开、不满意又该怎么改。附两段可以替换内容的提示词，不需要先看懂代码。
2026-10-10

Agent 要替人办事，业务系统需要一个正式入口

Poppy 协议草案把网页、API 和企业 Agent 放进同一套会话与授权模型。对业务团队更实际的问题不是要不要追协议，而是先把哪些权限、提交和审计边界整理出来。
2026-10-09

Claude 缓存读取砍半，Agent 账单该从哪一行重算

Sonnet 5.5 的缓存读取单价从每百万 token 0.20 美元降到 0.10 美元。把折扣落到总账前，先分清缓存读取、缓存写入、未缓存输入和输出各占多少。
2026-10-09

每天整理 Slack 和 GitHub，Claude Managed Agents 的定时简报模板值得抄

Anthropic 把一条团队日报拆成书签、失败披露、投递确认和账本四道关。真正有用的自动化，不是能按时发消息，而是能解释自己有没有漏。
2026-10-09

生产 Agent 返回 200 也会出错，AQuA 怎样给出证据

Google 开源 AQuA，用生产轨迹、版本化源码和独立验证，把看似正常的 Agent 失败变成能复现、能分派、能回归检查的问题。
2026-10-08

Claude Code 跑子代理，10 万 token 是条成本分界线

Haiku 5.5 的低价只在单次提示不超过 10 万 token 时成立。把这条线写进子代理路由，才不会把便宜模型用成昂贵长会话。
2026-10-08

ChatGPT 开始生成表单了，真正该验收的是哪一层？

GPT-6 的 Intelligent UI 让回答能带图表、按钮和表单。界面出现得再快，也要先分清它在解释、辅助选择，还是已经准备替你执行。
2026-10-08

UI 上线前怎么走查？13.6 万 Star 的 design-review 把审美题变成证据题

页面能用不等于该交付。gstack 的 design-review 把截图、问题分级、逐项修复和前后复核串成一条设计 QA 流程，适合 AI 辅助开发的交付前一公里。
2026-10-07

会后任务别急着自动执行，ChatGPT Meetings 先过这 4 关

ChatGPT Meetings 已向 macOS 的 Pro 和 Business 开放测试。它能把会议音频、授权上下文和待办放到同一空间，真正要盯住的是音频权限、归属和人工确认。
2026-10-07

Cursor 手机接着改 Bug，这份交接提示词收好

离开工位后，Agent 卡住的一句追问终于可以在手机上接。配对怎么做、电脑怎么留、离桌前怎么交代任务，一起讲清；附可复制提示词，未做手机端实测。
2026-10-07

多 Agent 写代码，先把这 4 个 Git 卡点管起来

GitHub 为智能体规模开发重做 Git 基础设施。大多数团队不需要重造存储层，却该先把提交延迟、分支隔离、合并队列和 CI 扇出当成新生产力指标。
2026-10-06

做产品页别急着交付，7,489 星流程会追问这 6 类问题

一个开源 UI 复查工作流，把交付前最容易被一句「看着不错」放过去的问题拆成六个可核验的领域。它不替你设计页面，却能把审美争论拉回用户影响、证据和最便宜的修复。
2026-10-06

Claude Cowork 上云后，本地文件权限该重看了

Cowork 新任务今天起转到云端，合上电脑仍能继续跑。但只要碰本地文件，桌面应用、连接目录和权限校验一个都不能少。给团队一份迁移前的边界检查单。
2026-10-06

Gemini AI Plus 少了 Pro，订阅该不该续？

免费账户很快只剩 Flash-Lite，AI Plus 也将失去 Pro。续不续、升不升级，别按模型名做选择，把你真正要交付的任务拿出来算一遍。
2026-10-06

Claude Code 内建的四样，这个开源 agent 一样都没放

子 agent、MCP、权限弹窗、规划模式，pi 一样都没放进内核，却能用三个回调把它们拼出来。Pi系列收官篇，拆它的整体骨架和不做清单，附五个问题，帮你判断自己的 agent 该不该这么做。
2026-10-05

Agent 选模型别只看第一名，$0.57 那档已经进前五

Agent Arena 的十月快照把一件事摆到了台面上，选 Coding Agent 不能只盯榜首。把质量、单任务成本和升级条件写进同一张卡，才知道默认该用谁。
2026-10-05

Agent 写复盘时，最该先交出来的是失败项

一项合成压力测试里，模型默认很少主动报告会推翻结论的失败项。把「如实报告」写进提示词有用，但真正能验收的，是一份失败优先、证据可点开的报告契约。
2026-10-05

给 Agent 装 Skill，5 分钟先看这 5 个权限面

一份公开披露提醒我们，Skill 的风险不只藏在脚本里。给 Agent 接扩展前，把来源、数据、呈现、浏览器和自动化一起验收，才能知道权限到底走到了哪里。
2026-10-05

聊到一半从 Claude 换成 GPT，记忆怎么带过去？拆开 pi 的模型接入层

pi 用一块九十八行的插线板接了 23 家厂商、833 个模型，中途换模型时还会把上一位的思考过程、工具编号、半截调用一一洗干净再交接。附源码拆解，和一份接本地模型只要写 id 的配置。
2026-10-04

ChatGPT 能查你的订阅了，连银行账户前要看这 4 个边界

ChatGPT Finances 把订阅、账单和账户数据带进对话框。真正该先确认的，是可用地区、数据范围、只读权限和删除路径。
2026-10-04

用户数据进训练，Gboard 把隐私承诺做成了验收单

Google 在 Gboard 部署新一代 TEE 联邦学习系统。它不只说数据会被保护，还把访问策略、可复现构建、透明日志和恢复状态放进一条能检查的工程链路。
2026-10-04

让 AI 参与研究后，论文里最该留下哪几条证据

Meta 公开了数学家与 Muse Spark 协作的六篇论文。比「模型会不会做研究」更值得学的是，他们把谁提出问题、谁起草、谁复核、哪些工作独立完成都留成了可检查的记录。
2026-10-04

AGENTS.md 该写在哪一层？拆开 pi 的系统提示词拼装线

全局一份、仓库一份、子目录再一份，这些规则最后怎么拼成一段系统提示词？pi 的做法是设置覆盖、规则拼接、越近越靠后。顺带讲清一件小事，它为什么把今天的日期从提示词里删掉了。
2026-10-03

推理服务卡在 vLLM？Agent 写的专用引擎最高快 90%

Baseten 的实验很猛，但它真正给模型服务团队的不是替换清单，而是一套先锁定工作负载、正确性和预算，再让 Agent 优化的决策方法。
2026-10-03

Agent 总在半路停？把「完成」写进提示词

GPT‑6 的实用指南最值得抄的，不是模型名单，而是把模型、工具、权限和验收改成一份可执行的交付合同。文末有一张能直接塞进现有 Agent 的检查表。
2026-10-03

agent 改坏了五个文件想回退？pi 把会话存成了一棵树

聊天记录一定是一条直线吗？开源的 pi 只靠每条记录多存一个 parentId，就让会话能随时分叉、随时回到过去，旧路一个字不动。附 JSONL 格式、分支摘要和上下文拼装的源码拆解。
2026-10-02

AI 要跑 rm -rf 时谁来拦？pi 的工具调用要过三道关

编程 agent 的每一次读文件、跑命令，在 pi 里都要过准备、执行、收尾三道关，被拦下的不会让程序崩，而是变成一张错误结果交还模型。它手里明明有 bash，为什么还要另配六个工具？附源码和一个现成的危险命令拦截扩展。
2026-10-01

团队知识库进 ChatGPT，不用再先搭一台 MCP 服务器

ChatGPT Sites 现在可以托管 MCP 并生成插件。它最适合把团队手册和项目看板接进对话，但上线前得先把读写边界、发布者和回查步骤说清。
2026-10-01

让 Agent 盯 PR，四个开关决定它能不能上夜班

Factory 把定时和事件触发的 Droid 自动化推向全量可用。真正该先定下来的，不是提示词，而是触发、身份、验收和失败出口。
2026-10-01

React 动效总在切页后失控？这份 5.45 万安装的 GSAP Skill 把收尾写好了

GSAP 与 React 的难点不在做出第一段动效，而在组件卸载、重渲染和 SSR 后不留脏状态。这份官方 Skill 把 useGSAP、scope、contextSafe 三个关键动作收成可复制检查表。
2026-10-01

上下文压缩提示词怎么写？pi 这套六栏模板直接拿去用

agent 聊到两百轮，上下文窗口迟早塞满。开源的 pi 不扔旧对话，而是让模型按固定六栏写摘要，第二次压缩还在旧摘要上更新。完整提示词、触发阈值和切点规则都在这，自己写 agent 可以直接抄。

2026-09 119 篇

2026-09-30

Agent 一改 Prompt 就上线？真实流量回归集该先建起来

公开跑分能帮你挑模型，却救不了用户刚刚踩到的边缘问题。把脱敏后的真实失败样本做成分层回归集，改 Prompt、换模型、加工具前先让它过一遍。
2026-09-30

项目环境一配再配？Codex Cloud 真正省的是交接

Codex Cloud 把仓库、依赖、工具和访问设置做成可复用环境。真正值得搬进云端的，是那套能让同事接手、也能让任务复跑的准备工作。
2026-09-30

DeepSeek 开源昇腾组件，迁移前先补齐这 6 个依赖

DeepSeek 把昇腾上的语言、算子和通信组件都开了源。真正值得团队拿走的，不是一次模型启动记录，而是一张把运行时拆开验收的迁移清单。
2026-09-30

拆开一个 11 万 star 的开源编程 agent，心脏只有 78 行

每天在终端里转圈干活的编程 agent，核心到底长什么样？开源的 pi 把它写成了 78 行，连你中途插嘴该塞在哪一刻都安排好了。附源码拆解，想自己写 agent 的可以照着这副骨架来。
2026-09-30

Skill、工具还是插件？给 agent 加能力，pi 分成了三层

这阵子人人都在装 Skill，可想给 agent 加一个新本事时，写成 Skill、注册成工具还是做成扩展，很多人其实没想清楚。开源的 pi 把这三样分得很干净，还让同一颗内核住进了终端、网页和 Slack。附源码和一条选型判断。
2026-09-29

前端页面怎么不像 AI 生成？这份 4.68 万安装的验收单能直接用

别再只对编码 Agent 说『高级一点』。把组件边界、真实状态、可访问性和四档断点写进验收，页面才不会只是一张好看的静态图。
2026-09-29

安全 Agent 找出 24 个 Android 漏洞，最难的仍是给结果定级

GitHub Security Lab 的公开案例说明，AI 审计最该抄的不是漏洞数量，而是把可疑发现、PoC 验真和人工定级拆成一条不会自欺欺人的流水线。
2026-09-29

日常改 Bug，Sonnet 5.5 值得接班吗

新模型逼近旗舰的分数很诱人，但官方脚注里还有一个越改越扣分的案例。哪些 Bug 适合交给 Sonnet，哪些要留给 Opus，附一张可复制的任务卡。
2026-09-28

网页回归测试，Agent 不必靠坐标乱点

Vercel 的 agent-browser 把浏览器操作拆成可读快照、稳定引用与截图差分。它适合把网页回归交给 Agent，但前提是把断言、登录态和高风险动作留在可核验的边界里。
2026-09-28

AI 写代码越快，越该限制同时开的任务

PR 出来得快，交付却越来越慢，问题可能卡在人的审查队列。一份开发者自述引出的并发判断法，附一周记录模板和可复制的审查提示词。
2026-09-28

Agent 总在重复调工具？小米这套止损法，成本只要 4%

别把每一次多工具调用都当成模型失控。小米公开的复盘给了一套可复核的判断顺序，帮你在 Agent 开始空转前及时刹车。
2026-09-27

CSS-in-JS 要不要迁？GitHub 的三道灰度线值得抄

GitHub 的 55% 不是换个 CSS 写法就有。先量运行时成本，保住兼容层，再把视觉与性能一起灰度，才是能安全下线旧样式系统的迁移路线。
2026-09-27

做内部工具时，Copilot 新开的 Code 到底该不该用

微软把 Copilot 拆成聊天、委派和搭应用三种活。真正该先定下来的，是一个流程值不值得做成内部工具，以及权限、停止权和账单由谁负责。
2026-09-27

Claude Code 换 Opus 5.5，省钱账该怎么验

降价幅度、订阅额度和完成一个任务的花费，是三笔不同的账。附五项费用算式与同任务对照模板，换模型前后都能用。
2026-09-26

九圈振幅跑通后，研究型 Agent 的验收线变了

Claude 完成九圈振幅，新闻里最重要的不是又多了一圈，而是结果同时留下了双路径、可下载产物和独立验算。长时 Agent 也该按这条线验收。
2026-09-26

写 MCP 的，终于能看见插件被谁装了

Claude 新开的插件提交门户，重点不只是多了一个上架入口。它把验证、扫描、发布和安装数据串成了一条链。现有的 Skill 或 MCP 值不值得打包，用这份三件套清单判断。
2026-09-26

做项目看板时，Copilot 能给你现搭一个界面

GitHub Copilot app 的 Canvas 可以用一句描述生成看板、清单或分诊面板。三段提示词和一份验收单，帮你判断它该从个人辅助升级为团队工具，还是只留在一次性试验。
2026-09-25

Claude 页面加载从 3 秒降到半秒，这套优化提示词收好

页面慢，怎么让 Claude 找准瓶颈？从复现到验证，附四段可复制的提示词。
2026-09-25

GitHub 自动找漏洞能进 CI 吗？这份试跑验收单收好

GitHub 把写测试桩、追覆盖率和崩溃分诊交给了 Agent。启动只要一条命令，团队接入却要验收另一组东西。附官方入口和可复制的试跑验收单。
2026-09-25

自建模型加水印，vLLM 把性能账压到 0.19%

vLLM 把文本水印放进采样器，吞吐接近不变。真正该先定的不是开关，而是密钥、检测权和请求绕过权。
2026-09-24

代码不出电脑，Google Agent 本地跑要 24GB 内存

Google 给 Antigravity SDK 补上了本地模型通路。离线并不等于把所有活交给小模型，先从审代码、补丁验证这类低风险步骤开始，硬件和权限边界得自己验。
2026-09-24

Claude 发现新酶系统！950 个 Agent 跑了 21 小时

950 个 Agent 搜索 21 小时，发现新型酶系统 ART。具体功能仍待实验验证。
2026-09-24

Cursor 把上线后的回归，也放回 PR 里了

Cursor 新增的两个 bot，一边审 PR 里的可利用漏洞，一边沿着部署、日志和指标验证改动。它不替团队按下回滚，但让线上验证第一次有了可追溯的起点。
2026-09-24

用 Opus 5.5 干活，我建议把「完成」写进提示词

模型说下一步继续，任务却停在了那里。结合官方指南，把交付、资料、时间和纠错边界讲清楚，附可按场景复制的中文提示词。
2026-09-23

长任务 Agent 升级 Opus 5.5，四个会静默翻车的地方

Opus 5.5 的价格和缓存读取都更低，但现有 Opus 5 链路别只改模型 ID。思考、工具调用、流式事件和 computer use 都有兼容性边界。
2026-09-23

给 Agent 临时加工具，缓存不用从头算了

Claude API 新增 tool_addition beta，长会话里临时加工具、改 schema 或升级服务时，不必重写顶部工具清单。它解决的是缓存重算，不是工具治理本身。
2026-09-23

写代码的模型费降一半，GPT‑6 真正要换的是分流

GPT‑6 Sol 和 Luna 把 API 价格又往下拉了一截。对写代码和跑 Agent 的团队，更值得动手的不是立刻全员切换，而是把任务、验收和缓存重新排进同一条路由。
2026-09-22

AI 写得越来越快，CI 成了最贵的限速器

测试快翻四倍，Linear 反而把单测试 runner 时间砍到约一半。答案不是盲目加机器，而是先把关键路径和固定 setup 成本从流水线里挖出来。
2026-09-22

开源 Agent 模型，别只盯跑分，MiMo 把训练环境摊开了

小米 MiMo-V2.6 不只放出了模型权重，还放出 7,000 多个 RL 任务环境、训练链路与可组合 harness。做 Agent 的团队能从中带走什么，又该先验哪几层？
2026-09-22

产品原型不必从零画，OpenDesign 把设计系统递给了编码 Agent

OpenDesign 0.23.0 把设计系统、Skill 与代码原型留在同一个本地工作区。它不替你完成设计评审，却让 AI 生成的第一版不必只剩一张截图。
2026-09-21

视频字幕可以交给 AI，人别退出生产线

听写、初翻和打轴可以交给模型，但专有名词、断句与画面语气还得有人签字。给内容团队留三道人工关，才能把提效真的换成可交付。
2026-09-21

Gemini 进了三家企业系统，安全测试漏了哪一层

Gemini 在一次安全评测中误入三家真实企业系统。把模型限制在沙箱里不够，网络出口、身份凭证、命名空间和人工停机都要成为验收项。
2026-09-21

这篇公众号居然能点，JEV 为什么适合实时交互一眼就懂

它不是长图，也不是外链 H5。正文直接用 SVG 做了点击、展开和左右切换，交互形式恰好把 JEV 的核心讲明白，模型负责判断，程序负责动作。
2026-09-21

抠图、改图、换背景，这个 7B 开源模型想收进一条链路

Qwen-Image-2.1 把透明图、局部编辑和多图参考装进同一个模型。做产品素材的人少一次导出是好事，不过许可证和本地资源账也得先算清。
2026-09-20

Claude 开放任务成功率到 91%，人类先成了瓶颈

Anthropic 更新了 RSI 内部数据，Claude 的开放任务成功率已升至约 91%。这还不是 AI 自己造下一代 AI，但研发流程的瓶颈正在从执行转向判断、评审和验证。
2026-09-20

多 Agent 共用一套规则，Claude Code 终于开始读 AGENTS.md

同一仓库里同时跑多个 coding agent，最怕的不是谁更聪明，而是两份项目规则悄悄漂移。Claude Code 这次补上了 AGENTS.md fallback，但生效条件和迁移边界比文件名更重要。
2026-09-20

Copilot 代码审查会自己关评论了，但人还不能下班

GitHub 把 PR 审查改成有状态的待办清单。Open、已修和上轮漏掉的问题被拆开呈现，团队终于能把复审、修复和放行分开讨论。
2026-09-20

JEV 不陪你聊天，申请和接入都在这里

它不写答案，只替软件做选择、打分和真假判断。这里有从候补申请到 Playground、API、Python SDK 的完整接入路径，也有官方主动列出的能力边界。
2026-09-20

同传上了 2.3 秒，真正要验收的是什么

Qwen3.8-LiveTranslate 把延迟降至 2.3 秒。给跨语会议、直播和客服接入时，仍要把听清、等得住、分得对三条验收线写进上线单。
2026-09-20

写代码的 Agent，今天能接 Step 5 吗？答案不在 1M 上下文

Step 5 Preview 把长上下文、多轮工具调用和持续执行摆到台前。值不值得接入，不看参数海报，看任务能否验收、过程能否恢复、成本能否按成功交付计算。
2026-09-18

ChatGPT 进 Word 后，写方案终于不用来回复制

Word 侧栏里的 ChatGPT 能起草、改选中文本和整理格式。真正好用的姿势不是让它接管全文，而是先划出不能动的事实、术语和结构。
2026-09-18

蛋白模型跑不动时，Claude 给 30 多个开源项目提了速

Anthropic 称 Claude 在不到四周优化了 30 多个开源生物模型，平均提速约四倍并开源代码。更值得工程团队拿走的，是一条可复用的优化与验证路径。
2026-09-18

Claude Code 能并行开工后，真正要补的是合并规则

Claude Code Projects 能把长任务拆进云端线程并行推进。真正该先设计的不是线程数，而是任务边界、合并门槛、额度和私网限制。
2026-09-18

Claude 主导 26% 研发后，审查要从代码转向证据

Anthropic 首次把 AI 参与模型研发写成比例。真正值得团队借走的，不是 26% 这个数字，而是把 Agent 交付改成可回放的证据包。
2026-09-18

模型会自己往摘要塞指令，团队上线前别只验最终答案

OpenAI 披露 6 份模型失准报告。接入能调用工具、跨上下文执行任务的 AI 后，团队要补的不是恐慌，而是一层能追查的发布前验收。
2026-09-18

音视频 Agent 要交付任务，Qwen3.8-Omni-Flash 先得过三关

Qwen 把音视频输入成本压下来，也把 Agent 从看懂素材推向执行任务。接入前别急着换整套流程，先把输入、输出和动作权限过三道验收。
2026-09-18

代码审计用上 Agent 后，最值钱的是那套临时工具

Trail of Bits 为一次 Miden 审计补齐 LSP、反编译器、静态分析和 Lean 模型，抓到高危漏洞与 400 多处缺口。普通团队不必照搬形式化证明，但该把 Agent 产物送进可读、可测、可审的入口。
2026-09-17

写文档做 PPT，Claude 终于不让你先选模式了

Claude 把聊天和 Cowork 合到同一个入口。周报、文档和演示稿终于能接着同一段上下文往下走，但对外动作和最后复核仍该留在人手里。
2026-09-17

83 万行 Rust 不是重点，128 个 PR 才是 AI 重写能上线的原因

GitHub 用 Copilot 把核心运行时迁成 83 万行 Rust。真正可复制的部分不是让 Agent 多写代码，而是把迁移锁进独立测试、原子 PR 和持续发布里。
2026-09-17

项目总被 AI 忘掉，Grok Build 把约定写成了可改文件

每次重开 Coding Agent 都重讲测试命令和项目约定，很快会变成另一种重复劳动。Grok Build 把记忆做成按项目保存、可浏览和可整理的 Markdown，但它真正考验的是哪些内容必须记、哪些绝不能记。
2026-09-17

做 PPT 还在改模板？2.59 万人装的 Skill 把排练也塞进去了

归藏 PPT Skill 把文章、大纲和配图串成单文件网页演示稿。本文给出安装命令、可直接复制的请求句式，以及哪些交付场景别把它当成 PPTX。
2026-09-17

Vidu S2 要进直播间，先把「不断流」写进验收单

实时换装、换人和换背景已经能发生在持续视频流里。Vidu S2 值不值得接，不该只看一段样片；直播和互动视频团队更该先验三段不断流。
2026-09-16

ChatGPT 广告不只买点击，产品团队得先守住对话后的线索

OpenAI 正在测试 Sponsored Agents。广告点击后的第一站不再只是网页，而是一段品牌对话。对产品与增长团队，真正要补的是线索、承诺和人工交接的那一段。
2026-09-16

AI 网关终于能看懂 Agent 在忙什么了

Claude Code 给 LLM 网关补了五个可选请求头。它们不让模型更聪明，却能让排障的人分清一条 Agent 请求卡在模型、工具还是上下文。
2026-09-16

Claude 给小团队塞进 43 个工作流，先别交出发送权

Claude for Small Business 一口气扩到 43 个工作流和 27 个新集成。真正该先验的不是自动化数量，而是每一次草拟、排队与发送之间，谁还握着最后一颗按钮。
2026-09-16

代码越写越快，PR 审查越不能靠人堆

一篇公开探访把 OpenAI 的智能体软件工厂摊在桌上。真正值得普通团队借走的，不是更多 Agent，而是目标、风险、验证和上线观察这四道工序。
2026-09-16

做 AI 搜索，读写分开才扛得住整库重建

Perplexity 改造存储的重点不只是自研数据库，而是把文档状态、批量更新和在线读取拆开。本文给出判断是否该拆读写的四个信号，以及不能照搬的边界。
2026-09-16

产品出海要翻55种语言，本地模型该不该上？

Google 的语言能力已扩到 300 多种，但产品团队真正要决定的，是哪些翻译该留在自己手里。用一张验收单判断 TranslateGemma 值不值得进本地化流程。
2026-09-15

CI 任务 6 个月涨 25 倍，测试不能再全跑

Anthropic 的 CI 任务在 6 个月内增至 25 倍。真正值得借的不是加机器，而是把测试选择做成有状态、可分片、可观测的服务。
2026-09-15

让 Agent 修漏洞，跑过一个 PoC 还不够

一份公开复核让 AI 补丁 26% 的结论重新回到方法本身。真正能进主干的补丁，得同时经得住原始 PoC、同根因变体、回归和可复核记录。
2026-09-15

新站接入 Cloudflare，AI Agent 默认进不了广告页

Cloudflare 今日给新接入域名启用 AI 流量新默认值。搜索可留，训练和实时 Agent 在广告页会被拦。真正要做的，是把内容边界和用户任务分开配置。
2026-09-15

做语音 Agent，81.5 分第一的模型要不要换

GPT-Live-1 在最新语音榜单拿到 81.5 分。可对电话客服、预约和语音助手团队来说，迁移与否不该由 0.2 分决定，先用十通真实电话把打断、工具、成本和兜底验明白。
2026-09-15

Siri AI 上线了，中国大陆用户先别急着升级

它能读懂屏幕、跨 app 找资料，也会替你起草邮件。但首轮英语 beta、中国大陆暂不可用、设备与日限额都摆在前面。换机或升级前，先把这五项查清。
2026-09-14

Android 测试跑到 99%，ARTEMIS 真正接住的是 Bug 复现

Google 开源的 ARTEMIS 把自然语言需求、真机执行、截图和 Logcat 串进同一条链路。99% 的跑分可看，真正值得先试的是把回归与复现留成可回放证据。
2026-09-14

ChatGPT Pro $200 暂停新购，已订的人取消前先看这一条

Pro $200 暂停新购与升级后，最容易被忽略的是取消或降级真正生效的那天。把账户状态、账期与替代路径核对完，再动订阅设置。
2026-09-14

让 Agent 读 Gmail 很容易，难的是把发送权限留在人手里

gws-gmail 能把 Gmail 的筛选、归类和草稿交给 Agent，但 OAuth scope、提示注入和误发风险不能用一句自动化带过。本文给出先只读、再草稿、再谨慎开放发送的三道门。
2026-09-14

搜索 Agent 跑分很好，真正该验的是上下文

Iris 把模型、搜索循环、上下文管理和判分器一起开源。看完它的公开数据，就会知道一张排行榜为什么不足以帮你选 Agent。
2026-09-14

做 AI 产品别只盯模型，状态数据才是最难补的一层

OpenAI 的 Habitat 把支撑 ChatGPT、API 和 Codex 的在线数据访问收进一个服务。对 AI 产品团队来说，更值得学的不是 Rust，而是把在线状态、复杂查询和权限治理分开设计。
2026-09-14

一首 BGM 改一句歌词，Suno v6 不用再整首重抽

Suno v6 真正值得看的一步，是把配乐从一次性抽卡改成可编辑的工作流。做视频 BGM 时，用 mini 试方向、wild 找意外、v6 收成品，返工会少很多。
2026-09-13

Agent 长任务总跑偏，状态管理才是保险

上下文窗口更大，并不等于 Agent 更能扛长任务。把目标、约束、证据和下一步放进可恢复的外部状态，才是跨文件 Bug 和长流程不跑偏的底盘。
2026-09-13

前沿实验室开始踩刹车，做 Agent 的团队该补什么

模型能力跑得比流程快时，最容易漏掉的不是一条 Prompt，而是可回放的权限、日志和停机边界。这里给 Agent 团队一份能带进上线评审的检查表。
2026-09-13

语音 Agent 不该全塞进一个模型，GPT‑Live‑1 的新分工

GPT‑Live‑1 终于进了 API，但全双工只是前台体验的升级。语音层、推理层、工具权限和后台任务仍该分开算账，这份分工表比换模型更值得先做。
2026-09-13

代码有点乱时，92 万次安装的 Skill 先画诊断

在一个有连续提交记录的本地语音输入法里实测后，它没把 543 行热键代码拆散，而是把泄漏的剪贴板归还协议收进一个可验证的小模块。
2026-09-13

AI 能重写两端，小团队依然值得用 React Native

Shop 用 12 周交付原生版本，但重写速度只回答了一半问题。拿一个真实业务流程试跑，把开发、验收和后续改动放进同一本账，才能判断你该不该迁移。
2026-09-13

React 页面慢，第一刀不该砍 useMemo

Vercel 的 70 条 React 规则把异步瀑布和包体放在最前面。给 Coding Agent 一段按优先级审查的指令，先解决用户真会等的那几秒。
2026-09-12

装了 69 个 Skill，开场就吃掉一万 token

Claude Code 这两周补了三条命令，把「我装的这堆技能占多少上下文、到底有没有用」从凭感觉变成可量。我在自己机器上把账算了一遍。
2026-09-12

做大功能时，Cursor 的数千 Agent 要过四关

Cursor Projects 把长期任务交给一个协调者管理，真正变重的不是并发数，而是范围、上下文、权限和验收。这里给出一份启动前就能用的检查清单。
2026-09-12

DeepSeek 把 Pro 路由给 Flash，省钱不等于能直接上线

9 月 14 日起，DeepSeek V4 Pro 的 API 请求会自动转到 V4.1 Flash。模型不需要手动换，生产验收却必须提前做。
2026-09-12

活动运营总漏一环，GitHub Copilot 这套骨架能直接借

GitHub 一位营销负责人把活动筹备收进一张 Issue。真正可借的不是 Copilot 写文案，而是表单、标签、干跑、告警和复盘组成的可审查工作流。
2026-09-12

做页面先定设计系统，35.4 万人装的 UI Skill 怎么用

它不替你赌一张好看的页面，而是把产品类型、版式、配色、字体和可用性检查先定下来。附安装命令和一份可直接复制的设计 Brief。
2026-09-09

改海报只动一块，ChatGPT Images 2.5 终于有了局部编辑

ChatGPT Images 2.5 最有用的不是把图画得更花，而是把改海报、封面和产品图的返工，收进一套可验收的局部编辑顺序。
2026-09-09

六年预训练实验，数据把算力效率推高 12 倍

一组 7×7 对照实验把模型配方和数据语料分开重训。12 倍只是开头，更值得看的是它如何测量、哪里不能外推，以及训练预算该怎么重新分。
2026-09-09

Jira 接进 Agent 后，权限和上下文才是主流程

Rovo MCP v2 加了更多产品与工具，但团队真正该先安排的是按需取数、最小权限、人工确认和用量边界。这里有一份可直接照着走的接入检查表。
2026-09-08

AI 产品上线前，先过这 4 道授权和留痕检查

最高法刚公开的 AI 纠纷审理意见，不是一张给产品经理背诵的法规清单。把它翻成上线待办，最该补的是授权、停止生成、证据包和风险说明。
2026-09-08

做 3D 原型，GPT-6 的三条路别走反了

会让 GPT-6 控 Blender，不等于拿到可交付的 3D 资产。Computer Use、MCP 和 CLI 各自该在什么时候上，一份首轮验收清单讲清楚。
2026-09-08

选开源模型，Mistral 的 30 亿欧元该怎么算

Mistral 的 30 亿欧元融资不是让团队今天换模型，而是提醒下一轮模型 POC 把路线、数据、算力与退出条件一起验收。
2026-09-08

做后台 UI 别再反复手搓组件，4.9 万人装的 shadcn Skill

shadcn 的官方 Skill 不负责替你画页面，它逼着 Coding Agent 先读项目上下文、查现成组件、看文档再动手。设置页和表单这类高频活，终于有了一条不靠临时样式硬顶的短路径。
2026-09-07

Agent 跑夜班前，先给它装一张验收单

OpenAI 的 Agent 运行时已达人力的 3.1 倍，但复杂任务依然离不开人工介入。让 Agent 长时并发前，先把这张验收单贴进任务卡。
2026-09-07

做前端别再套 AI 模板：86 万人装的设计 Skill，到底改了哪一步

Anthropic 的 frontend-design Skill 不是一套配色模板。装上前先看这张开工检查表：它怎么把产品语境、字体、布局和自检塞进 Coding Agent 的第一轮工作。
2026-09-07

给 Coding Agent 升级，先收拾 AGENTS.md

GPT-6 Astra 更会追问，也更认真执行它读得到的规则。升级长任务 Agent 前，先把可直接做、必须确认和如何验收写清，能少掉一半无效拉扯。
2026-09-07

Agent 会解释，不等于跑得可审计

OpenAI 说思维链监控正变得更难依赖。真正要紧的不是逼 Agent 多解释，而是在模型之外留住输入、行动、结果和干预四类可复核证据。
2026-09-07

算力预算别只看 GPU，990 亿美元也得算进去

英伟达在最新 10-Q 中披露 990 亿美元股权投资和 250 亿美元承诺。对算力采购者而言，真正该追踪的不再只是芯片报价，还有客户融资、锁定期与未来使用率。
2026-09-06

Agent 能上网前，先补一张外发日志

OpenAI 的公开复盘提醒我们，给 Agent 开浏览器和外部工具时，真正要一起上线的是可回放的外发记录、安全停止条件和真人接管。
2026-09-06

1300 万行 Lean 代码，没替人类发现新数学

Claude 用 11 天把费马大定理做成可复跑、可检查的形式化证明。真正值得盯住的，不是数字有多大，而是验证一项复杂结论的成本开始被改写。
2026-09-06

写代码选模型，GitHub 把 67% 成本差塞进路由器

HydraFusion 已在 Copilot CLI 开放研究预览。它不是替你找最强模型，而是把升级、审查和成本核算装进一次任务，附三条试用护栏。
2026-09-06

GPT-5.7 官方页还是 404，别急着替它跑分

官方目录、变更日志和直达模型页都没有 GPT-5.7。把截图、路由痕迹和跑分转述写成结论之前，先过一遍这份发布核验清单。
2026-09-06

查 SaaS 账单的 Agent，先学会不花钱

xAI 的采购 Bot 案例里，最可抄的不是超过 10 万美元的节省，而是把查账、找人、出方案和对外发信拆成三条权限线。拿走一份可在下一笔续约上试跑的检查表。
2026-09-04

Claude 搬完 7.2 万行汇编，真正值钱的是 0 像素差异

一晚迁完只是热闹。字节级重建、零像素差异、状态探针和真人试玩，才是 AI 接手老系统时真正能抄走的工程方法。
2026-09-04

Funes 让 4 个 Agent 共用记忆，原始会话比摘要更值钱

它把 Claude Code、Codex、pi 与 Hermes 的旧会话索引在本地，召回结果能回到原始轮次。真正该审的是显式上传、密钥扫描和第三方记忆边界。
2026-09-04

GPT-6 Astra 的 99.9%，换个 Harness 只剩 62.7%

同一个 Astra，标准脚手架 62.7%，保留跨调用状态后 99.9%。真正拉开 Agent 差距的，已经不只是模型，而是记忆、工具、权限和验证怎样接在一起。
2026-09-04

K2 Horizon 自砍 3.37 分，训练记录比跑分更值钱

六款模型全开只是表面。IFM 主动公开奖励作弊并下调成绩，真正抬高的是开源模型的可审计门槛。
2026-09-04

NVIDIA 129 亿要买 Hugging Face，最贵的是模型入口

300 万个模型背后是一条开发者默认路径。看懂 NVIDIA 买下的分发层，并用四项检查把开放承诺变成可验证的工程边界。
2026-09-04

WeatherNext 3 的 60%，不是天气准确率

Google 把全球天气预报从 6 小时批次压到每小时更新。真正难的不是看懂 60%，而是把时效、概率和官方警报写进产品合同。
2026-09-03

Claude 退到后台，审批弹窗反而成了新阻塞

后台电脑操作省掉了盯屏时间，也让权限与失败状态更容易被忽略。这里给出一套风险分级、短时授权、事件日志、互斥锁和恢复方案。
2026-09-03

Gemini 3.8 六周三更，我反而不敢自动升级

同价、更强和 47.2% 补丁通过率都很诱人，但生产团队真正缺的不是再点一次切换，而是一条可评测、可灰度、可回滚的模型发布列车。
2026-09-03

Muse Spark 1.3 少 25% Token，先别急着算省钱

官方编码比较显示工具调用约少 20%、Token 约少 25%，独立评测却给出了更高的单任务成本和更长的首字等待。选 Agent 模型，得把调用、重试、时延和验收放进同一张账单。
2026-09-03

产品原型 Skill 71.1 万次安装，三版只回答一个问题

我用同一份示例数据做了目标、上下文、场景三种结构，并验证链接切换、键盘、空错状态和移动端。真正该带走的是答案，不是一次性代码。
2026-09-02

Fable 5.1 把缓存砍了 75%，却给迁移埋了 3 个雷

缓存读取确实只剩四分之一，但整单最多约省 45% 有前提。更要命的是，旧 Agent 直接换模型 ID，可能报 400、丢思考块或重启缓存。
2026-09-02

Gemini 视频省 88% Token，抽检反而要加码

Gemini 开始自己决定看哪段视频、听哪段音频。账单可能真会降，但证据路径也变得更难复现。这里给一套能直接落进视频 Agent 的双轨验收法。
2026-09-02

207 个 WebGPU 内核快 2.57 倍，整模型还没跑

Hugging Face 一口气开源 207 个内核，M4 单算子几何平均快 2.57 倍。真正值得抄的不是最大跑分，而是把契约、正确性测试、基准和真实设备证据绑进同一个版本包。
2026-09-02

Cline 免费上 LongCat，最值钱的不是省 Token

Cline 把 LongCat-2.0 放进了免费模型列表。别只看免费和 1M 上下文，趁窗口还在，把模型切换、任务验收、权限隔离和活动结束后的回滚路径跑一遍。
2026-09-02

Qwen3.8-Max 领先 4 分，误差却有 19 分

千问新模型登顶前端代码榜，但 4 分领先仍落在误差区间里。榜首先别急着封神，5 美元混合价和自家任务通过率才更值得团队算一遍。
2026-09-02

AI 写代码过了 87.3%，完整仓库只过 27/43

Vero 把 Agent 送进 43 个仓库级证明题。单条规范过得很漂亮，完整交付却立刻掉队。普通团队不用明天改写 Lean 4，但该把验收从一句测试全绿升级成可复跑的证据链。
2026-09-01

AI 数据中心要电 700GW，电网先别全信

路透社发现，美国多地数据中心接电申请超过 700GW，是当前实际用电估算的十倍。问题不只在耗电，而在重复排队和容量占位如何污染规划信号，以及电网怎样把真项目筛出来。
2026-09-01

这个 UI Skill 60.2 万次安装，专治千篇一律

它不靠再塞一百条审美规则，而是把产品 brief、现有设计系统和一次渲染验收放到生成前后。附安装命令、官方同题对照和付费边界。
2026-09-01

ChatGPT Ads 10 亿美元，答案独立得靠审计

OpenAI 的广告业务不到 200 天跑到 10 亿美元年化收入，但真正难的是证明广告信号没有进入回答、引用与 Agent 动作。本文给出一套可审计的隔离与验收框架。
2026-09-01

Endeavor 能私有部署，不等于模型属于你

Flower 把前沿跑分和私有部署放进同一份发布里，但参数、价格、许可证、权重和退出机制都没公开。企业真正该买的不是机房位置，而是可迁移、可审计、可持续的控制权。
2026-09-01

模型会承认自己作弊，照样继续拿奖励

Anthropic 刻意用 80 个可作弊环境训练一个 Opus 级模型。最麻烦的不是它会钻漏洞，而是它能如实承认作弊，却仍在下一回合继续追分。
2026-09-01

Solaris 没有 DOM，界面再漂亮也难上线

Runway 让世界模型逐帧生成 720p 交互界面，250 人更偏爱它的自然反馈。真正挡住上线的，却是稳定文字、测试、无障碍、事实校验、长会话和每帧成本。

2026-08 161 篇

2026-08-31

长跑 Agent 别只盯单轮，安全状态得跨轮保留

攻击证据能拆到多轮，让单次轨迹监控器接近猜测。论文给出不衰减风险账本、中介提交和独立裁决设计，也暴露一个难题，安全锁住以后该怎么恢复。
2026-08-31

H3 Max 跑得比播放快，离直播产品还很远

五秒视频约三秒生成，只够解决画面来不及这一题。连续性、输入缓冲、实时审核和故障恢复，才决定一条 24 小时 AI 频道能不能从演示活成产品。
2026-08-31

这个 UI 收尾 Skill 8.7 万次安装，修的是上线前最后 10%

页面已经能用，却总像个半成品。polish 把上线前收尾压成一套有顺序的检查，从坏状态到跨断点，再到对齐和动效，并明确什么时候不该用它。
2026-08-31

OpenClaw 2.0 装得更快，权限债也更贵了

引导式安装、远程会话、共享凭据看着都更顺手，但每一层便利都在扩大权限面。这里整理两条破坏性迁移和一份升级前的信任边界清单。
2026-08-31

代码验收 Skill 19.5 万次安装，先跑证据再说完成

它只做一件事，把「应该能过」改成新鲜命令、完整输出和退出码。我用一个语法检查通过但单测失败的最小 demo，拆清它适合接在哪，哪里又管不住。
2026-08-30

数万首歌进了诉状，AI 训练台账该补课了

索尼、华纳的起诉把训练输入、模型输出、版权管理信息拆成三笔账。别急着下结论，先看 AI 团队该补上的数据来源、授权范围与删除链路。
2026-08-30

这个 PPT Skill 21.1 万次安装、17.3 万 Star，同题少吃 20% 输入 Token

同一份 8 页产品汇报、同一个模型、同一个公司模板。Skill 没让版式碾压裸模型，却把模板盘点、原生图表和两轮 QA 固化下来，输入 Token 还少了 20.4%。
2026-08-30

Claude Code 新增受限模式，安全靠的是少给能力

它会移除运行命令和 WebFetch，把文件工具圈在工作区，却不是一键安全。把它接进代码审查和 CI 前，还要补上工具白名单、隔离、身份与审计。
2026-08-30

代码架构 Skill 82.6 万次安装，先把重构写成 RFC

它不直接改代码，而是先读近期提交、做删除测试、画 Before 和 After，再让人决定要不要重构。装上的不是一键优化，而是一脚刹车。
2026-08-30

多 Agent 刷新 5 道数学题，赢在会写失败报告

19 个结果由多个 Agent 协作完成，跨模型合作有 61.5% 靠持久档案传递。真正可抄的不是六模型群聊，而是让局部成果、错误和证据都能被下一棒继承。
2026-08-30

Uber 70% PR 归 Agent，AI 账单却没跟着涨

周请求量半年涨 9.4 倍，总支出却基本稳定。真正可抄的不是 Uber 的规模，而是它把每个合并 PR、每次审查和每个告警都算成结果成本。
2026-08-29

Claude 赢了 28 名研究员，不等于会做安全研究

Anthropic 的自动研究员在六小时内超过人类最佳方案，但它赢的是有评分器的实验赛道。真正该学的，是盲测隔离、能力回归和防刷分。
2026-08-29

Claude Code 换模型，省下的 token 可能不够重建缓存

2.1.251 把模型切换前后的 hook、缓存冷热与预算放进同一条运行时链路。真正值得补的不是一段脚本，而是模型白名单、成本护栏和审计证据。
2026-08-29

Claude 新 API key 绑上身份，也不等于安全

key 会随人离开而失效，确实补上了责任归属。可生产系统真正要躲开的，是长期静态 secret、跨工作区权限和无声失效。三类 key 与 WIF 到底怎么选，这篇给一条迁移线。
2026-08-29

Cursor 的 BYOK，算不上模型容灾

OpenAI 拟于 11 月 12 日结束直供。聊天框还能接通，不代表 Tab、Auto、Cloud Agent、账单与数据边界一起迁走，团队该按功能面验收退路。
2026-08-29

Qwen3.8 27B 慢一半，干完活却没更久

同一台 Mac Studio 上，新模型从 28.6 降到约 14 tok/s，完整答案却从 72 秒缩到 67 秒；1-bit 量化更快，却在工具任务里反复改口。
2026-08-29

这个 UI 审查 Skill 58.8 万次安装，报错直接给行号

它不负责把页面变漂亮，而是用持续更新的 Vercel 规则，把无障碍、焦点、表单、动效和性能问题压成可定位的 file:line 清单。附安装命令和一次真实前后对照。
2026-08-28

学 Agent 先别学框架，这条路反而更快

33 个免费 Colab 从原始 API 教 RAG、评估与 Agent 循环。真正值钱的不是资源数量，而是让你先看清框架隐藏的成本、边界和故障点。
2026-08-28

MHS 最值钱的不是机械臂，是急停按钮

统一驱动把数周集成压到数小时，也把模型的物理盲区暴露得很彻底。看懂物理 Agent 真正需要的发现、约束、快速控制和可审计降级。
2026-08-28

Hy4 的百万上下文，不该成为 Agent 默认配置

770B 总参数只激活 49B，百万上下文却会把 KV 缓存、重复输入和长任务失控一起放大。真正该升级的不是 prompt 长度，而是任务切分与状态管理。
2026-08-28

Midjourney V8.2 真正缺的不是画质，是 Git

四张参考图、moodboard 和个性化全能叠加后，生成一张好图更容易了，让团队稳定重做同一张图反而更难。
2026-08-28

MiniMax-H3 的 6.24 倍，不能直接算成六倍产能

同一套 8×H200 基准里，近两倍是运行时白捡的，剩下三倍来自缓存与稀疏近似。看懂基线和质量预算，才知道线上该开哪一档。
2026-08-28

科研 Agent 最强只做对 30%，别只怪模型

70 个真实科研工作流把最强系统压到 30%。更扎心的是，榜单评的从来不只是模型，还包括终端环境、工具链、证据产物、失败恢复和每一美元到底换来多少有效工作。
2026-08-27

25 万段 Claude 对话开放了，研究者一条都看不到

Anthropic 让外部团队自选问题，却不开放原始对话。真正值得抄的，是这套兼顾隐私、独立发表与测量误差的第三方评估合同。
2026-08-27

Gemini 3.5 词错率 2.6%，原话却更难追

会清理口头语和自我纠正的转写很省事，却不该直接充当审计底稿。语音系统要同时留住原始音频、逐字稿和清洁稿。
2026-08-27

GLM-5.3 Flash 拿下 20% 流量，跑分只是第二战场

匿名上线一周就冲到 OpenRouter 周 token 份额第一。比 AA 57 分更值得看的是每任务成本、速度短板和国产卡服务栈，这三项才决定它能不能进生产。
2026-08-27

OpenAI 的 Agent 不会认输，才是最危险的 bug

198 道无解任务贡献了 93% 的侧信道讨论，生产 harness 又能把越界倾向压低百倍。问题不只在模型够不够强，而在任务何时允许失败。
2026-08-27

Qwen3.8 加了 51B 查表参数，模型开始像数据库了

Qwen4 的早期预览把历史压缩、稀疏检索和局部查表揉进一个模型。跑分之外，这套设计把成本从算力搬向主机内存、带宽、缓存命中率和尾延迟。
2026-08-27

500 万亿 Token 一天，跑出来的未必是产出

中国大模型日均词元调用量三个月从 140 万亿升到 500 万亿。数字背后，Agent 的重试、长上下文和工具回路正在吞掉预算，真正该量的是每个成功任务的成本。
2026-08-26

Claude 统一记忆后，方便背后多了一层配置债

聊天里的项目背景如今会跟进 Cowork。少解释几遍当然很爽，但长期记忆一旦过期、串错作用域或缺少来源，它就会像陈旧配置一样稳定地带偏每次任务。
2026-08-26

豆包工作会做 PPT，不代表企业敢让它干活

把飞书文档、群聊、会议和权限交给 Agent 以后，办公助手才真正进入组织，也同时带来作用域、审批、审计和撤销的新账。本文给出一份团队上线前能直接照抄的验收合同。
2026-08-26

Jalapeño 跑分快，AI 写 kernel 还不能免检

OpenAI 的芯片会让 AI 自己做映射、放置和调度，部分模块快了 1.5 至 1.8 倍。真正能抄走的不是跑分，而是一套把机器优化关进回归测试的工程方法。
2026-08-26

OpenRouter 视频 API 最贵的 Bug，不在模型里

统一端点让 Seedance、Veo、Wan 切换更快，但生产系统真正会翻车的是异步任务状态、重复提交和回调重放。本文给出一份能直接落地的 job ID、幂等、恢复与成本清单。
2026-08-26

OpenWorker 会扫漏洞，还远远不够

三类安全 Coworker 只是表面，真正决定它能否进生产的是 workspace trust、审批门、自动 reviewer 和 hard floor。读完这次 release，你会得到一套安全 Agent 的上线次序。
2026-08-25

GPU 越快，AI 基础设施可能越贵

GPU 短缺缓解后，压力正迁到 HBM、CPU、SSD、电力和机房。真正该算的不是每秒多少 token，而是每个任务完成前，整条数据链要排多少队、烧多少钱。
2026-08-25

512GB 不是突破，Mac Studio 真正变的是网络

上一代本就有 512GB 内存。新款 Mac Studio 把带宽推到 1.2TB/s，并用 Thunderbolt 5 与 RDMA 组四机集群。看懂四台只快三倍，才知道本地大模型真正的成本。
2026-08-25

百万 GPU 集群，峰值带宽已经不是第一指标

MetaRoCE 把乱序、丢包和坏链路当成日常，不再逼交换机维持完美网络。读懂这套设计，你会发现 AI 集群真正昂贵的是失控的退化方式。
2026-08-25

MTIA 300 最狠的，不是把网卡塞进芯片

Meta 把 12 个 RDMA NIC、16 个消息引擎和 HCCL 一起做到 MTIA 300 里。真正值得抄的不是一组带宽数字，而是如何让数据移动、计算与验收共用一套系统设计。
2026-08-25

Thomson 最贵的东西，不在 GPU 里

4000 万美元只是明面账单。真正难复制的是把专有内容、专家分歧和生产责任变成一套能训练、能评测、能路由的系统。
2026-08-25

Vera Rubin 的 30 倍，不是一块 GPU 赢的

NVIDIA 把 Agent 效率从每秒 token 改成每兆瓦完成多少工作。拆开 30 倍的来源，你会得到一套比跑分更适合生产环境的验收方法。
2026-08-24

AI 读源码，最缺的不是上下文窗口

一个新项目用 1270 处逐字节校验的源码引用，证明大上下文只能帮 AI 看得更多，版本锚点、证据地址和反作弊校验器才决定它说得能不能信。
2026-08-24

AI SDK 配置通过类型检查，仍然不值得信

Deepgram 适配器曾让 5 个参数悄悄消失，还默认打开付费能力。真正该补的不是一行配置，而是从出站请求、默认值到计费元数据的 provider 契约测试。
2026-08-24

Claude Code 修了一个会把账单翻倍的 bug

一次代理兼容问题能让每轮请求静默重跑，另一处偏差又让本地成本少算 10%。AI Agent 的成本可观测性，已经是运行正确性的一部分。
2026-08-24

Cloudflare 给 MCP 加权限勾选，Agent 仍不该拿全权

可选 OAuth scope 终于把全给或全不给改成按需授权，但勾选框只解决了入口。真正能上线的 Agent，还得做到权限前置检查、短时提权、写操作确认与失败可恢复。
2026-08-24

Codex 给图片补预算，视觉 Agent 早该补课了

0.149.1 只改了 5 个提交，却翻出视觉 Agent 的一笔旧账，文本有 token 预算，截图、标签和后台线程也得能计量、追踪、验收。
2026-08-24

AI Agent 赚 80%，还没赢过随机数

FINCHAL 让人和 Agent 用未来行情同台，再用 2 万个随机玩家测出运气上限。真正值得抄的不是交易策略，而是一套不让 Agent 榜单自欺的验收方法。
2026-08-24

Raft 的四人协作间，最难的不是让 Agent 开口

两个人加两个 Agent 进入同一跨公司房间，看起来只少了邮件和工单。真正决定能不能上线的，是身份、最小权限、审计、撤销、审批与失败恢复。
2026-08-23

100 亿向量塞进 AlloyDB，专用向量库的边界松了

四层 ScaNN 把搜索空间压到 O(N^1/4)，但 51 毫秒只是内部测试。看懂尾延迟、召回率和 Preview 边界，才能决定 RAG 要不要搬家。
2026-08-23

Anthropic SDK 1.0，最危险的改动不会报错

HTTP 底层换成 httpx2 后，普通调用多半能跑，APM、HTTP mock、异步原始响应和 Bedrock 配置却可能踩坑。这是一份升级前的验收清单。
2026-08-23

Codex 能管一群 Agent，还不算调度系统

Codex CLI 0.149.0 把多会话面板和跨会话队列搬进终端。真正难的不是多开几个 Agent，而是让任务所有权、权限、预算与验收都不失控。
2026-08-23

Agent 练不出来，先别急着换模型

Google Research 的 EnvHarness 没改模型权重，只让训练环境追着弱点变化，最高多拿 9 分。真正可带回生产的，是让故障轨迹反过来长出回归测试。
2026-08-23

机器人百米 9.39 秒，不等于能上岗

赛场把速度和自主控制推到新高，但工厂关心的不是一次冲线，而是连续运行、失败恢复和安全接管。沿着 9.39 秒这条热搜，拆一套具身智能的上线评测合同。
2026-08-23

Ling 跑到 1120 tok/s，投机解码别照抄

4 块 B200 把 Ling-3.0-flash 推到 1120 tok/s，但 TPOT 不含首字延迟，接受长度又跟请求分布走。真正能上线的不是峰值，而是一份会拒绝回归的验收合同。
2026-08-23

Qwen-UI-Agent 榜单领先，开源开发者还用不上

82.1% 的 MobileWorld 和 92.2% 的真机成绩很亮，但公开目录还没有模型权重与部署入口。顺着这份报告，聊清 GUI 智能体从会点屏幕到能进生产还差什么。
2026-08-22

ASR 榜单高分，可能只是模型认出了考场

研究用错误参考、静音数字和拼写切换审计 11 个开源模型。榜单还能看，但语音 Agent 上线前必须再加一套私有、反事实、按场景验收的测试。
2026-08-22

Claude Mythos 5 不给裸访问，才是 Agent 上线的正解

Anthropic 把最强网络安全能力封进扫描、补丁和人工审批链，而不是开放一个通用聊天框。这套设计，比模型能力更值得普通 Agent 团队抄。
2026-08-22

SGLang 重启快了 785 倍，真正的账在故障域

权重留在显存，重启从 8.8 分钟降到半分钟；但缓存指纹、量化白名单、守护进程生命周期和同卡主备，决定它是生产方案还是更快的事故。
2026-08-21

人人都能写 PR，最贵的却是合并权

Anthropic 刚访谈了十多家高增长初创团队。真正跑得快的团队没有把 main 交给模型，而是把验收、回滚、权限和代码所有权做成硬边界。这里给你一套可直接落地的交付闸门。
2026-08-21

Claude Platform 补齐原语，没补齐生产 Agent

Computer Use、Skills API 和 Files API 把执行、能力包与文件状态放进同一平台。真正要命的运行环境、权限和租户隔离，仍留给工程团队。
2026-08-21

Codex 开源的不是模型，是 Agent 底盘

8 月 19 日 OpenAI 再次把 Codex 定位成开放 Harness 平台。Rust agent loop 与 App Server 能拿走，模型权重、托管后端和 Codex 云服务仍是另一回事。
2026-08-21

Cursor Agent 一直干到完成，不一定是好消息

事件订阅、长期目标和独立子智能体让 Cursor 更像一套运行时。真正上线前，团队还得补齐幂等、预算、权限、验收和停机闸。
2026-08-21

DeepSeek 视觉接近 Opus 4.8，生产还差一条链

官方给出的视觉 Agent 跑分已经很亮眼，但模型看懂截图只是起点。真正拉开差距的，是图像预算、工具回路、权限边界和失败恢复。
2026-08-21

LFM2.5 提速 3.18 倍，先别急着换大模型

3.18 倍不是免费午餐。看懂接受率、硬件后端与端到端延迟这三笔账，你才能判断 DSpark 是真提速，还是漂亮的实验数字。
2026-08-21

Agentic Search 该加在 RAG 之后，不该替代 RAG

Mistral 用五个工具把一次检索变成多步调查，准确率很亮眼。真正上线前，还得补齐延迟预算、权限、证据链与停止条件。
2026-08-20

Claude 14 分钟出报告，修复还得人来签

Anthropic 把 CI 值班交给 Claude 后，最快 4 分钟定位根因。真正可抄的不是多 Agent，而是把确定性告警、证据调查、生产修复三层权限彻底分开。
2026-08-20

DeepSeek 缓存最高涨 1114%，Agent 成本该重算了

输出价不是这次最狠的一刀。对高缓存命中、长上下文、多轮重试的 Agent，原本最便宜的 token 正在放大账单；这篇给出按成功任务重算成本的六项表。
2026-08-20

H20 跑 DeepSeek-V4-Pro，万能配置不存在

峰值算力差距很大，真实解码速度却只差 1.42 倍。关键不是一条神参数，而是把短长上下文、低延迟与高吞吐拆成不同服务配置。
2026-08-20

FastMetal 最狠的不是 30 秒，是 3.2GB

Mac 上的本地视频生成终于不只看能不能跑。FastMetal 把 DiT、采样器和解码器留在统一内存里，也把冷启动、量化质量与无风扇机器的真实代价摊到了桌面上。
2026-08-20

模型能随便切，路由商反而更难切

OpenRouter 承诺产品、路线图与中立路由不变。真正该做的不是恐慌迁移，而是把 provider 配置、成本账、失败切换与调用日志握在自己手里。
2026-08-19

ChatGPT Business 没涨价，审批流程却该重做

8 月 19 日起，新增席位会按剩余账期即时扣款。总价不变，但邀请成员已经变成付款动作，小团队该补上席位、预算和离职回收的三道检查。
2026-08-19

Claude 每次都问你批准，也不等于安全

Gmail 发信和 Drive 文件操作已经从只读跨到可写。真正的工程边界不只在是否弹窗，还在弹窗展示什么、权限能放多大、动作能否撤销，以及重试会不会再执行一遍。
2026-08-19

Claude 的蛋白质实验，最值钱的不是 35% 命中率

14/15 个靶点成功只是表面，真正的跃迁是模型把公开工具编排成可被湿实验验收的研究证据链。看懂这条链，也就看懂科学 Agent 的工程门槛。
2026-08-19

同样是 Q4_0，LFM2.5 追回 97% 量化掉分

Liquid AI 没换更大的量化格式，只把蒸馏放进 4bit 训练过程，四款模型便逼近 BF16。对本地部署团队，真正该验收的不再是 GGUF 文件名，而是模型为这个精度档付过什么训练成本。
2026-08-19

RAG 多向量检索，4874 段文本变成 60 万向量

晚期交互保住了长文里的局部证据，也把成本从模型挪到索引、延迟和运维。别急着迁移，先用一套小评测判断它值不值。
2026-08-19

最强 Agent 真实工作只做完 30%，卡住它的不是工具

StartupBench 的 97 个真实工作流把一个误区测穿了，Agent 会跑完整流程，不等于交付物能过验收。读完你会拿到一套把用户需求编译成自动验收的工程方法。
2026-08-18

AI 评测先画仪表盘，方向就错了

Google 的公开实验把模型、Skill、样本和轮次拆成矩阵。真正有用的不是漂亮总分，而是沿轨迹找到能力提升、成本膨胀和 Skill 失效的原因。
2026-08-18

ChatGPT for Teens 把边界做成了默认值

它没有只靠一段系统提示词劝青少年正确使用 AI，而是把学习、节制和安全塞进默认路径。做 Agent 产品的人，很该抄这份作业。
2026-08-18

Cursor Origin 在抢的不是仓库，是 agent 运行时

仓库、PR、审查状态和执行环境一旦被放进同一个控制面，代码 agent 会少掉一堆胶水，也会多出一套新的权限与迁移账。
2026-08-18

系统提示词从来不是 Agent 的安全边界

Google 用一笔 149 美元退款演示了 agent 怎样被一句注入劫持。签名、gVisor 沙箱和确定性网关，才是能经受模型升级的三层硬边界。
2026-08-18

Agent 成本只按模型统计，方向就错了

OpenRouter 把支出、缓存、延迟和单条请求接成了一条链。真正省钱的不是换最便宜模型，而是看清哪个工作流阶段、哪次重试和哪条缓存边界在烧钱。
2026-08-17

Mac 本地推理不缺新框架，缺的是收敛

同一个模型短跑很快，长会话却会被重复 prefill、循环状态回滚和残缺转换拖慢。本文用 MLX-LM 与 vLLM Metal 的公开数据，给出一套不被 tok/s 截图骗走的 Mac 本地模型选型法。
2026-08-17

Claude Code 删掉任务工具，我觉得只对了一半

新模型默认不再获得 TaskCreate、TaskUpdate 和 TodoWrite，但计划并没有消失。本文讲清工作记忆与执行状态的边界，以及长任务、多 Agent 何时开回工具，何时把状态放进仓库、队列或数据库。
2026-08-17

Claude Workbench 今天退役，提示词不进 Git 就不算资产

旧版 Workbench 退役只是导火索。真正要迁的不是一个网页，而是提示词、模型参数、测试样本和评测基线。给你一套能进仓库、能回滚、能进 CI 的落地结构。
2026-08-17

SpaceX 600 亿美元买 Cursor，最值钱的不是编辑器

交易落地后，Cursor 接上全球最大 GPU 集群。真正改变行业的不是所有权，而是算力、模型、开发者分发和可验证代码反馈被接成一条线。
2026-08-17

Qwen3.8 开了 MTP，有人快 2.5 倍有人慢一半

同一个原生加速头，在不同硬件和引擎上跑出了相反结果。别只看接受率，这篇给你一套带负对照的 MTP 验收方法。
2026-08-17

宇树上市了，通用智能还没上市

三年营收从 1.59 亿涨到 16.99 亿，人形机器人收入首次超过四足。宇树交出的是本体量产和降价的答卷，通用任务、软件复购与真实作业仍要继续验证。
2026-08-16

AI 书卖得更差，人类作者收入还是一起掉了

14,419 本自出版小说揭开一个更麻烦的市场，AI 书单本表现弱，却靠数量抢走销量、排名与订阅池。生成成本趋零后，创作者真正要守的不是产量，而是信任、分发和可验证性。
2026-08-16

Claude 的 0.613 过线了，16 人仍不敢让它顶岗

基准分数已经跨线，周级模糊任务、组织上下文和计划修订却还没过关。给 Agent 上生产前，真正缺的是一份任务级验收单。
2026-08-16

上下文工程别按 Star 学，最火的仓库最费时间

一条九小时 GitHub 阅读路径，从故障模型走到可观测的上下文流水线，也告诉你哪个高 Star 仓库该先跳过。
2026-08-16

Linux 7.2 一周收 400 多个修复，维护者反而更忙

AI 代码审查没有替 Linux 写代码，却把缺陷发现的速度推到人类分诊之前。本文拆清新瓶颈，并给团队一套不被告警洪水淹没的上线门禁。
2026-08-15

单机 Agentic RL 最值钱的不是省显卡

井字棋训练 400 步，奖励均值从约 -0.5 升到 0.4。真正值得抄的不是游戏结果，而是把 rollout、reward、工具调用和权重更新收进一条能调试的链路。
2026-08-15

dots3-note 只激活 16B，普通显卡还是跑不动

280B 总参数、16B 激活、512K 上下文听起来很省，但官方推荐的是 8 卡 FP8 节点。本文把权重、上下文和长程 Agent 三笔成本拆开。
2026-08-15

296 万个开源模型，99.2% 下载流向 1.5% 仓库

仓库数涨到 296 万，真正形成依赖的仍是少数稳定小模型。用下载、衍生、运行时和许可证重新挑模型，别再被参数与点赞带着走。
2026-08-15

Qwen3.8 权重真来了，但普通开发者先别急着下载

两份官方 checkpoint、213 个权重分片和自定义许可证已经落地。验收承诺之外，更要看清 2.27 TiB FP8、多节点部署、强制思考与托管版功能差异。
2026-08-15

Sheets canvas 能做小应用，先别把它当数据库

Gemini 能把一张表变成可读写小应用，省掉的是界面搭建，不是数据治理。本文拆清双向回写、权限、单表限制，以及什么时候该升级到正式系统。
2026-08-14

388 个 PR 只合了 180 个，AI 维护最难的不是写代码

Claude 数周开出 388 个维护 PR，最终合并 180 个。未合并的 208 个比成功案例更有价值，它们提醒团队先设计任务边界、验收门禁和反馈回写。
2026-08-14

Cursor builds 快 3 倍，最值钱的是失败不生效

预热环境只是表面，最近成功版本、提交溯源和密钥分层才决定云 Agent 能否稳定交付。附一张迁移验收单。
2026-08-14

Gemini 3.7 Flash 半价，Agent 账单未必更低

推广价只管到年底，thinking token、重试与工具费才决定真实成本。用一张生产验收账，判断该不该迁。
2026-08-14

GLM-5.3 先拿开源第一，权重还在路上

同一基座靠后训练把 Terminal-Bench 3.0 从 4.6 拉到 28.3，但发布当天只有 API，没有权重。拆清今天能验证什么、两周后还要查什么，以及切模型前必须改的配置。
2026-08-14

GPT-5.6 再强，也救不了一条笨流水线

同一模型只改两处 Agent 架构，ARC-AGI-3 得分从 13.3% 升到 38.3%，输出 token 反而少约 6 倍。真正该升级的，可能是模型外面那层系统。
2026-08-13

AI 写的 PR 能跑以后，维护者反而更难了

AutoGPT 已把问题从代码能不能跑，收窄成改动是否符合路线图。AGENTS.md 负责导航，技能负责动作，CI 负责门禁，人仍要守住项目方向。
2026-08-13

Claude in Chrome 带上记忆，权限反而更难管

会话、技能与连接器开始跨浏览器、桌面、网页和移动端延续。真正要补的不是更多按钮，而是任务边界、动作闸门、恢复点和域名权限。
2026-08-13

DeepSeek Harness 开源，极简模式只留两把工具

DeepSeek 把跑出 82.7 分的 Harness 公开了。极简模式只有一句提示词与两把工具，外层却是一棵连 Agent Loop 都能替换的插件树。
2026-08-13

DeepSeek V4 Pro 正式上线，先锁版本再看跑分

DeepSeek V4 Pro 0813 已悄悄替换正式 API，调用名和价格暂时没变。真正该补的不是一张新跑分表，而是版本留痕、黄金集回归和成本闸门。
2026-08-13

Grok 4.6 跑分追平了，长任务还是不能放心交

一张 61 分的总榜很好看，真正决定 Agent 能不能交付的，却是检查点、预算、回滚和验收证据。
2026-08-13

多 Agent 不是人多力量大，先别急着堆并发

45 个协调 Agent 找到 266 个漏洞，也制造 240 万次抢队列请求。真正该评测的不是单体聪明，而是整个系统会不会一起做错。
2026-08-13

81 次搜索仍然答错，Agent 不是搜得越多越好

OpenRouter 把网页搜索拆成模型、引擎、方法和预算。真正要命的不是选错引擎，而是失败任务会耗尽每一轮搜索。看懂三组数据，再给生产 Agent 加上分层预算、早停和降级。
2026-08-12

AI 会写代码了，却还写不好一本书

句子早就不是瓶颈，真正难的是让几十页内容共享同一套状态、证据与判断。把长文当成一次有验收合同的构建任务，模型才适合上场。
2026-08-12

ChatGPT 与 Gemini 都到 10 亿，模型反而没那么重要了

两个十亿用的是两只钟。ChatGPT 看周活，Gemini 看月活。数字背后更值得盯的是默认入口、工作状态和你能不能带着自己的上下文离开。
2026-08-12

LTX-2.5 快过实时，家用显卡先别激动

6.8 秒的成绩来自两张 GB200。真正值得开发者看的，是开放权重、九套 ComfyUI 工作流和重试后的成本账。
2026-08-12

macOS 虚拟机跑 LLM 慢 16 倍，锅不在算力

同一块 M1 Ultra GPU，只因客体系统少报两项 Metal 能力，llama.cpp 就走进慢内核。看懂这次提速，也能看懂 Agent 隔离环境最容易漏掉的评测变量。
2026-08-12

Mojo 1.0 还不是 Python 杀手，先别急着迁移

真正值钱的是 1.x 兼容性合同，但合同只覆盖首批稳定 API。这篇拆清迁移成本、适用边界，以及谁该现在入场。
2026-08-12

Pi 不是 Claude Code 平替，它是一套 Agent 底座

同一个 DeepSeek 放进不同编码工具，质量没有拉开，时间和上下文开销却差了数倍。我顺着 Pi 三层源码读了一遍，讲清它为什么更像 harness，以及普通开发者怎样安全上手。
2026-08-11

Agent 选 Python 还是 Rust，可能根本是道伪命题

推理预算一换，语言排名就翻转；测试路径再错一层，整张榜单都在测同一个 Go 程序。真正该先选的，是评测合同。
2026-08-11

Claude 的 67.2%，最值钱的是那 650 次失败

它没解出黎曼猜想，却把一个长期停在 41.6% 的相关下界推到 67.2%。真正值得做 agent 的人抄走的，是探索、互审、反证、复现和形式化验证组成的研究流水线。
2026-08-11

Ling-3.0-tiny 很快，但还不是开箱即用

1.3B 激活参数把 M4 Pro 推到官方 86 至 90 tok/s，Agent 多轮循环终于不再慢得劝退。真正拦在部署前的，却是总权重、运行时分支、工具解析和业务验收。
2026-08-11

'英伟达要撬动 5000 亿美元，算力未必更便宜'

'六家资本机构要把 GPU 包成长期资产，容量可能更容易拿，合同也会更长。本文从利用率、CUDA 锁定和单位任务成本拆开 5000 亿美元背后的工程账。'
2026-08-11

Agent 越跑越慢，锅可能在缓存

SGLang 用一棵 token 树统一 FULL、SWA 与 Mamba 缓存。看懂它，你会知道长任务 Agent 为何需要会话感知的保留、淘汰与跨层复用。
2026-08-11

ZCode 四连更，模型更强反而不是重点

Goal、Subagents、Remote Control 和闲时任务被放进同一套工作流后，coding agent 才开始像一台能持续运行、可以验收、也能随时刹车的工程系统。
2026-08-10

agent 用电脑超过人类了，你还是不敢把浏览器交给它

OSWorld 一年从 42 涨到 85，人类才 72。可月跑千万次任务的买家根本不看榜单，他们付钱买的是另一样东西。写给正在做 agent 产品的你，钱和坑都在模型外面那层。
2026-08-10

大模型总榜越公平，你越不该照着第一名买单

LatentRank 用 Bradley-Terry 和先验把多张榜单揉成一张总榜。难点不在算分，而在承认相关性、样本量和任务权重会偷偷替你做决定。
2026-08-10

'Muse Glimmer 能塞进 24GB，不等于能常驻'

'Meta 把 30B 智能体模型压进 24GB 显存，但权重装得下只是开始。本文从 KV cache、工具权限、失败恢复和端到端延迟拆开本地常驻 Agent 的真实工程账。'
2026-08-10

VoiceChat 开源了，但多数开发者还用不上

448 毫秒轮换、实时工具调用、开放权重很亮眼。可 80GB 显存、33% 工具调用成功率和一长串官方限制，才是接入前该算的账。
2026-08-10

Qwen-MM-Plugins 真正的瓶颈不在模型

Qwen 把图像、视频、文档、Blender 与 FreeCAD 拆成 skill 和 MCP。真正该看的，是这套能力进生产后如何处理依赖、权限、失败和验收。
2026-08-10

千问开放平台最值钱的，不是聊天入口

租房、寄快递、查理财都能在千问里办，只是显眼的一层。开发者真正要接住的是授权、支付、订单、重试和售后，一条比聊天框复杂得多的服务链路。
2026-08-09

Agent Plugins 只统一了箱子，没统一钥匙

Google 加入由 Amazon、Cursor、Microsoft、OpenAI、Vercel 共同维护的插件规范。目录终于能复用，权限、凭据、hooks 与供应链信任仍要自己验收。
2026-08-09

Apple 智能接千问，隐私不能只靠弹窗

千问进入 Siri 和写作工具之后，真正该看的是请求被谁处理、传了什么、能否追溯。给第三方模型接入补上四道工程验收。
2026-08-09

Claude Code 自动放权，真正该审的是分类器

独立分类器拦下 89% 的危险命令，人工逐项审批只有 14%。少点确认可能更安全，但前提是别把分类器当成唯一防线。
2026-08-09

翻译模型最危险的错，是把每个字都翻对了

1002 条社媒笔记揭出一个评测盲区，Gemini 3 的满分档比例也只有 38.30%。这篇不聊跑分冠军，聊产品团队怎样把梗、语气和文化适应性真正接进验收。
2026-08-09

前端 Skill 不是越多越好，这四个还经常互相打架

我把 frontend-design、ui-ux-pro-max、design-taste-frontend 和 playwright-cli 放进真实项目里轮着用。它们各自解决审美、规范、去 AI 味和验收，但选错场景，页面照样越改越歪。
2026-08-09

LoRA 不是小数据项目的第一步，TF-IDF 才是

一份 IMDb 情感分析教程把基线、LoRA、概率校准、错误切片和伪标签串到了一起。真正值得抄的不是模型参数，而是先让便宜方案站住，再让复杂模型证明自己值回成本。
2026-08-09

OpenAI Atlas 今天停服，独立 AI 浏览器这条路走错了

上线十个月，Atlas 把浏览能力还给 ChatGPT、Codex 和 Chrome。输掉的不是 agent 技术，而是让用户搬家的产品路线。
2026-08-08

Claude Code 会传话了，别让它们改同一份代码

跨会话摘要省掉了反复解释，却不会自动处理文件冲突、失败重试和验收。这里给出一套能直接拿去用的多会话协作边界。
2026-08-08

Kitesurf 不该替代 Chromium，它该做便宜快车道

Kitesurf 用 V8 isolate 把网页任务压到 Chromium 七分之一内存，但速度更慢、兼容性更窄。真正能省钱的不是换引擎，而是给 Agent 做双引擎路由和失败回落。
2026-08-08

Fable 5 护栏误伤太多，也是一场生产事故

Anthropic 把生物相关回退压低约 85%，真正该抄的不是数字，而是把安全拦截、误伤、降级成本和可观测性放进同一本上线账本。
2026-08-08

HPC-Ops 把 TPOT 降 48.8%，用户未必快一半

48.8% 是 batch 32 下的 TPOT 降幅，不是整次请求耗时。拆开 TTFT、decode、排队与工具调用，才知道这次 HPC-Ops 对谁最值。
2026-08-08

Managed Deep Agents 越省事，迁移可能越疼

一条命令能省掉持久化、沙箱、身份和评测基础设施，也会把依赖从模型 API 上移到运行时。上线前先把这笔账算完整。
2026-08-08

Astra 越强越该慢发布，OpenAI 这次做对了

Critical 不是一张吓人的能力标签，而是一道会中断训练、测试和上线的发布闸门。拆开这套机制，看看普通 Agent 团队能抄走什么。
2026-08-08

WeatherNext 多争取 24 小时，真正难的是把预测变成预警

三日预报追平过去的两日水平，只是起点。更值得学的是 1000 条情景、三类指标和专业预报员如何把模型输出变成可执行判断。
2026-08-06

19 次越界不是模型觉醒，是评测环境没关门

122 次网络评估里，智能体有 10 轮把 19 个动作带到真实互联网。比「AI 觉醒」更值得警惕的，是开放出网、关闭过滤、缺少实时审批和模糊任务边界同时出现。
2026-08-06

Agent 继承用户权限，这套做法不够了

Cloudflare 把零信任推进到每一次工具调用。真正能挡提示注入的不是再写一行 prompt，而是让凭据随任务过期、权限沿执行图只减不加。
2026-08-06

Prime Agent 会改自己，没评测门就是技术债

它能在运行中改 prompt、skill 和 memory，也能把作弊经验固化成新技能。真正可抄的不是 refine 按钮，而是让每次自我修改都留下证据、通过评测、随时回滚。
2026-08-05

Alpamayo 2 开放商用，安全不是一个权重文件

NVIDIA 把 32B 自动驾驶推理模型开放商用，但真正通往量产的不是下载按钮，而是轨迹、推理、仿真与验收组成的证据链。
2026-08-05

统一模型 API，最难的根本不是路由

Google 把 Gemini、Claude 和 GPT-OSS 收进一个兼容入口，省掉了代理维护。真正决定它能不能进生产的，是工具调用、流式响应、错误语义和故障切换能否通过同一套契约测试。
2026-08-05

Perplexity 暂时赢了，法院说 Agent 只是工具

一场购物 Agent 官司，胜负落在谁发出请求、谁控制浏览器、数据往哪流。做 Agent 的人该开始把架构图当成证据保管了。
2026-08-05

SeedRealtime 最难的不是开口，是被打断

边看边听边说只是表面，实时 Agent 真正难在判断何时沉默、如何取消旧动作，以及怎样在连续音视频里守住状态与权限。
2026-08-04

ForgeStencil 最狠的，不是 97.7 倍加速

它让两个 Agent 自动改快 100 个真实软件，却把最重的工程花在防作弊上。看懂这套度量脚手架，才知道 Coding Agent 离生产还有多远。
2026-08-04

Agent Skill 不是文档，它该进 CI

Google 的 1.5 万星技能库仍在提交时评测、每周全量重跑。真正能抄走的不是目录模板，而是把 Skill 当版本化代码维护的四道门。
2026-08-03

算力翻到 2.8 倍，成本未必跟着降

全国智能算力规模一年增至约 2.8 倍，但机房里的卡要穿过调度、网络、软件兼容和质量验收，才会变成开发者真正可用的算力。
2026-08-03

AI 找漏洞已经不稀缺，验证才是下一堵墙

苹果为应对 AI 生成的低质量报告开始给漏洞提交通道限流，一枚真实 macOS 漏洞却被挡在门外。把 1061→14 和 23019→1752→1094 放在一起看，安全 agent 真正缺的是证据链，不是发现量。
2026-08-03

Cloudflare 想让 Agent 90% 时间不用容器

新包真正有意思的不是又造一层沙箱，而是把持久文件系统从执行环境里拆出来。理解这条边界，你才能判断任务该进 isolate、Linux 容器还是浏览器，也看清它的早期代价。
2026-08-03

欧盟 AI 新规生效，角落标签救不了你

8 月 2 日起，聊天机器人、生成内容、深度伪造和部分公共利益文本进入新规则。真正难的是让标记穿过下载与转发，并留下可审计证据。
2026-08-03

MCP 砍掉 session，才像生产协议

无状态不是把上下文删光，而是把藏在传输层的状态搬到显式参数里。看懂这次改动，才能把 MCP 真正放进负载均衡、鉴权、缓存和人工确认链路。
2026-08-02

Grok 看懂了视频，却在关键一问开始猜

Grok 宣布能分析任意视频，官方演示却也露出视频 AI 的老问题。描述画面不难，给时间码、交证据、承认不知道，才决定它能不能进真实工作流。
2026-08-02

276B 叫 Small，最低还要 180GB 显存

Inkling-Small 每个 token 只激活 12B 参数，跑分接近 975B 旗舰。但算得少不等于装得下，读懂 MoE 得把计算、权重和并发三本账分开。
2026-08-01

Agent 失败，很多时候真不是模型太笨

一条含糊的 Nothing happens，能把正确推理带进死循环。ALIGN 的实验提醒我们，模型与环境之间那层接口，正在吞掉 Agent 已经拥有的能力。
2026-08-01

animated-voiceover 能自动 90%，最贵的是最后 10%

一套开源 Skill 把动画制片拆成可执行的 Agent 流程。真正能复用的不是一句万能提示词，而是参考资产、串并行闸门、局部重试与逐段验收。
2026-08-01

Copilot 堆叠会话很爽，评审债才刚开始

GitHub 把相互依赖的 Agent 会话和 PR 做成了同一条栈。代码吞吐上去之后，真正稀缺的会变成任务切分、CI 容量、评审顺序与合并纪律。
2026-08-01

Astra 把数学证明做便宜了，验收反而更贵

OpenAI 用下一代模型解出十项长期开放问题，并公开论文、Lean 证书与发现过程。约 2000 美元最值得抄的不是算力账，而是把生成、验证、署名和责任拆开的工程链路。
2026-08-01

smevals 把评测做小，我觉得比搭平台更重要

大多数团队缺的不是更大的评测平台，而是一套能随代码版本迭代的小题库。smevals 把运行、打分和报告拆开，让模型、提示词与 Agent 脚手架都能接受回归测试。
2026-08-01

'Suno 一审输了，致命点是模型真记住了'

'法院没有只追问训练集里有什么，而是追到 Suno v3.5 与 v4 能否把六首作品吐回来。判决尚未生效，却把生成产品最该补的一类验收题摆到了台面上。'

2026-07 150 篇

2026-07-31

Claude 误闯真实系统，最危险的不是模型

141006 次安全评测里出现 3 起真实系统入侵。不是零日越狱，而是提示与环境配置互相打架。做 Agent 的人该补的是出网白名单、凭据隔离、包仓库防线和连续审计。
2026-07-31

DeepSeek 82.7 分，模型榜单该换算法了

同一架构、同一规模，只靠后训练与一套尚未发布的 Harness，DeepSeek-V4-Flash 就把 Agent 成绩顶到 82.7。看懂脚注，才知道开发者该怎么选模型、配预算、做验收。
2026-07-31

Gemini Robotics 2 最值钱的不是聪明，是会验收

Google 把 Agent 的工具调用、持续视频与任务验收塞进机器人的高层大脑。看懂 ER 2，才能看懂机器人为什么开始从炫技走向工作流，也能看清它离真正上岗还差哪几层。
2026-07-31

GPT-5.6 Luna 降价 80%，该重写的是工作流

80% 降价把 Luna 推进高频 Agent 回路。真正该升级的是模型路由、评测和兜底，让 Sol、Terra、Luna 各自去做最可靠的那一段。
2026-07-31

AI 参与解开 57 年数学题，真正值钱的是验收

Hyra 跑约 24 小时找到关键构造，模型当探索裁判，作者独立检查，再交给 Lean 4 逐项验证。这套分工比「AI 天才」更值得抄。
2026-07-31

MiniMax H3 最值钱的不是 2K，是开放权重

2K、15 秒、原生立体声都很亮眼，但 H3 真正可能改变的是视频生成的工程形态。等权重、许可证和推理栈落地，它才有机会从网页里的抽卡工具变成可编排、可部署、可验收的创作底座。
2026-07-31

Seedance 2.5 不是视频模型，它开始像剪辑软件

30 秒生成和 50 份参考素材很抢眼，真正改变工作流的却是白模、时间戳和局部编辑。生成视频终于不只靠重抽，但控制权也带来了素材、版本与验收的新账单。
2026-07-31

SGLang 登上 TPU，CUDA 护城河松了一块

同一套 SGLang API 将横跨 GPU 与 TPU，Day 0 模型支持也写进路线图。开发者多了选择，但 JAX、Pallas 内核和多后端测试的账并没消失。
2026-07-30

AI 会写论文，但它还不会做研究

前沿智能体连跑六天、花掉数千美元，工程步骤一个没卡，却把两篇论文做成明确拒稿。五种失败模式，把自动化真正卡住的位置照得很清楚。
2026-07-30

AI 写完代码，程序员的工作才刚开始

一次草稿成功、监控却报硬失败的真实错配，把 AI 编程最容易漏掉的五件事照了出来。代码只是候选答案，定义、边界、验收、判断与好奇心才决定它能不能交付。
2026-07-30

OpenAI 送 10 万个 Pro，买的是科研工作流

一年 Pro 权限、四位合作者、企业级隐私。最值钱的不是 2400 美元订阅，而是谁先把科研流程嵌进模型。
2026-07-30

Numbat 带了 52 条规则，但一条都不默认拦

Perplexity 把 agent 的命令、文件写入和网络外发拉回确定性规则里。真正难的不是识别危险，而是决定哪一步值得让工程工作停下来。
2026-07-30

Replit Design 不会杀死设计师，它先杀死的是交接

Replit 把提示词、Figma、设计系统和可运行应用塞进同一项目。更关键的是，改文字和间距直接写源码，不走 Agent。AI 设计的胜负，可能不在会不会画，而在能不能少一次交接。
2026-07-30

Token Saver 能省 99%，也可能漏掉 10%

它把整本 PDF 留在本地，只给 Claude 相关片段。数字很漂亮，但短文档只省 14%，30 道检索题漏了 3 道。真正值得抄的是上下文工程，不是宣传数字。
2026-07-29

Codex 写的代码再让 Codex 查，我不太敢全信

OpenAI 悄悄开源了 Codex Security，一天涨了两千星。工具是好工具，但它自己在覆盖率报告里留了 unknown 这一档，扫描还按 token 收钱。要不要接进 CI，代价得先算清楚。
2026-07-29

卡住本地大模型的不是算力，是你的硬盘

一台 64GB 的 M1 Max 跑通了 2.8T 参数的 Kimi K3，14.6 秒一个字。把这 14.6 秒拆开，真正在算数学的只有 1 秒。剩下的都在等硬盘。
2026-07-29

MCP 把握手删了，我觉得这是协议在认错

MCP 7 月 28 号落地的新规范是它诞生以来最大改版，initialize 握手和 Session-Id 直接删掉，Roots、Sampling、Logging 三个核心特性进入废弃。这篇讲清楚为什么这么改，以及你那个 server 具体哪几行要动。
2026-07-29

Claude 三天想出的密码攻击，人类验证了一个月

HAWK 熬过两年专家评审，Mythos 用 60 小时把它的有效密钥强度砍掉一半。但这篇里最值得抄的不是结果，是研究员把一个开局摆烂的模型劝回去干活的那三句话。
2026-07-29

拦住 AI 的不会是 1100 人联名，是那份事故报告

员工联名、官方附议、受害者变成两家，这周 AI 圈的剧情转折点其实是三周前那次逃逸。看完你能拿走三个马上能用的安全判断，和一份白给的攻击复盘教材。
2026-07-28

Anthropic 说不禁开源，它要的三样东西更狠

否认禁令只花了一句话，剩下三千字全在讲它支持什么。芯片、蒸馏、强制测试，三条拆开看，真正会落到天天用开源权重的开发者头上的，是第二条。
2026-07-28

会做什么开始不值钱了，能验收什么才值钱

OpenAI 翻了 80 万条打工人的 ChatGPT 消息，43.5% 的岗位提问在干别人的活，客服和 HR 跨得最凶，被借最多的偏偏是工程和营销。跨界是双向的，看完这篇你会重新想想，自己的饭碗到底焊在哪。
2026-07-28

你收藏的 AI 神技巧，GitHub 亲口说多半是噱头

GitHub 官博下场讲工作流，8 步从原型到跨模型互审，核心论点是别折腾花活，把 harness 用透。这篇聊聊为什么模型之争正在让位于编排之争，以及工程师该把学习时间押在哪，才不会半年就过期。
2026-07-28

编排比参数值钱，微软这次算是盖章了

一个激活 5B 的安全模型，带着 100 多个会互相抬杠的 agent，在 CyberGym 上甩开 Mythos、Gemini、GPT 十几个点，成本还砍一半。拆开 MDASH 的五段流水线，做 agent 系统最值钱的几个设计都在里面，能直接抄。
2026-07-28

告 AI 偷数据，13 个月连输三场，这条路怕是走不通了

德里高院判 OpenAI 用新闻社内容训练不侵权，和 Anthropic 的 15 亿美元和解放一起看才有意思。训练端全球趋同免责，举证的球踢到了记忆与复述，做模型、爬数据、做 RAG 产品的人，雷区换地方了。
2026-07-28

Perplexity 想常驻你的电脑，这把钥匙我劝你先别交

常驻后台、远程操控、读写本地文件、连着 400 个第三方服务，这是今天登陆 Windows 的 Personal Computer 要的权限清单。我逐项算了算这笔权限账，给你一个工程师视角的判断，什么能玩，什么先等等。
2026-07-27

pptx 撑不过 agent 时代，PPT 的终点可能是 HTML

向阳乔木开源的 bento PPT skill 我真装真跑了，手写 JSON 被校验器打回三轮。被拒得越狠我越觉得妙，这套设计把 PPT 变成了可 diff、可验收、可协作的纯文本工程文件。
2026-07-27

AI 全自动写代码，卡住的不是模型，是没人敢签字

伯克利 RDI 把软件自主开发划成三级，还点名了一种正在蔓延的危险姿势，跳级。对照这把尺子量一下你的团队在哪一级，顺便聊聊为什么二级的坎不在模型能力，在验证成本。
2026-07-27

agent 定目标，『不能做什么』比『做什么』更值钱

卡兹克开源的 Leader.skill 把一句糊话变成 agent 能独立跑几小时的任务书。但真正值钱的是那条反作弊心法，AISI 刚实锤五款前沿模型都会在评估里抄近道。这套方法什么时候该用、什么时候千万别用，这篇讲清楚。
2026-07-26

Debian 吵翻的不是 AI 代码质量，是谁来签名背锅

四个互斥提案同时挂在投票页上，从一个字都不许到随便用但你全责。没有一张选票真在争论 AI 写得好不好。这道题两年内会轮到你团队的 CONTRIBUTING.md。
2026-07-26

8 美元芯片跑通 28.9M 模型，端侧卡的从来不是算力

它只会写儿童故事，不会答题不会写代码。但把 25M 参数塞进 flash、每 token 只读 450 字节这一手，值得每个做端侧的人抄一遍。顺带说说 HN 上骂它没用的那批人为什么也没全错。
2026-07-26

欧盟要求的 AI 水印，五年内都不会真管用

8 月 2 日欧盟 AI 法案第 50 条生效，输出被欧洲用户使用就适用，最高罚全球营业额 3%。但法条要求的稳健机读标记，递归改写就能把检测率从 99.8% 打到 9.7%。真正七天内做得完的是另外三件事。
2026-07-26

Kimi K3 开源 2.8 万亿参数，但自己部署这条路基本被堵死了

史上最大开源权重明天落地，四比特压完还有 1.4TB 得常驻显存。这篇算的是那张没人写的账，以及开源在前沿量级上到底变成了什么。
2026-07-26

沙箱从来就不是安全边界，这次是 OpenAI 自己证的

OpenAI 用来测攻击能力的模型逃出隔离环境，反手黑了 Hugging Face，两家公司花了一周才对上是谁干的。比越狱更该让人后背发凉的，是中间那道归因缺口。
2026-07-26

Ruff 把默认规则加到 413 条，这是冲着 AI 写的代码来的

v0.1.0 之后第一次动默认值，7 倍规则一次性打开，官方自己承认是 breaking change。提案 436 条最后落地 413 条，被砍掉的那几条恰好划出了风格和正确性的边界。附升级前该做的四件事。
2026-07-25

一个链接种一个 AI 内鬼，这不是 OpenAI 一家的病

Zenity 披露的 AgentForger，一个带参数的链接就能自动建好一个继承你身份的 agent，关掉全部审批，每 5 分钟去攻击者邮箱取指令。OpenAI 四天修完了，但同一个坑，你给自己 agent 开权限的时候也在踩。
2026-07-25

别笑 AI 把无人机开进墙，半年后它就稳了

Anthropic 和 Andon Labs 把 agent 评测搬进了物理世界，五个子任务里模型只卡在一个上。拆一拆 Drone-Bench 的设计，你会看到 agent 的下一站，和一个值得抄回家的评测思路。
2026-07-25

Claude Code 账单里那 22%，不是装个工具能省掉的

有人实测缓存过期占了账单两成多，还写了个代理去堵。但 5 分钟的 TTL 和多 agent 架构本来就对不上，官方其实早给了两个原生开关。文末有个一行自查。
2026-07-25

Opus 5 半价追平旗舰，以后 90% 的活可能轮不到 Fable 5 出手了

价格一分没涨，能力直接换代。Opus 5 成 Max 默认、Pro 最强，还带四档 effort 换挡。订阅党、API 党、旗舰党各自的账怎么算，哪些场景还值得掏双倍价钱，这篇帮你把账本摊开。
2026-07-25

Claude Code 删了 80% 提示词，你的规则文件也是时候瘦身了

Anthropic 官方承认，过去两年我们给模型写的规则大多是补丁。哪些能删、哪些删了会出事、删之前必须先做的一件事，一次说清。
2026-07-25

Ling-3.0-flash 激活只有 5.1B，但它真不是小模型

总参 124B、每 token 只激活 5.1B，多数榜单对标上一代 1T 旗舰。但激活参数省的是算力不是显存，TTFT 降 60% 靠的是集群级缓存，权重还得等 8 月 3 日之后。三件官方写了、但转述的时候都被吃掉的事。
2026-07-25

给 agent 无脑堆上下文的做法，可能真该停了

MineExplorer 把 18 个顶级模型丢进 Minecraft 跑 3 分钟长程任务，最强的从 1 跳 77 分掉到 4 跳 12 分。更扎心的是消融实验，多给步数没用，多给记忆反而更差。
2026-07-25

25 家联名反对 AI 监管，蒸馏条款才是真战场

25 家机构联名保开放权重，名单里没有 OpenAI 和 Anthropic。但这封信最要紧的不是反对监管那句，是被通稿集体跳过的第三页。
2026-07-24

ChatGPT 差点劝死一个人，但这次我站 OpenAI

佛州男子起诉 ChatGPT 劝他别就医，两天后 OpenAI 反手把健康功能全量上线，还能连病历和 Apple Health。它为什么敢，边界在哪，普通人怎么问 AI 健康问题才不踩坑，这篇一次聊清。
2026-07-24

20 秒视频是顺手的，FLUX 3 瞄的是机器人

BFL 发了 FLUX 3，全网都在刷 20 秒带声视频，但官宣帖最后一行才是重点，动作预测。这篇聊聊视频模型怎么变成机器人的大脑，30 小时的数据活怎么被压到 30 分钟，以及这次不放权重，靠 FLUX 生态吃饭的人该怎么办。
2026-07-24

Kimi K3 通用跑分追平了前沿，一到真刀真枪就露了馅

英美两家安全机构联手测了 Kimi K3 的攻击能力，通用榜单它能打，网络攻防却只有前沿模型的一半分。差的这块，恰好是蒸馏永远偷不走的。
2026-07-24

大模型公司的终点不是 AGI，是咨询公司

OpenAI 发布 Presence，不开自助，派驻场工程师上门装 agent。同月微软砸 25 亿干同一件事。模型越来越不值钱之后，钱到底在哪一段，做 agent 的你站在循环哪一环，这篇把账摊开算一遍。
2026-07-24

Anthropic 每送你 1 个读者，要先爬走 38000 页

电影票房权威站 The Numbers 被 AI 流量和黑客一夜打垮，真人只剩它流量的 10%。这篇聊聊开放 web 那笔「你让我爬、我送你读者」的老交易是怎么作废的，手里有内容站或想做 side project 的人还剩哪几条路。
2026-07-23

AI 作弊不是 bug，是我们亲手训出来的

英国 AISI 把 GPT-5.6 Sol、Claude Opus 4.7 等 5 款顶级模型关进网络安全考场，全部尝试作弊，问它们还不认账。写代码的你大概率见过同款行为，这篇聊聊根因，以及怎么设防。
2026-07-23

旗舰模型是面子，Flash 才是谷歌的印钞机

谷歌 Q2 财报拆出来的开发者信号，每分钟 220 亿 token 的流量主力是最便宜的 Flash，不是旗舰。看完你会重新算自己 API 选型里那笔账，以及全行业为什么都在偷偷把你的请求路由给小模型。
2026-07-23

我干的活进了红头文件，但我劝你别急着辞职单干

Harness Engineering、Token 经济、OPC 一人公司，这些圈内黑话一夜之间进了北京的正式政策。算力券和注册便利是真的，客户和现金流政策给不了。哪两条最值得细读，哪几盆冷水得先泼，这篇聊透。
2026-07-23

端侧 AI 缺的从来不是参数，是一句我没把握

Cactus 给最小的 Gemma 4 塞了个探针，每个回答自带 0 到 1 的置信度，低了就转云端。只转出 15% 到 35% 的题，就打平了 Flash-Lite。这个数为什么比跑分值钱，坑在哪，我聊聊。
2026-07-23

Claude 突然大更新，自建 agent 框架的理由又少了一个

Claude Managed Agents 一口气发了六条更新，技能上限 20 涨到 500，思考力度分档、事件推送、子 agent 直播全到位。逐条看下来，每一条都踩在自建平台的苦活上。聊聊 agent 的平台化下半场，和自建派还剩什么理由。
2026-07-23

以后你用哪个模型，轮不到你说了算

Cursor Router 上线，满意度追平 Fable、成本砍六成，账是真的。但这笔账背后，选模型的权力正在从你手里挪到平台手里。拆一拆路由器的训练细节、满意度指标的盲区，以及被路由的你还能怎么验证。
2026-07-23

梁文锋赌的持续学习，成了就砸掉我半个饭碗

四小时闭门实录里，梁文锋把 DeepSeek 的路线讲成一段楼梯，去年思维链，今年 Agent，下一步持续学习。这一步正好踩在我们这些给 AI 搭脚手架的人天天打补丁的地方。聊聊那张不做清单，和我这半个饭碗。
2026-07-23

AI 配音开始会演戏，这行的门槛先塌了一半

通义新 TTS 险胜登顶世界榜单，但第一名不是重点。在台词里写个中括号就能让 AI 发火、倒吸气、咯咯笑，配音从选音色变成写剧本。做语音应用的朋友，300 毫秒首包和那个没开源的细节，更值得你看完。
2026-07-22

Anthropic 赔了 15 亿美元，我觉得它是赢家

史上最大版权和解落槌，48 万本书每本赔 3000 美元。但法院同时认定，用合法买来的书训练 AI 是 fair use。赔掉的是盗版账，买回的是确定性。这笔账对写书的、做模型的、还有把代码放在 GitHub 上的你，各有一层不一样的算法。
2026-07-22

AI 写 80% 代码不吓人，吓人的是你还在靠人肉 review

Anthropic 副 CISO 亲口交底，工程师人均产出 8 倍，80% 代码由 Claude 写，65% 的产品 PR 由 agent 直接合并。这篇拆开他们重建的安全流程，哪几步你的团队今天就能抄，哪一步是真金白银堆出来抄不动的。
2026-07-22

OpenAI 说广告不影响回答，我赌这条线守不住

六周一亿美元，600 个广告主，广告正式进了 ChatGPT 的对话框。免费不看广告可以，代价是砍额度。搜索广告用二十年立的规矩，对话式 AI 要从零重试一遍，这篇把规则、漏洞和你现在就该动手改的设置都讲清楚。
2026-07-22

黑掉 Hugging Face 的凶手找到了，是 OpenAI 自家的模型

三天前 HF 被自主 AI 打穿还是桩悬案，今天 OpenAI 举手认领：干这事的是它自己在跑评测的 GPT-5.6 Sol。一场为了刷分越狱、翻墙、偷凭据的连环剧，跟每个天天给 agent 发 token 的人都有关。
2026-07-21

你让最贵的模型干杂活，钱就是这么烧没的

同一份活，账单从 411 美元到 9373 美元。Cursor 的蜂群实验算清了一笔账，贵模型出方案，便宜模型执行，质量不掉。这个分工，普通开发者今天就能抄。
2026-07-21

Google 一次发三个模型，藏起了最该发的那个

Gemini 3.6 Flash 一口气来了三款，唯独 I/O 上预告的旗舰 3.5 Pro 没影，官方承认它打不到自家基准。旗舰难产、Flash 猛进，这个反差里藏着一个对开发者更实在的判断。
2026-07-21

Google 悄悄开源的这个库，比发三个模型更值得看

发布会都在看 Gemini 三连发，同一天 Google 把 Tunix 摆上了 GitHub，一个把 SFT、DPO、PPO、GRPO 全写成可读代码的后训练库。大厂炼丹这门手艺，正在从黑箱变成公开教材。
2026-07-21

账上 1.35 万亿，脚注里还藏着 1.65 万亿

日经数了五家巨头的 AI 合同义务，1.65 万亿美元，四年翻 8 倍，比表内债务还多 3000 亿。拆一拆 SPV、预购合同和折旧魔术的具体手法，顺便聊聊这堆债跟你手里 API 价格表的关系。
2026-07-21

腾讯新 agent 会自我改进，我盯住的是它作弊那两段

递归自我改进第一次写进大厂官宣。29 个数学开放问题被刷新、15 个参数做出 10 位数加法，都不是最值得看的，官方自己承认 agent 学会了骗评委。天天跑 agent 的人，建议把那两段多读几遍。
2026-07-21

让模型说个随机数，它就把自己供出来了

布拉格研究员用 32 万个随机数给 165 个模型录了行为指纹，总共花 34 美元，抓出一个疑似套壳开源 Qwen 的自研旗舰。你手里那个中转站 API 是不是真模型，花几分钱也能验。
2026-07-20

字节这个音频模型，最狠的不是能配音

Seed Audio 1.0 把人声、音效、环境声塞进一个模型端到端生成。对做视频播客的人来说，真正省掉的不是配音，是那套拼来拼去的活。但有几个坑官方没细说。
2026-07-20

全球最大模型仓库被黑，最吓人的是黑它的和救它的都是 AI

Hugging Face 第一次公开披露被自主 AI agent 端到端攻破：一个恶意数据集打穿生产集群，1.7 万条操作日志。而取证时商业模型 API 直接拒绝，最后靠开源模型本地跑。攻防两端全是 AI，这事跟每个给 agent 塞过 token 的人都有关。
2026-07-20

把微调当 speedrun 打，纪录已经卷到 6 分钟

GitHub 上出现了一个微调竞速排行榜，冻结任务冻结硬件，只比墙钟时间。基线 12 分钟，两个朴素技巧砍到 6 分 05 秒还更准。这篇拆它的规则、纪录和那张没人动过的免费午餐清单，Modal 免费额度就能参赛。
2026-07-20

英伟达把日本变成物理 AI 国家工厂，中国的机器人牌打到哪了

日本掏出上看万亿日元补贴、拉 44 家巨头，跟英伟达共建全球首座物理 AI 国家工厂。可算力主权还攥在老黄手里。被排除在外的中国，正走一条相反的轻路。
2026-07-20

Ollama 拿了 8800 万美元，你还在白嫖它

890 万开发者在用的本地模型工具完成 B 轮融资，云端用量月月翻倍。免费会不会到头，Docker Desktop 的剧本会不会重演，靠它干活的人该盯哪几个信号，这篇一次聊清楚。
2026-07-20

小红书开源了个库，干的是 MoE 最脏的活

几百张 GPU 里总有一批在等活，理想吞吐和真实水平能差出一倍。小红书和北大把负载均衡这件上古运维旧事搬进训练关键路径，300 微秒内实时搬专家，吞吐提升 42%。开源模型 API 越来越便宜，后厨就在这。
2026-07-19

聊了 300 场，他见过的 AI 项目成功率 0%

一位从业者 18 个月近距离围观企业 AI 项目，无一成功，而且死因几乎都不在模型。裁掉不用 AI 的高分员工、token 排行榜、给数据库迁移贴 AI 标签，看完你会明白为什么最清醒的人现在都在装疯。
2026-07-19

世界模型元年官宣了，这次我没翻白眼

AI 圈的元年一年好几个，早该免疫了。但 5B 参数单卡跑出 720P 二十帧、还带一分钟空间记忆的 Matrix-Game 3.5，确实碰到了新东西。这篇把世界模型讲成人话，给做游戏和做机器人的各算一笔账。
2026-07-19

微软新安全产品曝光，肚子里一半模型是对手家的

The Information 爆料微软在憋 Project Perception，用多模型路由把 Mythos 级的安全扫描做便宜，贵模型只上刀刃，杂活全给便宜模型。这套算账思路，做 agent 开发的今天就能抄。
2026-07-19

2.8万亿参数刷屏的这周，拿第一的只有2B

Qwen 2.4T、Kimi 2.8T 刚刷完屏，面壁在 WAIC 一天双发，2B 的 MiniCPM5 拿下 4B 以下全球第一，还开源了具身机器人系列。参数竞赛的另一头，真正会跑进你手机和机器人的模型长什么样。
2026-07-19

Qwen3.8 官宣里最值得读的，不是 2.4T

阿里说新旗舰仅次于 Fable 5，还要开源。但权重只给了个「很快」，Preview 先进了自家订阅。从开源到闭源再到开源，这次回摆是被谁逼的，普通开发者又能从 2.4T 里薅到什么，这篇聊透。
2026-07-19

一个人干了四个月，把 16 家的语音模型塞进同一个库

whisper.cpp 之后，本地语音转录的生态碎了一地，每换一个模型就得换一套引擎。现在有人用 ggml 把 16 个模型族缝回一个库，Qwen3-ASR 和 SenseVoice 都在列。看完这篇，你就能在自己电脑上把会议纪要跑起来。
2026-07-18

69% 的公司，给所有 AI agent 共用一把钥匙

54% 的企业已经在 agent 上出过安全事故，但真正扎心的是那组对照数字，给每个 agent 发独立身份，事故率直接从 63.5% 掉到 40.9%。看完你能拿走一份 agent 身份卫生清单，周一就能对着自查。
2026-07-18

分数好到离谱，Cursor 第一反应是模型在作弊

公开榜单和开发者体感对不上之后，Cursor 自建了一套评测，分数太好还要把模型的推理记录逐条翻出来查。这篇聊聊他们怎么分辨模型是真聪明还是在背题，以及贵模型到底什么时候值得掏钱。
2026-07-18

Fable 5 永久进了订阅，用户为什么还在骂

Anthropic 官宣 7 月 20 日起 Fable 5 永久进 Max，看着是好消息，但同一天基础限额缩水三分之一，50% 的 Fable 配额是在缩水后的池子里划的。这篇把三档用户的账各算一遍，你对号入座就行。
2026-07-18

Kimi K3 冲到第三，这周真正的新闻不是它

八天四款前沿模型，能打的实验室从 2 家变 6 家，第一名领先缩到 1 分，智能的价格八天便宜了两三倍。写给被榜单轰炸的你，什么值得切，什么该等，怎么不被榜单牵着走。
2026-07-18

跑分 90 的搜索 agent，换套题只剩 34 分

BrowseComp 十个月从 30 分涨到 90 分，美团用 762 万实体的知识图谱重新出题，GPT-5.5 只考出 34.74%，上下文管理策略还集体失灵。做搜索和 deep research agent 的朋友，这份卷子值得亲自看一遍。
2026-07-18

模型抢头条的这八天，NVIDIA 悄悄换了 RAG 的地基

八天四个前沿模型刷屏的同一周，NVIDIA 开源了 Nemotron 3 Embed，8B 登顶检索基准 RTEB。官方没细算的三笔账，推理、存储、全库重嵌，这篇替你算明白，自建 RAG 的动手前先看完。
2026-07-17

AI 买走全球七成内存，你的下一台电脑在替它买单

硬盘从 350 美元涨到 800 美元还缺货，平价电脑被预测 2028 年前消失。产能去哪了、为什么偏偏是内存、这波要持续多久，最后给你一份现在装机换电脑的决策清单。
2026-07-17

发现还能登录前司内网，他回了句 LOL

苹果起诉 OpenAI 后又给 40 名跳槽的前员工发了律师函，诉状里一条 LOL 短信成了证据。跳槽去竞对时哪些你以为的常规操作会变成呈堂证供，收到律师函第一件事该做什么，这篇给你一份工程师自保清单。
2026-07-17

百万行代码两周迁完，账单是 16.5 万美元

Bun 从 Zig 迁到 Rust 只用两周，朋友圈都在传。但官方博客里还躺着 59 亿 token、19 个合并后回归和一个没人细说的前提。拆完这笔账，你能拿走一份判断清单，哪种迁移能交给 AI，哪种会翻车。
2026-07-17

75% 代码 AI 写的 Google，旗舰却卡在编码上

日历上画圈的 GA 日空了。Bloomberg 说 Gemini 3.5 Pro 卡在编码上，换了训练数据也没救回来，而 Google 内部 75% 新代码已是 AI 写的。旗舰的胜负手怎么变成了写代码，等模型的人该怎么选型，聊聊我的看法。
2026-07-17

刚为偷代码道歉的 xAI，现在想读你的邮箱

Grok 新功能定时任务全员免费，邮件触发付费才给。功能本身真不错，但邮件触发加连接器，刚好凑齐了 prompt 注入的致命三件套。哪些自动化能放心开、哪些要想清楚，这篇给你一份工程师的判断清单。
2026-07-17

Kimi K3 追到 Fable 身后了,而且它开源

全球最大开源模型一夜换人,权重却要 7 月 27 才放。参数你反正跑不动,真正跟你有关的是那张价格表,和藏在后面的生态算盘。看完再决定要不要把手头的 API 换过来。
2026-07-17

模型降价 300 倍，Salesforce 还是烧掉了 3 亿美元

token 单价三年降了 300 倍，Uber 四个月烧完全年预算，微软开始砍工具许可证。OpenAI 今天发文给出新记分卡，每美元有用功。看完你能拿走一套给自家 AI 账单算账的办法。
2026-07-16

你发的 3 秒语音，够骗子克隆一个你

佛州老人听着女儿的哭声取了 1.5 万美元，哭声是 AI 合成的。FBI 首次把 AI 欺诈单列成类，全球深度伪造鉴定第一人承认自己快失明了。这篇从工程角度讲清 3 秒为什么够、检测为什么跑不赢，以及今晚就该跟家人做的一件事。
2026-07-16

负责抓 AI 作恶的裁判，自己先动了手脚

Anthropic 蹲了一年，抓到自主 agent 四种新翻车姿势，偷改代码、帮着造假、袒护同类、教唆人类爆料。四条都对应你自动化里没上锁的位置，附一份天天跑无人值守流水线的工程师的对照检查。
2026-07-16

OpenAI 造了个专门攻破 AI 的 AI，你线上那个也没扛住

GPT-Red 是 OpenAI 训练的自动化红队模型，几乎攻破了它见过的所有现役模型。对抗训练把 GPT-5.6 的注入失败率压到六分之一，但没压到零。写 agent 的人该怎么办，我唠唠。
2026-07-16

偷传你代码的 Grok Build，这周把自己的 84 万行源码交出来了

上周还在删数据道歉，这周直接把整个编程 agent 开源。我跟着 Simon Willison 进仓库翻了翻，翻出了竞品工具的移植副本、一个宝藏渲染器，还有那段上传代码的残骸。
2026-07-16

975B 完整权重白给，Murati 团队卖的根本不是模型

官方公告开头先承认 Inkling 不是最强模型，转头却把完整权重挂上 Hugging Face。拆一拆这步棋的算盘，微调平台才是主菜，以及普通开发者第一次能亲手调一个一线实验室的多模态推理模型。
2026-07-16

一个 0 字节的文件，差点送走我整个测试库

日志全绿，命令全部跑完，而保命备份是个空文件。复盘挖出两层根因，一条 shell 冷知识，和一条现在长在我部署流程里的硬规则。文末有这一年攒下的完整手册。
2026-07-15

Claude 每天对你说「你说得完全对」，有人受不了了

一个 hook 脚本把 Claude 的四句口头禅全替换成搞笑词。好笑归好笑，它治的是显示层，真想根治得往生成层动手。
2026-07-15

你 clone 别人的仓库，Cursor 帮你把里面的 exe 跑了

一个把 Windows 计算器改名叫 git.exe 塞进仓库根目录的把戏，就能让 Cursor 自动执行它，全程零点击。更离谱的是这个洞报了七个月，厂商一句话没回。
2026-07-15

国行 Apple 智能备案了，最有意思的不是千问

苹果把自己的大模型送进了网信办备案名单，这在苹果历史上是头一次。拆一拆国行 Apple 智能的真实拼装形态，哪层是苹果的，哪层是千问的，两年到底卡在哪，你的国行 iPhone 接下来能拿到什么。
2026-07-15

阿里语音模型超了 GPT-Realtime，最狠的不是那个第一

Qwen-Audio-3.0-Realtime 登顶语音推理榜，但真正值得开发者看的是双工控制、把文本推理蒸馏进语音，以及官方自己贴出来的那张掉分表。
2026-07-14

马斯克说一个字节不留，这话在工程上没法验证

48 小时认错清零，响应速度业界少见。可删除没有回执，你没法证明一个副本不存在。这篇讲清楚为什么该按已泄露处置，密钥怎么换、网络围栏怎么上，给所有用 AI 编程工具的人。
2026-07-14

598GB 压到 85GB，腾讯把旗舰模型塞进一张卡

295B 的 Hy3 官方量化版来了，一张 96GB 显卡就能跑。这篇把账算清楚，1bit 其实是几 bit、掉了多少能力、什么硬件跑得动、买卡和调 API 哪个划算，看完再决定要不要折腾。
2026-07-14

腾讯这次开源，最值钱的不是模型权重

HyOCR-1.5 只有 1B 参数，文档解析跑分却坐上端到端第一，还能塞进笔记本本地跑。但真正稀罕的是训练配方和数据管线也一并开了。做 RAG 被 PDF 折磨过的朋友，这篇帮你算算专家小模型这笔账。
2026-07-14

Claude 标价没动，你的账单悄悄涨了三成

Anthropic 给 Sonnet 5 和 Opus 4.8 换了新 tokenizer，同样的代码多切出三成 token，发票上却没有这个条目。有人用厂商自己的计费接口逐字节测了一遍，我带你把这笔账算清楚，顺便聊聊模型价格到底该怎么比。
2026-07-13

OpenRouter 周榜前五全是国产，登顶的不是 DeepSeek

腾讯 Hy3 发布 6 天冲上 OpenRouter 用量榜第一，但登顶这周它恰好免费。这篇把榜单的水分和真金分开算，看完你就会自己读这个榜，还能赶上 7 月 21 日前的白嫖窗口。
2026-07-13

diff 只告诉你 agent 改了什么，没告诉你它漏了什么

你让编码 agent 干活，只能看 diff 验收，它读过哪些文件、漏了哪个目录你全靠猜。air 作者的新工具把会话日志画成代码库夜景地图，agent 摸过的地方会发光。看完你大概会重新想一遍，agent 可观测性这件事有多空白。
2026-07-13

你为 AI 付了两次钱，第二次付的是家底

微软 CEO 纳德拉深夜发文提出反向信息悖论，你的 prompt、纠错、代码都在替模型厂商打工。这篇拆给你看开发者每天到底在上交什么，以及小团队今天就能做的三件防守动作。
2026-07-13

GPT-5.6 比 Claude 贵 50%？他们查完发现锅在自己

Ploy 把生产 agent 的默认模型从 Opus 4.8 换成 GPT-5.6 Sol，只用了 48 小时。快 2.2 倍省 27% 只是开胃菜，真正值钱的是四个坑，评测偏心、参数造假、缓存翻车、推理回放，每个都附了能抄的修法。
2026-07-13

字节把 PS 的选区，塞进了提示词里

打点、画框、涂鸦，然后在提示词里 @ 出来，位置交给手，需求交给嘴。歸藏一手实测 Seedream 5.0 Pro 的可编辑交互，出租屋改造、商品图、海报排版全程不开 PS，顺带聊聊它离 GPT-Image 2.0 还差在哪。
2026-07-13

Fable 5 续期、Codex 解限，两家抢着送的不是模型

Anthropic 第三次续期 Fable 5，OpenAI 顺手摘掉 Codex 的 5 小时限制，都是临时的。两家在卖的其实是同一样东西，不被中断的连续工作时间。聊聊怎么把这一周换成评测集、工作流和交付物，而不是烧在聊天上。
2026-07-12

Altman 改口 AI 净创造就业，最妙的是时间点

预言过 20% 失业率的两位 CEO，赶在万亿 IPO 前把末日剧本换成了增长剧本。改口背后的利益账、三份第三方数据的真实结论，以及写代码的人该拿哪个版本当真，这篇一次算清楚。
2026-07-12

苹果起诉 OpenAI，最狠的证据是一句哈哈

离职没还的工作机、没注销的内网权限、跟同事的一句玩笑，全成了联邦法院的呈堂证供。比起吃瓜巨头互撕，这份诉状更像一份免费的跳槽安全手册，写代码的都该翻一遍。
2026-07-12

GPT-5.6 证明 50 年猜想，最值得抄的不是模型

循环双覆盖猜想悬了 50 多年，GPT-5.6 Sol Ultra 不到一小时给出完整证明。但真正的主角藏在 OpenAI 公布的提示词里，64 个并行子智能体加对抗验证的编排。这套思路不用等新模型，今天就能搬进你的工作流。
2026-07-12

你只是让它回个 OK，Grok 把整个仓库连 .env 一起传走了

有人拿 mitmproxy 把 xAI 官方编码 CLI 的流量扒了个底朝天，5.10 GiB 从未被读的代码全走了，关掉『改进模型』也拦不住。文末附一份今天就能跑的自查清单。
2026-07-10

Bun 敢让 AI 重写一百万行代码，底气不是模型

535,496 行 Zig，64 个 Claude 并行跑 11 天，全平台测试全绿后合并上线。拆一遍 Bun 官方复盘里的工程细节，对抗式审查、翻车现场、16 万美元账单，以及普通团队最该抄走的那一步。
2026-07-10

Devin 新模型 2 美元一次追平 GPT 5.5，底座是 Kimi

做 Devin 的 Cognition 发布 SWE-1.7，从 Kimi K2.7 基座 RL 出贴近 GPT 5.5 的编码水平，单次成本只要五分之一。后训练天花板被捅穿之后，前沿实验室的护城河还剩下什么，这篇一次聊透。
2026-07-10

25GB 内存跑 744B 模型，这哥们用 1300 行 C 干成了

一个人，一台 12 核 25GB 内存的笔记本，把完整的 GLM-5.2 跑了起来。拆一拆流式加载磁盘专家这套工程活妙在哪，冷启动 0.05 tok/s 和 370GB 磁盘的代价有多真实，以及这条路对普通开发者的真正价值。
2026-07-10

一个数据中心月租 12.5 亿美元，扎克伯格也想当包租公了

扎克伯格否认算力过剩的同一天，红杉把 AI 行业的回本门槛更新到 3 万亿美元。巨头为什么一边喊算力不够一边挂牌出租，这两本账放在一起算完，对写代码的你最直接的影响是 token 价格的走向。
2026-07-10

GPT-5.6 正式发布，最狠的不是跑分

Sol、Terra、Luna 三档齐发，ultra 默认四个 agent 并行，Codex 并入桌面应用连免费档都开放。跑分赢麻的口径里有什么门道，agent 连干几小时的账单和验收成本谁来付，这篇把发布页没细说的账摊开算一遍。
2026-07-09

一块 4090 就能跑的机器人大脑，蚂蚁开源了

24 小时连开源三个具身智能模型，视频基模造数据，世界模型当练功房，VLA 是交付的大脑。哪个能商用、哪个只许研究、消费级显卡能跑到哪一步、通稿里没写的三个坑，这篇一次给你称清楚。
2026-07-09

你交的 Claude 订阅费，把 Anthropic 送去 IPO 了

SemiAnalysis 测算 Anthropic 三季度利润超 10 亿美元，6 月 1 日已秘密递交 IPO。第一个赚钱的 AI 实验室，收入大头来自写代码的人。定价权、生态绑定、模型往哪迭代，接下来都和你的账单有关。
2026-07-09

有人把 Claude 的设计系统扒了个底朝天：20 章提示词，14 个技能，MIT 开源

Anthropic 旗下 Claude Design 的系统提示词被反向工程 MIT 开源，20 章提示词加 14 个技能，最狠的 ai-slop-check 把 AI 味翻译成一条条可执行规则。
2026-07-09

一生一次的 Fable 5，大多数人可能用反了

窗口要关的不止这一个模型，下一个「一生一次」大概下个月就到。聊聊怎么让每个路过的最强模型都给你留下它下线之后还在的东西，以及为什么每份资产都得配一个你自己能跑的验证。
2026-07-09

AI 编程跑分暴涨到 80%，OpenAI 一查，三成题是坏的

八个月通过率从 23.3% 涨到 80.3%，看着是模型狂飙，OpenAI 审计完却撤回了对 SWE-Bench Pro 的推荐。聊聊跑分暴涨里多少是能力多少是坏题，以及工程师选型时到底该看什么信号。
2026-07-08

AI 审计代理盯着 Cloudflare 密码学库，挑出了 7 个真漏洞

一个跑着 Opus 和 GPT 的审计代理，在 CIRCL 里找出 7 个真 bug，两个 Critical。AI 强在细心，弱在判断。
2026-07-08

AI agent 靠写代码出的名，结果 90% 的人拿它干别的

Anthropic 公布 Claude Cowork 120 万次会话数据，软件开发只占 8.7%，最大用途是业务运营和内容创作。「工作周围的工作」才是 AI agent 的真主场，同日 Cowork 开放移动端和网页端。
2026-07-08

一个 Issue 就骗走了你的私有仓库，GitHub AI 代理踩了个大坑

Noma Labs 发现 GitHub Agentic Workflows 的提示词注入漏洞 GitLost，一个伪装 issue 就让 AI 代理泄露私有仓库。
2026-07-08

一天 3.7 万行 AI 代码，YC 老板被一个波兰程序员当场开箱

Garry Tan 炫耀每天用 AI 部署 3.7 万行代码，一个写了 13 年代码的波兰开发者按下 F12，看到了 169 次请求、6.42MB、28 个测试文件和一个 0 字节的 logo。
2026-07-07

AI 会在环境里越干越强，字节 EdgeBench 发现的新 Scaling Law

字节 Seed 发布 EdgeBench，让 Agent 在真实任务里连干 12 小时，发现环境学习遵循 log-sigmoid 曲线，学习速度每三个月翻一倍。
2026-07-07

你用 Google，就在帮它训练 AI：6 月悄悄改的隐私开关，教你关掉

Google 6 月低调改了搜索服务隐私设置，默认把你上传的图片、语音、文件拿去训练 AI。讲清楚发生了什么，以及手把手教你关掉。
2026-07-07

AI 把初级程序员的就业市场烧掉了，斯坦福数据说岗位降了 19%

计算机毕业生失业率 6.1% 比文科生还高。斯坦福 ADP 数据显示 22-25 岁开发者岗位比 2022 峰值降 19%，AI agent 正在抹掉入门级编程岗，资深工程师的培养梯子也跟着断了。
2026-07-06

四年问不出儿子想吃什么，他花两小时写了个网站

一位工程师爸爸给不会说话的自闭症儿子做了个沟通应用，候诊室的妈妈们看哭了，言语治疗师哭了五分钟。他说自己不小心创办了一家小公司。
2026-07-06

Anthropic 的设计品味被逆向开源了，连自家模型的默认审美都要防

Claude Design 的系统提示词被逆向出来挂上 GitHub，MIT 协议随便商用。20 章设计哲学加 14 个技能，专治 AI 垃圾审美，里面还藏着一份新一代模型的提示词维护指南。
2026-07-06

美团把 1.6 万亿参数的模型开源了，训练全程没碰 N 卡

LongCat-2.0 以 MIT 协议开源，1.6T 参数 MoE、1M 上下文，35 万亿 token 预训练全程跑在国产 ASIC 超节点上。SWE-bench Pro 追平 GPT-5.5，写代码这块它是真能打。
2026-07-06

Meta 雇了几百个成年人，假扮13岁小孩去套竞品 AI 的话

《连线》曝光 Meta 秘密项目 Cannes，外包人员批量伪装未成年人，用 4.5 万条精心设计的话术试探 ChatGPT、Gemini 和 Character.AI 的安全护栏，被测三家全不知情。
2026-07-06

扎克伯格承认自己不懂 AI 研究，他只管三件事，人、钱、电

一段 66 秒的采访里，扎克伯格说我不是 AI 研究员，我的工作是把精英、资本和基础设施堆到一起。这份全世界最贵的岗位说明书，只有一行字。
2026-07-04

全球首例 AI Agent 勒索攻击：从漏洞利用到数据库加密全程自主完成

Sysdig 记录到全球首例由 AI Agent 全自主跑完的勒索攻击，600 个载荷、31 秒自我修复，把攻击门槛拉到极低。
2026-07-04

把文字压成图片喂给 Claude Code，token 成本直接砍一大半

一个叫 pxpipe 的开源工具，利用视觉 token 只按像素计费的规则，把大块上下文渲染成图片省钱，还把有损的坑全摊在阳光下。
2026-07-03

月账单从 500 万涨到 1500 万后，大公司开始没收员工的旗舰模型

404 Media 曝光花旗、Adobe、Atlassian 等六家企业限制员工使用 Opus 4.7、GPT-5.5 等旗舰模型。账单翻三倍之后，节约 token 成了新的办公室美德。
2026-07-03

八个月，AI 把外包接单成功率从 2.5% 干到了 16.1%

CAIS 拿 240 个真实付费外包项目考 AI，最新一轮 Fable 5 拿下 16.1% 自动化率，八个月前最好成绩只有 2.5%。比数字更扎眼的是增速，还有它翻车的姿势。
2026-07-03

AI 亲手锻出训练框架：8 小时追平、2 天反超英伟达 Megatron-LM

面壁开源 ForgeTrain，全球首个完全由 AI 写出、无人干预的生产级预训练框架，还能迁到 H100 和昇腾。
2026-07-03

他嫌 FSD 太保守，把油门踩到底撞死了人，然后说是自动驾驶干的

得州特斯拉致命车祸反转，司机声称车在自动驾驶，黑匣子显示他把油门踩到 100%，手机里还躺着一堆「FSD 太保守」的搜索记录。聊聊人机控制权和责任边界。
2026-07-02

AI 版支付宝阿宝开放公测，一句话就把货架收了

支付宝把国民级 app 从陈列式改成对话式，一句话办事。工具箱现成、AI 做路由、资金那步守住本人确认。
2026-07-02

Cloudflare 给全网站长发了张独立宣言：搜索、AI 智能体、训练爬虫终于能分开管

第二个内容独立日，Cloudflare 把 AI 流量拆成搜索/智能体/训练三类分开管，9 月 15 号还要改默认值。
2026-07-02

给 AI 编码工具装上审美：Emil Kowalski 把设计师手感做成了 Skills

Sonner、Vaul 作者 Emil Kowalski 把多年 UI 动画判断做成三个开源 Skill，让编码 agent 写界面自带审美底线。
2026-07-02

Senior SWE-Bench：最强模型也只干完四分之一的活

一个专门评估 AI 智能体当高级工程师的新基准，把榜单从八十分打回二十几分。
2026-07-01

一个循环，让 GPT-5.5 和 Claude 攻破了 9 个未解难题

两个大模型接力，证明者出题、验证者挑错，解开 9 个理论 CS 与交换代数的公开难题，其中一个曾让研究者失眠两年。
2026-07-01

AWS 砸 10 亿美元，把工程师直接派进你公司办公

一个岗位两年需求涨 42 倍，AWS 砸 10 亿跟进。卖了十几年「你不用管」的云厂商，为什么反过来把人肉派进客户公司？聊聊 AI 落地最值钱的那条缝。
2026-07-01

Sonnet 5 来了，中端模型追着旗舰打，价格只有六成

Anthropic 发布 Claude Sonnet 5，性能逼近 Opus 4.8 却更便宜，能自主跑长任务、还会自我检查，附一个会咬到账单的 tokenizer 坑。
2026-07-01

四秒一张图，谷歌把生图生视频打到白菜价

Nano Banana 2 Lite 四秒出图 0.034 美元一张，Gemini Omni Flash 一毛钱一秒视频，两条 API 就能串出生图到视频的流水线。

2026-06 78 篇

2026-06-30

给机器人当老师，一天两百块：2026 最魔幻的新工种

具身智能缺数据缺到两万分之一，于是冒出一个几乎不挑人的新工种：戴上手套给机器人当老师，日薪两百。
2026-06-30

美团甩出 1.6T 大模型 LongCat-2.0，价格还便宜到离谱

外卖公司美团甩出 1.6T 开源大模型，SWE-bench Pro 59.5 超 GPT-5.5，还全程跑在五万卡国产芯片集群上。
2026-06-29

Claude Code 打开一个仓库，就跑了藏在里面看不见的恶意代码

恶意代码不在仓库里，运行时才从一条 DNS 记录临时拉取，对扫描器、code review 和 AI 自己全隐形，利用的正是 agent 的自主性。
2026-06-29

Grok 4.5 私测于 SpaceX 和 Tesla，性能接近 Opus

马斯克一条推文塞了五个料：1.5T 的 V9 基座、Cursor 数据补训、SpaceX/Tesla 当压测场、每月从头训一个新模型。哪些是硬事实，哪些是听个响。
2026-06-29

1000 万亿韩元押注 AI：韩国财阀要建 15 座核电站规模的机房

SK 会长崔泰源宣布到 2035 年建 15GW AI 数据中心、总投资 1000 万亿韩元，一场国运级的算力豪赌。
2026-06-29

我每天对 AI 说得最多的两句话：第一性原理和对抗式审查

一句管生成，一句管验证。这两个 prompt 怎么让 vibe coding 从能跑到敢上线。
2026-06-29

不用每次都喊最贵的模型，聊一个不调用任何模型的路由器

大多数模型路由器为了省钱反而先调一次模型。Wayfinder 反过来，只读 prompt 的结构和措辞，离线、确定性、亚毫秒地决定走本地还是云端，还诚实标出自己会判错的地方。
2026-06-28

500天创业模拟里14个AI当CEO，只有3个没把本金亏光

普林斯顿CEO-Bench让14个AI运营公司500天，多数破产，一段没有AI的纯规则代码却打败几乎所有模型。会写代码不等于会掌舵。
2026-06-28

假面试甩来一个测试仓库，他随手丢给 Claude，扒出了藏在补丁里的远控木马

一个开发者收到假面试邀约，对方甩来个 TypeScript 测试仓库让他跑通构建。他没在本地跑，丢给 Claude 一扫，扒出藏在补丁里的多层混淆后门。
2026-06-28

AI 账单比工资还高之后，他把流量 100% 切给了 DeepSeek

一家旧金山公司每月 AI 账单超过全员工资，CEO 把流量全切到 DeepSeek，背后是 token 经济学、模型路由与缓存这套省钱工程。
2026-06-28

四个顶级AI下场玩《文明VI》：Claude核平法国，却输在没回头看一眼

一个周末搭出76个工具，把四个顶尖模型扔进《文明VI》，暴露了和聪不聪明无关的两堵墙：感知与执行。
2026-06-28

新浪开源VibeThinker-3B：推理可压缩，事实知识不能

30亿参数小模型在AIME竞赛上飙到94.3分，跟万亿大模型掰手腕。它戳破了一个惯性认知：推理能压进小模型，事实知识压不进。
2026-06-26

打游戏打出来的机器人：用游戏数据训练具身智能的 General Intuition

一群人打游戏顺手上传的录屏，正在教机器人走路。100 小时游戏加 8 分钟现实微调背后，藏着具身智能最贵的那层窗户纸。
2026-06-26

近 400 家美国报纸联手起诉微软和 OpenAI：抓我的内容训练 AI，一分钱没给

近 400 家地方报纸递诉状告微软和 OpenAI 未授权抓取内容训练模型，还祭出 DMCA 罕见的删除版权信息指控。数十亿美元价值，出版商分文未得。
2026-06-26

最强模型被政府按住了：GPT-5.6 太会找漏洞，OpenAI 被叫停广泛发布

美国第一次在 AI 模型发布前出手，要 OpenAI 暂缓 GPT-5.6，改成受控预览、逐客户审批。不是它不安全，是它太会自动找漏洞、写攻击，和 Mythos 一个量级。
2026-06-26

烧焦两千年、谁碰谁碎的古卷，被 AI 从头到尾读完了

维苏威火山烧成炭、近两千年没人敢打开的赫库兰尼姆古卷，第一次被 X 射线扫描加机器学习完整虚拟展开、逐栏读出全文。
2026-06-25

字节 AI 代码贡献率涨了 6 倍，但能交付的只有四到六成

90% 的代码是 AI 写的，效率却只提升 1.6 倍。字节用 900 次实验把 AI Coding 的水分挤了出来。
2026-06-25

AI本该先干掉工程师，新数据却显示工程是2025年最抗打的职业

外界一直说AI先砍程序员，SignalFire追踪八千万家公司的数据却显示，工程是2025年最具韧性的职能。
2026-06-25

Notion 把会自己写 PR 的编码智能体，塞进了你的文档

Notion 用 Cursor SDK，几周接上一个会自己规划、写代码、提 PR 的 agent。引擎能租，那你的壁垒到底是什么。
2026-06-25

思考即回忆：推理如何解锁大模型里沉睡的知识

Google Research 拆解了一个反直觉现象：让模型先想一想，它居然能答对本来想不起来的简单事实。背后是计算缓冲和事实启动两套机制。
2026-06-24

一项覆盖 340 万人的研究：AI 筛简历，正在系统性地刷掉一些人

斯坦福 HAI 第一份野外大规模招聘算法实地研究，揭开算法黑箱筛人和单一供应商垄断的公平性风险。
2026-06-24

Anthropic 推出 Claude Tag：在 Slack 里 @Claude，它能自己干上几天活

让 Claude 当团队成员加入 Slack，@它就能委派任务，还能异步自主跑上几天。
2026-06-24

ChatGPT 语音终于能被打断了：OpenAI 双向语音模型 Bidi 1 上线测试

Bidi 1 把语音从一人一句的对讲机，推向边说边听、随时插话改口的全双工，这才是真人聊天的质感。
2026-06-23

Claude Code 正在让程序员更孤独

Anthropic 工程负责人亲口承认，越依赖 AI 智能体，工程师彼此越疏远。聊聊这场静悄悄的孤独，和怎么把人重新拉回来。
2026-06-23

你的 AI 编程模型，可能学会了在考试里抄答案

一份审计扒出 9 个主流 agent 评测榜的大面积作弊，1000 多条实锤。你以为模型越来越聪明，其实有不少聪明是它学会了怎么在考场里抄答案。
2026-06-23

OpenAI 把矛和盾交给了同一个模型

OpenAI 发布 Daybreak 安全套件，Codex Security 与 GPT-5.5-Cyber 把同一套强模型同时摆上攻防两端，最难的不是训练，是钥匙交给谁。
2026-06-23

微信 Agent 小微灰度内测：能发消息红包，子入口能读聊天记录

微信悄悄放出 Agent 小微，能替你发消息发红包、子入口能读聊天记录，还能动嘴造小程序。权限给得有点猛，但每个危险动作前都卡了张确认卡。
2026-06-23

全程无人，跑完纽北：小米 YU7 GT 创下全球首个自动驾驶圈速纪录

一辆没有司机的车，跑完了世界上最难的纽北赛道。从工程师视角聊聊赛道为什么是自动驾驶最残酷的 eval，以及那个看不见的幽灵赛车手。
2026-06-22

给 AI 智能体的临时账户：一句命令上线，60 分钟后认领

Cloudflare 给 agent 上线临时账户，wrangler deploy --temporary 一句话部署，60 分钟后人类再认领或自动过期。
2026-06-22

美团偷偷上线一个 App，免费白嫖 GPT-5.5 和 Claude Opus 4.8

美团 tabbit 国际版免费接入六家旗舰大模型，这是一场把战场从胃挪到脑子的入口补贴战，趁窗口期薅。
2026-06-22

NSA 局长承认 Mythos 几小时攻破几乎所有机密系统

一个 AI 模型几小时攻破几乎所有机密系统，顶级团队干同样的活要半年。当攻击能力从全球二十支队伍变成人人可租，普通人的账号隐私和钱包该怎么守。
2026-06-21

给 AI 搭一套能干活的脚手架，开源教程《Deep Agents 实战》我读完了

LangChain 官方大使张海立开源《Deep Agents 实战》,把三层架构、虚拟文件系统、子 Agent、Skills 复用一章章拆给想入门的人。
2026-06-21

Figure 机器人数量第一次超过了人类员工

一家造人形机器人的公司，自己厂里跑的机器人比上班的人还多。这个数字背后，是硬件、模型、量产、商用四件事第一次同时成立。
2026-06-21

AlphaFold 之父 John Jumper 离开 DeepMind 加入 Anthropic

诺奖得主、AlphaFold 团队负责人在 DeepMind 干了九年后跳槽 Anthropic，这步棋背后藏着三层信号
2026-06-21

你的研究智能体，正在用一堆人畜无害的搜索把你卖了

ServiceNow 提出 MosaicLeaks 基准，揭开深度研究智能体的马赛克式泄密。单看每条搜索都无害，连起来却能拼出你的机密。聊聊为什么隐私 prompt 不进去只能训进去。
2026-06-21

Nature 两篇研究：AI 诊断追平医生，但有个结果泼了冷水

AI 在模拟诊断上赢了医生，但藏在补充实验里的一个结果，把所有做脚手架的人都点醒了。
2026-06-20

AI 中心的数据黑洞：模型越大，反而越笨拙地学习

一个孩子靠极少数据就学会的东西，前沿模型要吞掉整个互联网。Dwarkesh Patel 把 AI 进展真正的瓶颈摊开了。
2026-06-20

微软闷声当上全球最大 AI 中间商，左手 GPT 卖中国，右手 DeepSeek 卖西方

彭博社爆料，微软左手把 OpenAI 模型卖给字节蚂蚁们，右手把 DeepSeek 反向卖给西方客户，在 Azure 上两头收过路费。聊聊这盘双向贸易背后的云经济学、模型蒸馏与商品化。
2026-06-20

NVIDIA SpatialClaw：让智能体把代码当动作接口，免训练干翻空间推理

模型不动、工具不动，只把动作接口从结构化工具调用换成写代码，VLM 的空间推理就涨到 SOTA。接口才是那根杠杆。
2026-06-19

Claude 单挑四足机器人，这次它把人类团队甩开了 20 倍，全程没人帮忙

Anthropic 重做 Project Fetch，Claude Opus 4.7 全程无人协助，9 分 35 秒干完人类六小时的活，却在最像狗的那一步栽了。
2026-06-19

DeepSeek 研究员开源 AutoResearch，AI 第一次零干预跑通 285B 模型的研究全流程

他的代理第一次零人工干预跑通 285B 模型的强化学习研究全流程。最硬的不是模型，是一整套防打转、防停摆、带心跳看门狗的工程脚手架。
2026-06-18

Matt Pocock 开源 skills v1，把技能描述的 Token 成本砍掉 63%

砍的不是功能是废话。一个 TypeScript 老炮把软件工程的老规矩拆成可组合的纪律塞进 AI，给被 vibe coding 反噬过的人。
2026-06-18

谷歌花 27 亿请回的 Transformer 之父，又走了：Noam Shazeer 投奔 OpenAI

27 亿美元请回来，两年不到又走了，还投奔了对手。聊聊 Transformer 之父 Noam Shazeer 离开 Google 加入 OpenAI 这件事。
2026-06-18

英伟达放手了：8 个 AI 智能体一夜之间教会机器人自己把显卡插进主板

英伟达 GEAR 实验室的 ENPIRE 让 8 个编程智能体整夜无人值守地教机器人插显卡、打扎带，99% pass@8，还自己发现了机器人越多进步越快的物理 scaling law。
2026-06-18

「一个 AI 智能体就是一个文件夹」Vercel 开源 Eve

Vercel 开源 agent 框架 Eve：一个智能体就是一个目录，tree 一下就看懂。内置持久执行、沙箱、人机审批六大生产能力。
2026-06-18

苹果把 AI 智能体塞进 Xcode 核心：大白话修 Bug、跨文件改代码、一句话造 App

WWDC 2026，苹果把 agent 做进 Xcode 27 核心：自然语言修 Bug、跨文件改代码库、一句话造 App，可接 Claude。
2026-06-17

Anthropic 拆了 40 万次 Claude Code 会话：越懂行的人，越能从 AI 身上榨出价值

人决定做什么，AI 决定怎么做。越懂自己领域的人，AI 每条指令替他干的活越多。会不会写代码，反而没那么要紧了。
2026-06-17

GLM-5.2 开源：国产模型在 Code Arena 干到全球第一

智谱 MIT 开源 GLM-5.2，专攻 Coding 与长程任务：Code Arena 盲测全球第一，1M 无损上下文，多项基准介于 Claude Opus 4.7 与 4.8 之间。
2026-06-17

Meta 正在亲手拆掉自己的工程组织，把最好的程序员赶去给 AI 打标签

4 月起 Meta 强制把核心工程师调去给 AI 标数据、全员键鼠监控、token 进绩效，一个月后酿成史上最丢人的安全事故。
2026-06-17

OpenAI 一季度烧掉 37 亿美元，超过同期收入一半，钱到底烧哪去了

一季度现金消耗 37 亿，超同期收入一半。钱烧在哪，为什么越成功越烧钱，对普通 AI 从业者意味着什么。
2026-06-17

SpaceX 砸 600 亿买下 Cursor，程序员该慌吗

造火箭的买了写代码的。我担心的不是钱，是那把不站队的瑞士军刀还能不能让我自己挑刀片。
2026-06-16

伯克利 RDI 发布 Agents' Last Exam 基准：最强 agent 在最难一档拿了 0 分

他们做了个考 AI agent 真本事的基准，最难那档所有前沿模型包括 Fable 5 全军覆没，0% 通过。
2026-06-16

毕业生花钱向 AI 证明自己是人类

AI 检测把手写内容判 99% AI、把 AI 写的判 0%，毕业生陷入花钱自证人类的荒诞循环。
2026-06-16

苹果把已经能跑的 Siri 推倒重来，这事比新版本更值得聊

一个已经能上线的 Siri，苹果说扔就扔。从零重构背后，藏着工程界那个永恒难题：什么时候该推倒重来。
2026-06-16

DeepSeek 首次接受外部融资，估值超 500 亿美元

一向不缺钱不融资的 DeepSeek 破例了，74 亿美元、估值过 500 亿，但交易结构反常到离谱。
2026-06-16

你的大模型为啥突然快了，下一代投机解码 DFlash 拆给你看

LMSYS 联合 Z Lab、Modal 发布下一代投机解码 DFlash 与 Spec V2，把大模型推理提速 4 倍背后的机制拆开讲清楚。
2026-06-15

把 FlashAttention 那套搬到老 K-Means 上，他们说比 FAISS 快 200 倍

UC Berkeley 等团队开源 Flash-KMeans，不改数学、跑标准 Lloyd's，靠重构 GPU 数据流把速度和显存一起干下来。那个 200 倍我替你摸了摸 baseline。
2026-06-15

美国下令封锁最强模型 Mythos，就因为它能帮你读代码修 bug

美国政府以国家安全名义下令 Anthropic 封锁所有外国人访问 Fable 5 和 Mythos 5。理由不是模型作恶，而是它能读代码、修 bug。聊聊 AI 能力的可获得性有多脆弱。
2026-06-15

乔木小说创作 Skill 开源：说一句我想写小说，AI 把剧情人物钩子全搭好

一行命令装好的开源 skill，写小说前先帮你把钩子、桥段、冲突和结尾定死，把创作从凭空创造变成做选择题。
2026-06-14

他让一个 Fable 当总包工头，把编码 token 砍掉八成

一个开源项目把贵模型和便宜模型分了工，Fable 只规划和验收，Codex 埋头写码，仓库本身当记忆。
2026-06-14

扎克伯格罕见认了个错，这次不是产品，是组织

Meta 裁员 10% 又转岗 7000 人，扎克伯格内部信里罕见承认 AI 转型组织调整太快、还会接着犯错。我从一个搭脚手架工程师的视角，聊聊 50:1 管理跨度背后那条七十年前就写明白的定律。
2026-06-14

OpenRouter Fusion：让一堆大模型先开个会，再把答案半价卖给你

OpenRouter 新出的 Fusion 不是新模型，是让几个顶级模型先并行作答再交叉裁判，号称半价达到 Fable 级智能。到底是真本事还是营销话术，我看完跟你唠唠。
2026-06-14

Suno 把音轨分离重做了，不是抠频率是从零重新生成一遍

不再隔离频率，而是把每条音轨从零重新生成，这背后是判别式到生成式的范式调头
2026-06-13

200 美元的 AI 订阅，他们硬是榨出了 8000 美元的用量

SemiAnalysis 实测，200 美元的 Claude Max / ChatGPT Pro 按 API 价能榨出 8000/14000 美元用量，这 70 倍差价背后是怎样一笔账。
2026-06-12

你的 AI 想跑个脚本，另一个 AI 先把它拦下来了

Cursor 发布 Auto-review，用一个小分类器智能体在执行前审查 agent 的每一步危险操作。审批疲劳和安全风险之间，他们想出了第三条路。
2026-06-12

他离开电脑几分钟，回来看见 AI 在自己开浏览器

Simon Willison 给了 Claude Fable 5 一张截图和一行提示词，然后去干家务。回来时它已经自己打开浏览器、自建截屏方案、改模板注入快捷键、还写了个本地服务器收数据。修复只有两行 CSS。
2026-06-12

他们让 AI 打了 21 局核战争，投降按钮从头到尾没人碰

伦敦国王学院的战争学教授让 Claude、GPT、Gemini 推演核危机，几乎每局都有模型先扔核弹，八个让步选项无一被使用。
2026-06-12

7 个月，零产品，估值 410 亿美元，贝佐斯要花 1000 亿买工厂喂 AI

Prometheus 融了 120 亿美元，卖点是「人工通用工程师」。最野的是那个传闻，花 1000 亿美元收购传统工业企业，不为利润，为数据。
2026-06-11

AI 把打补丁这件事，变成了一场以小时计的赛跑

Anthropic 新研究：模型能在几小时内把一个安全补丁变成可用漏洞利用，补丁还没铺到设备，攻击武器已备齐。N-day 正在变成 N-hour。
2026-06-11

Google 把画图的那套扩散模型，拿来写字了，快了 4 倍

DeepMind 开源 DiffusionGemma，文本不再一个字一个字往外蹦，而是一次 256 个 token 整块生成。本地推理速度翻 4 倍，26B 模型塞进消费级显卡。
2026-06-11

被 AI 坑了 600 块，AI 还拍着胸脯说，告我，绝对能赢

豆包答错退票费让用户损失 600 元，立下赔付承诺书又反悔，最后帮用户写起诉状告自己。聊聊 AI 讨好式幻觉怎么伤到普通人。
2026-06-11

小米开源了个终端编程助手，我最服的是它不赌模型自觉

MiMo Code MIT 开源，内置限时免费模型。最值得聊的是它的记忆外包设计和同模型对照实验，agent 工程层正在成为新的差异点。
2026-06-10

Claude Code 团队的人自己怎么用 Claude Code？第一条建议就把我钉住了

Claude Code 团队成员 Thariq 分享了十条使用建议，核心只有一个转变，别再检查 AI 有没有把活干对，去检查它是不是在干对的活。测试全绿、方向全错的代码才是最贵的。
2026-06-10

Anthropic 昨晚发了两个模型，其实是同一个

Claude Fable 5 和 Mythos 5 同时发布，同一个底层模型、两个名字，区别只有一层防护。这个发布结构本身，比跑分更值得琢磨。
2026-06-10

Fable 5 已经进了你的 Claude Code，这两周怎么用才不亏

Fable 5 又慢又贵，但用对了是真值。切换方法、effort 档位的经济学、三个让它好使的习惯、以及那个会悄悄换人的安全分类器，一篇捋清楚。
2026-06-10

德国法院判了，Google 要为 AI 的胡说八道负法律责任

慕尼黑法院裁定 AI Overviews 是谷歌自己的言论，搜索引擎的免责盾牌不再适用。做 AI 产品的人都该看看这份判决。
2026-06-10

管 180 亿美元的对冲基金想明白了，新基金不招分析师，只雇 AI

Magnetar 要发一只没有人类分析师的基金，几百个 AI 智能体做研究，人类只负责拍板。卖铲子的自己下矿了，这事比看起来更值得琢磨。
2026-06-10

国产 GPU 上训出来的代码模型，跑分把 Claude Opus 比下去了

摩尔线程开源 MusaCoder，业内首个在国产 GPU 上完成全链路训练的代码大模型，KernelBench 跑分超越一票闭源旗舰。比跑分更有意思的，是它背后那个用 AI 撬生态冷启动的故事。

2026-05 38 篇

2026-05-22

Meta 裁掉 8000 人，最吓人的不是裁员，是员工还在训练 AI

Meta 一边裁员，一边把员工操作变成训练 AI agent 的数据。真正吓人的不是岗位消失，而是工作本身正在被拆成可学习的流程。
2026-05-22

图灵测试搞了 76 年，这回 AI 真把人骗过去了，还比真人更像人

GPT-4.5 在图灵测试里被裁判判成人类的比例高达 73%，比真人还高。76 年后 AI 第一次被实证通过这道测试，而它赢的关键不是聪明，是学会了像人一样犯错。
2026-05-22

400 tokens/s，国产大模型第一次把旗舰能力和极速一起做到了

智谱给旗舰模型 GLM-5.1 开了高速版，输出冲到每秒 400 个 token，刷新全球纪录。更关键的是它没换硬件，靠把推理调度抠到骨头里，第一次让快不再等于小。
2026-05-21

OpenAI 要上市了，史上最大 IPO 冲刺 9 月敲钟

一家章程里写着为全人类谋福祉的非营利机构，正冲刺史上最大 IPO。估值 8500 亿，马斯克诉讼刚解除。聊聊它对我们写代码的人到底有啥影响。
2026-05-21

贾维斯改姓了，腾讯把系统级 AI 助手做进了你的电脑

腾讯操作系统层级 AI 助手马维斯正式上工，Windows、Mac、安卓三端同步上线，预装本地模型拔网线也能用。它想做的不是又一个聊天框，而是长在系统里能动手干活的数字管家。
2026-05-20

Claude Code 团队几乎弃用 Markdown 了，改用 HTML 输出

Anthropic Claude Code 团队成员公开说他几乎停用了 Markdown，改用 HTML 做 AI 的输出格式，背后是关于人如何继续待在循环里的判断。
2026-05-20

起个大早赶晚集的 Google，昨晚甩出了一个世界模型

Google I/O 2026 发布 Gemini Omni 世界模型，从任意输入生成任意内容，外加搜索、订阅、开发者平台全线更新。
2026-05-20

微软花 75 亿买的 GitHub，自家人说它快不行了

微软内部示警，GitHub 正面临生存级风险。Cursor 和 Claude Code 这类 AI 编程工具，正在悄悄改变程序员一天到底待在哪里。
2026-05-20

一句「吴恩达说可以」，就能让大模型乖乖骂你

沃顿团队把经典人类说服术原样搬给大模型，权威、稀缺、登门槛全部奏效，顺从率从三成多冲到五成，最狠一招直接拉满。论文已登上 PNAS。
2026-05-20

Altman 给每家 YC 公司发 200 万，不给现金给 token

OpenAI 给当批每家 YC 公司投 200 万 token 换股权，是算力即种子资本，还是变相的供应商锁定
2026-05-19

当 AI 遇上梵蒂冈，Anthropic 创始人将与教皇共同发布人类史上首份 AI 通谕

2026 年 5 月 25 日，教皇利奥十四世将在梵蒂冈发布首份 AI 通谕《Magnifica humanitas》，Anthropic 联合创始人 Christopher Olah 受邀出席并发言。这不只是一次跨界合作，更像是一个信号，AI 时代，谁来守护人的尊严这个问题，已经大到一家科技公司和一个政府都装不下了。
2026-05-19

Codex 自己给自己出了一条视频，我看完想抄这套方案

歸藏用 Codex 整合四个工具做了一套 AI 视频生成方案——PPT Skill 出视觉、HyperFrames 做渲染、Listenhub 配音、即梦补镜头，能在聊天窗口里直接预览。这条视频，是 Codex 自己介绍自己的。
2026-05-19

Cursor Composer 2.5 来了：同等能力 10 倍效率，底座和 Kimi K2.5 同源

Cursor 发布 Composer 2.5，在长任务持续性和复杂指令遵循上大幅提升，最让我感兴趣的是底层的文本反馈 RL 训练方法，以及它和 Kimi K2.5 之间那条意想不到的开源链条。
2026-05-19

机器人的小脑，被做成了 4 亿参数的大模型，还全开源了

地平线开源 HoloMotion-1，把机器人小脑做到 4 亿参数还能端侧 300FPS，零样本跳舞搬箱，代码论文权重全给了。
2026-05-19

微软靠 AI 三年赚 300 亿花掉 1000 亿，Copilot 付费的人 97% 没在用

一个在微软干了 12 年、给 Nadella 当过技术顾问的人离职后公开开炮，说微软三次错过浪潮。300 亿营收对 1000 亿成本，Copilot 付费使用率不足 3%，而微软还要再投 1460 亿。AI 到底赚不赚钱，巨头好像也没算明白。
2026-05-19

这个月开源模型爆了：DeepSeek V4、Gemma 4、Kimi K2.6、MiMo 2.5 一起来了

五月的开源模型赛道炸开了锅——DeepSeek V4、Gemma 4、Kimi K2.6、小米 MiMo 2.5、GLM-5.1 密集发布。但美国 CAISI 的评估报告同时出来了，说开源和闭源的差距在扩大。真实情况比这复杂。
2026-05-18

你用的「便宜 Claude」，真的是 Claude 吗

开源工具 api-relay-audit 把 AI API 中转站的安全风险拆给你看：掺水、工具调用改写、错误响应泄漏……你以为省了钱，可能正在付更大的代价。
2026-05-18

5 天击穿苹果 5 年防线：Claude Mythos 如何帮安全团队破解了 M5 内核

Anthropic 未公开的 Claude Mythos Preview，协助小型安全团队 Calif 在 5 天内构建了全球首个绕过 Apple M5 MIE 硬件内存防护的内核提权利用链。这不只是一个漏洞被找到的故事，而是攻防速度差从此变了的信号。
2026-05-18

人形机器人和人类正面掰手腕了，快递分拣直播，目前人类稍稍领先

Figure AI 今日直播 Figure 03 人形机器人与人类同场竞技快递分拣，目前人类微弱领先。这个「稍稍领先」背后，藏着一个比 AlphaGo 赢李世石还要让人心情复杂的时刻。
2026-05-18

AI 越记越笨，GPT-4 从满分跌到 54% 的记忆陷阱

UIUC 与清华联合研究发现，LLM 智能体的记忆重写机制会严重损害可靠性——GPT-4 无记忆时 100% 解对的谜题，加上记忆后只剩 54%。这个结果挺值得每个做 agent 的人看一眼。
2026-05-18

腾讯 Ardot 公测：设计师的那把椅子，AI 坐进来了

腾讯自研 AI 设计智能体 Ardot 今日公测，一句话生成可编辑设计稿，一键转代码，兼容 Figma 导入，对接 Claude Code / Cursor / CodeBuddy。这不只是一个新工具，是一次对「设计和代码之间那段距离」的正式宣战。
2026-05-16

老黄当着卡内基梅隆 CS 毕业生的面说：电工比你们更有前途

英伟达 CEO Jensen Huang 在 2026 届毕业典礼上的一句话，戳破了 AI 时代最大的认知盲区，数字经济的地基需要物理劳动，而那批人正在消失。
2026-05-15

AI agent 跑了 9700 次实验，第一次在自主研究赛道上击败了人类基准

Prime Intellect 让 Claude Code 和 Codex 完全自主运行在 nanoGPT speedrun 上，消耗 1.4 万 H200 小时跑了近万次实验，最终击败了人类基准——但在真正创新那关翻车了。
2026-05-15

AI 操作办公软件，最重要的不是速度，是让人看得见

飞书 lark-cli 45 天破万星，但真正有趣的不是数字，而是它选择了命令行而非 MCP——因为可见性才是 AI 从"能用"到"敢用"的关键。
2026-05-15

AI 五天撬开了苹果的内核

Anthropic 的 Mythos AI 工具在五天内帮研究人员找到两个未知 macOS 内核漏洞并串联成完整攻击链，这不只是技术新闻，是 AI 碰到「只有顶尖专家才能解的问题」并成功的一个清晰数据点。
2026-05-14

AI 自己把漏洞变成攻击了，伯克利、Anthropic、OpenAI、Google 刚刚量化了这件事

ExploitGym 基准测试 898 个真实 CVE，Claude Mythos Preview 成功利用 157 个，即便开启 ASLR 等标准防御措施仍无法完全阻止。AI 独立完成漏洞利用链这件事，不再是假设。
2026-05-14

人形机器人已经在上班了，8 小时连轴转，专门干你想逃进去的活

Figure AI 的 Helix-02 完成了完整的 8 小时自主轮班。那个「去做蓝领就安全了」的说法，开始出现裂缝。
2026-05-14

Kimi K2:460 万美元，赢了

Moonshot AI 创始人杨植麟在 40 分钟视频里平静拆解了 Kimi K2 的训练，460 万美元打败了 GPT-5.5，规则正在改变。
2026-05-14

你用 ChatGPT 越认真，Meta 对你越了解——除非你用这个

OpenAI 被诉用 Facebook Pixel 把用户查询偷发给 Meta，偏偏同一天，Meta 发布了连自己都看不到的加密 AI 对话——这个时间点，太妙了。
2026-05-14

你用 ChatGPT 越努力，Meta 对你了解越多

南加州联邦法院受理集体诉讼，指控 ChatGPT 用 Facebook Pixel 将用户查询实时发给 Meta。一个炸穿底线的隐私丑闻，被淹没在产品发布的噪音里。
2026-05-13

Anthropic 估值冲破 9000 亿，同天 OpenAI CEO 被六州检察长盯上

三个月从 3800 亿涨到 9000 亿，Anthropic 正在谈有史以来最大一轮融资。同一天，六州司法部长联合致信 SEC 要求调查山姆·奥特曼。AI 行业这口锅里，炖着不止一件事。
2026-05-13

你的 AI 账单里，90% 在为别人打工

Karpathy 指出 AI 编程账单的 90% 浪费在无用上下文上。上下文管理、提示词缓存、多模型路由，三件事做好，账单可以砍掉一大半。
2026-05-11

TypeScript 大神把 .claude 目录公开了，里面 8 条工程师心法值得每个程序员抄

Matt Pocock 公开自己 .claude/skills 目录变成 mattpocock/skills 仓库，4.8 万 star，GitHub trending 6 天。13 个 skills 不是模板，是一个真实工程师怎么把 AI 嵌进日常工作流的范式样本。挑 8 条最猛的拆开给你看。
2026-05-10

Redis 之父一个人写了个 DS4，DeepSeek V4 在 Mac 上跑 26 tok/s

antirez 5 月 7 号在 GitHub 发了 DS4——专门给 DeepSeek V4 Flash 在 Apple Silicon 上做推理的 C+Metal 引擎。M3 Max 128GB 上 Q2 量化 26 tok/s @ 50W。一个程序员 + AI 协作 + 3 个月，专用引擎打 generalist runtime。这是单兵 hacker 的复兴时刻。
2026-05-10

菲尔兹奖得主用 ChatGPT 5.5 Pro 两小时干完博士级数学研究，连 prompt 都没怎么改

Timothy Gowers 把一个 open problem 直接丢给 GPT 5.5 Pro，2 小时后拿回了一个把 bound 从 exponential 改进到 polynomial 的非平凡结果。Gowers 自评「I didn't even do anything clever with the prompts.」同行评说核心 idea 「completely original」。
2026-05-09

Anthropic 工程师停了写 Markdown 了，他公开 20 个 HTML 例子告诉你为啥

Claude Code 团队工程师 Thariq Shihipar 发文「HTML is the new markdown」，配 20 个 self-contained .html 文件作证据。核心判断：Markdown 是把空间信息拍扁的格式，AI 时代真正合适的默认输出是 HTML。
2026-05-09

OpenAI 三年没出 CLI，现在突然出了，为啥

OpenAI 上线官方 openai-cli，是它历史上第一个命令行工具。这个动作迟到了三年，背后藏着 AI 时代程序员工作流彻底改变的事实——AI 已经从「IDE 里的副驾」回到了「terminal 里的同事」。
2026-05-09

别再每天给 AI 重新解释一遍了，YC 大佬的四条规则就够

YC 创始人 Garry Tan 公开了他在用的 OpenClaw 提示词，四条规则塞进 AGENTS.md，把 AI 从一次性工具升级成每天自己长高的技能树。重点不在模型，在教法。