⌘ K
… 读取采集状态 同步中...
雷

AI 编码

AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。

254条精选相关主题Agent 智能体Cursor教程实践

最新精选

第 141–160 条 · 共 254 条
9月1日周二
  1. 深度学习与NLP82

    黄仁勋：英伟达已实现AGI，财报全面超预期

    黄仁勋在最新财报电话会上表示英伟达对许多任务已实现AGI，并指出纠结定义无意义。原文提到英伟达Avo架构在ARC-AGI-3基准测试中取得100%满分。财报显示上一季度总营收达962亿美元，超出预期，同时给出2028财年营收增长70%的激进指引。

    推荐理由：原文展示了英伟达对AGI的激进定义及Avo架构在ARC-AGI-3上的满分表现，并详细复盘了最新的巨额财报数据，帮助读者理解算力在AI商业化中的核心地位。

8月31日周一
  1. 量子位80

    OpenAI 宣布将于11月停止向 Cursor 供应模型

    OpenAI 宣布因控制权变更条款，计划于 2026 年 11 月 12 日正式停止向 Cursor 供应模型，理由是 SpaceX 收购 Cursor 母公司 Anysphere。OpenAI 提及此前与 SpaceX 旗下公司的合同纠纷，并预留了缓冲期。Cursor 联合创始人表示 OpenAI 模型流量占比仅为 5%，Anthropic 随后宣布增加算力支持 Cursor。

    推荐理由：事件展示了AI巨头间的商业冲突如何直接影响产品供应链，读者可观察模型依赖关系中的地缘政治风险。

  2. 智东西75

    工信部发布人工智能应用服务商培育专项行动通知

    工业和信息化部办公厅发布《关于开展人工智能应用服务商培育专项行动的通知》，确立建立服务商资源池、提升服务供给水平、推动规模化应用及加强支撑保障四大重点。政策明确量化目标：到2026年底全国服务商资源池突破2000家，2027年底不少于3000家；鼓励组建“人工智能应用服务团”与前线部署工程师（FDE）团队，并探索通过“算力券”、首购首用等机制降低算力成本。

    推荐理由：工信部出台国内首项AI应用服务商国家级专项政策，给出了资源池建设目标与落地机制，为应用层服务商提供了可执行的官方路线图。

  3. 新智元72

    SpaceXAI工程师Lauren Tan分享：并行运行20+GrokBot智能体自动合并PR的工程实践

    SpaceXAI工程师Lauren Tan（前Cursor/Meta/Netflix）分享了使用20多个GrokBot智能体自动完成代码验证与合并的经验。她强调核心能力是验证而非提示词，通过自研开源技能pstack、Feature Map文件及严格CI护栏（禁用useEffect、注释等）确保智能体行为可控。

    推荐理由：Lauren Tan分享了从单实例到并行20+智能体的工程实践，核心在于构建验证护栏与架构约束。

  4. 宝玉73

    宝玉分享 AI 原生思维：如何像训练大模型一样训练自己做 AI 产品

    AI 博主宝玉结合自研字幕 App 经验，分享了 AI 产品开发的完整方法论。他主张盯着模型能力边界找需求，通过能力、成本、价值三关判断项目可行性，例如通过将输出改为 HTML 使单集处理时间从 31 分钟降至 18 分钟；在产品重设计时采用“以终为始”原则，让 Agent 自主验证，人仅在关键节点确认，并将设计从 GUI 转向 Agent 友好的命令行加 Skill 文件。

    推荐理由：结合作者三年字幕 App 实践，拆解了从找需求到落地的 AI 产品开发方法论，并给出了具体的成本优化数据。

8月30日周日
  1. AI产品阿颖78

    腾讯 Hy4 preview 真实评价：参数规模与能力实测

    腾讯 Hy4 preview 总参数提升至 770B，上下文长度达 1M，内部盲测显示其在部分任务上略优于 GLM 5.3 和 Kimi K3。作者通过日程管理后台、小游戏生成及图片转网页等实测案例，发现模型在编码和多模态交互上表现明显进步，但仍存在过度思考、遗忘约束条件及审美局限等缺点，且凭借高性价比策略正在快速追赶国内第一梯队。

    推荐理由：原文提供了 Hy4 preview 与竞品的实测对比及价格策略，揭示了其在编码与多模态场景下的真实表现与局限性。

  2. 量子位72

    Claude Code 额度调整致实际用量减少，OpenAI Codex 修复后台漏洞提升利用率

    Claude Code 宣布 9 月 14 日起永久提高标准周额度 25%，但因同时结束临时 50% 加量，实际可用额度反而减少约 17%。OpenAI Codex 随后重置额度并修复 Compaction、Memory 等后台 Bug，预计提升 10% 至 50% 的额度使用效率。

    推荐理由：原文通过对比额度调整策略和后台 Bug 修复细节，揭示了头部 AI 工具在用户信任管理上的差异化路径。

8月29日周六
  1. AGI Hunt89

    腾讯混元 Hy4 preview 发布：参数翻倍，编码基准大幅提升

    腾讯发布混元 Hy4 preview，770B 参数激活 49B，支持 1M 上下文。相比 Hy3，DeepSWE 从 28.0 升至 64.3，SWE-Marathon 从 5.0 升至 31.9，Arena WebDev 排名从 31 跃升至 5 名左右。

    推荐理由：原文对比了 Hy4 preview 与 Hy3 的基准分及实际编码游戏表现，展示了其从排名 31 跃升至前 5 的核心代际提升幅度。

  2. 机器之心78

    OpenAI 宣布 11 月 12 日终止对 Cursor 的模型直接访问

    OpenAI 发布声明，宣布因 Cursor 被 SpaceX 收购后不再被信任，将于 11 月 12 日结束 Cursor 对其模型的直接访问。OpenAI 称基于与马斯克旗下公司违反合同的经验，无法确信 SpaceX 会在服务条款范围内使用其技术，并提到随着 Astra 模型临近推出，公司对合规使用负有新层级的问责责任。

    推荐理由：原文梳理了断供事件的合同理由与Astra安全背景，并对照Anthropic先例，提示开发者评估工具与模型绑定的集中度风险。

8月28日周五
  1. 极客公园78

    腾讯发布并开源混元 Hy4 preview，极客公园实测三项长任务

    腾讯 8 月 28 日发布并开源混元 Hy4 preview，总参数从 295B 增至 770B、激活参数 21B 增至 49B、上下文从 256K 扩展至 1M，已进入 WorkBuddy、CodeBuddy、元宝和 ima，输入 6 元/百万 tokens、输出 18 元/百万 tokens。

    推荐理由：原文用三项实测展示了模型在长任务链中的报错修复与自测行为，可迁移地说明如何评估长程 Agent 能力。

  2. APPSO74

    腾讯混元 Hy4 Preview 发布：参数量达 770B，实测编码与办公 Agent 能力

    腾讯正式发布 Hy4 Preview 模型，总参数量达 770B，激活参数 49B，显著优于上一代 Hy3 的 295B 总参量。实测显示，Hy4 在 Coding Agent 任务中表现接近 GLM-5.3 与 Kimi K3，能独立完成 3D 网页游戏开发与 Bug 修复；在办公场景下，可基于网络搜索生成风格一致的海报，并输出详细且数据准确的调研报告。

    推荐理由：Hy4 Preview 参数量翻倍并强化 Agent 长程执行，实测显示其编码与办公能力已能对标主流国模。

  3. 宝玉76

    Warp 如何让 Agent 在 Code Review 中自我进化

    Warp 通过基础 Skill 负责代码审查，改进 Skill 定期收集人类工程师在 PR 中的评论并据此自动更新代码审查 Skill，实现低摩擦的自我进化。其六条最佳实践强调写原则而非死规则、解释理由、保持 Skill 精简及利用改进 Skill 的通用性。对于潜在错误反馈，Warp 通过让 Agent 进行合理性检查、限制反馈权限及保留人工审核来防范风险。

    推荐理由：Warp 提出的双 Skill 机制让 Agent 在 Code Review 中自动吸纳人类评论以进化，并给出六条可复用的最佳实践。

  4. 深度学习与NLP88

    神秘模型 Ox Alpha 实力引热议，谷歌暗示被网友调侃

    8月21日，支持1M上下文的多模态模型 Ox Alpha 在 OpenRouter 和 OpenCode 免费开放，其 DeepSWE 准确率达 63%，表现接近 Grok 4.6。尽管谷歌高管暗示可能与 Gemini 有关，但全网多在调侃；技术极客通过分词器和视频测试推测其可能为智谱 GLM 系。实测显示，Ox Alpha 能生成交互式 3D 模型、像素游戏及交通监控系统。

    推荐理由：实测给出了SWE-bench等场景下的具体性能表现与多模态能力细节，便于评估该匿名模型的实际可用性。

8月27日周四
  1. 夕小瑶科技说84

    智谱 GLM-5.3-Flash 认领匿名模型 Ox-Alpha，以低价打破 DeepSeek 价格底线

    智谱认领匿名模型 Ox-Alpha 为 GLM-5.3-Flash。该模型是 GLM 首个原生多模态模型，支持 1M 上下文，采用 MIT 协议开源。作者实测其在 3D 城市建模、视频剪辑、网页复刻及前端工具开发等 Agent 任务中表现接近 Claude Opus 4.8。

    推荐理由：作者实测了 GLM-5.3-Flash 在多模态、3D 建模与视频编辑场景下的 Agent 表现，并展示了其以低价策略打破 DeepSeek 定价底线的冲击。

  2. AI产品黄叔77

    GLM-5.3-Flash 实测：多模态能力与国产算力成本分析

    GLM-5.3-Flash 在 OpenRouter 和 OpenCode 榜单登顶后，作者通过 16 分钟视频转 33 页图文手册和黑洞动效开发两个任务进行实测。模型展现了原生多模态视觉提取与代码修复能力，价格约为 Claude Opus 4.8 的 1/40，且线上流量全部承载在国产芯片上，体现了稀疏激活混合专家架构与软硬协同设计的成本优势。

    推荐理由：作者用真实视频处理与动效开发任务实测 GLM-5.3-Flash，提供了多模态编码场景下的实际产出效果和成本分析。

  3. 新智元71

    Ornith 发布 1.5 模型，自测编码能力反超 Claude Opus 4.8

    Ornith 发布三款 1.5 模型（397B、35B 和 9B），采用模型自我生成训练任务的新范式。在 Terminal-Bench 2.1 自测中，397B 得分 86.1，超过其自测的 Claude Opus 4.8 成绩 85.0，但官方榜单中 Opus 4.8 成绩为 78.9。

    推荐理由：文章拆解了Ornith让模型自我出题的训练闭环，并厘清了自测与官方榜单的差异，提供了评估开放模型能力边界的参考框架。

8月26日周三