开发者构建 KillSwitch 编程语言,挑战 LLM 的代码理解能力
开发者构建并开源 KillSwitch,通过对抗性语言设计测试 LLM 和编码智能体能否理解、编写未见过的代码。它是一种基于栈的解释型语言,利用字符计数、规范中的隐藏谎言及触发安全护栏的语句增加难度,示例见 https://killswitch-lang.org 。
开发者构建并开源 KillSwitch,通过对抗性语言设计测试 LLM 和编码智能体能否理解、编写未见过的代码。它是一种基于栈的解释型语言,利用字符计数、规范中的隐藏谎言及触发安全护栏的语句增加难度,示例见 https://killswitch-lang.org 。
Simon Willison 发布 llm-echo 0.5,这个调试插件提供一个不涉及 LLM 的“模型”,只把收到的提示词原样回显。新版本更新了模拟 token 用量统计,将工具调用、系统提示词和推理 token 纳入计算。示例中 `llm -m echo 'hi there' -o thinking 1 --usage` 显示 2 input、24 output。
llm-tools-datasette 发布 0.1.1 版本,修复了 LLM 0.33 改用 httpx2 后插件因未直接依赖 httpx 而出现的兼容问题。该插件此前依赖 httpx 但未显式声明,此次升级后已恢复正常。
WhatsApp MCP 可部署在用户自己的 Cloudflare 账户,让 Claude Code、Claude Desktop 等 MCP 客户端读取和搜索 WhatsApp 聊天,但不能发送消息。
Netflix 发布新一代 VMAF 感知视频质量评估模型 v1,旧版 v0 模型文档继续保留,官方表示将持续根据用户反馈改进模型。VMAF 是曾获艾美奖的多方法融合视频质量算法,软件包包含 C 库 libvmaf 与 Python 封装库,并集成 PSNR、SSIM、MS-SSIM、CIEDE2000 等指标。
μRepRap 项目推出 PIKA V0.02 硬件,可在约 8mm 立方体积内实现约 1μm 的重复定位精度和 10μm 以内的可靠精度,并已用 4μm 层高打印出 0.5mm 的 Benchy 测试模型。
Sphinx 是面向智能体辅助开发的免费开源 Git 钩子,在受保护分支推送前根据代码差异提问,答对后才继续推送。独立审查模型不读取编程聊天记录,回答不会传给编程智能体,也不会打开 .env 文件和密钥;可用 sphinx yolo 跳过检查,每次跳过都会记录。
卡兹克实测华硕 ProArt 创16 RTX Spark 笔记本,128G 统一内存+1T 版本京东售价 37999 元,开售几分钟内被抢空。他受邀参加英伟达 RTX Spark 全球开售活动,并深度使用一周。
Simon Willison 发布 web-edit 0.1a2,为其用于通过 Tailscale 跨机器浏览和编辑文件夹内文件的微型 Web 应用新增文本与图片数据的"复制到剪贴板"选项。该功能源于他用手机在笔记本上运行 pelican 提示词、并希望便捷地将日志复制到 Gist 的需求。
Codex Desktop 用户报告,Crashpad 转储持续积累至 ~323 GB、~4.04 million 个文件,占用 926 GB 磁盘的约 35%。
Things to Do API 提供面向智能体应用的本地活动数据接口,覆盖演出、讲座、快闪、市集和节庆等,支持 REST 与 MCP 接入,并可用自然语言查询。免费额度为每月 1,000 次调用、每分钟 60 次,无 key 时每天可试 50 次查询;按量计费 $5/1,000 次,超过 10 万次后 $3/1,000 次,超过 100 万次后 $2/1,000 次。
一款名为 Duck Pond 的鸭叫合成器在 Hacker News 亮相,所有鸭叫声均实时合成、无任何录音素材。场景中有一小群绿头鸭:三只母鸭、两只公鸭和两窝小鸭,用户站在岸边即可从所在位置听到每声鸭叫。
tsc-ts 将 TypeScript 7.0.2 编译器(tsgo)移植为 TypeScript 实现,并通过 scriptc 编译为原生代码,可从 npm 安装后用 npx tsc-ts 运行。
SGLang 推出 Low-Latency Mode,通过插件框架将专用 kernel 引入 SGLang,在 NVIDIA 和 AMD GPU 上显著降低推理延迟。
DeepSeek 开放自研搜索 API,底层使用为其网页端与 API 端提供搜索支持的 DeepSeek 搜索引擎。该引擎索引全球千亿级网页,支持多语言搜索,每天处理来自全球各地的数亿次搜索请求。DeepSeek 称其通过识别机制过滤 SEO 作弊、GEO 操纵和低质 AIGC,使用方式可参考网页搜索与抓取指南。
推荐理由:DeepSeek 开放自研搜索 API,其底层引擎已为网页端与 API 端提供搜索支持并处理每天数亿次请求。
ChatGPT 的 Chrome 扩展现可读取已打开的标签页并执行操作,更新适用于所有 ChatGPT 套餐。用户可通过 @chrome 指定标签页,Chat 模式支持跨标签页提取数据,Work 模式通过 Computer Use 发送消息、填写表单、下载文件或分组标签页。升级后的侧栏提供完整聊天历史,OpenAI 的示例包括跨标签页比较商品、概括文章和比对不同卖家的价格页面。
推荐理由:ChatGPT 将跨标签页读取与浏览器操作接入 Chrome 扩展,让网页比较、表单填写和文件下载能在同一侧栏中完成。
404 Media 实测发现,OpenAI 允许广告主依据邮箱、手机号或手机上的唯一标识符,向特定 ChatGPT 用户群体投放广告。广告定向也会使用用户输入的提示词,部分用户可能不知道广告主上传的个人数据被用于匹配广告。原文称 ChatGPT 拥有 10 亿月活跃用户,并指出个人数据定向在广告行业较为常见,而基于聊天提示词的定向方式较为新颖。
推荐理由:404 Media 实测发现 ChatGPT 广告可按提示词和个人标识定向投放,用户输入及广告主上传的个人数据都可能参与广告匹配。
NVIDIA RTX Spark 笔记本今日全球开售,最高提供 128GB 统一内存和 1 petaflop FP4 AI 性能,起价 $2,599。产品结合 Blackwell RTX GPU、Grace CPU 与 CUDA,支持本地运行大语言模型和 AI 智能体,并提供智能体权限控制及家庭网络推理服务。
推荐理由:NVIDIA RTX Spark 将本地模型运行、编码和测试整合到 Windows 笔记本中,让开发流程减少对云端测试环境的依赖。
SGLang 为 Muse Spark Open 提供 Day-0 支持,加入序列并行、NVFP4 MegaMoE、多模态处理优化及 DFlash V2 推测解码。
推荐理由:SGLang 将序列并行与 MegaMoE 联用于长提示词预填充,在七档并发测试中将 p90 首 token 延迟降低 28.3–41.9%。
ChatGPT 面向 Chrome 用户引入 computer use 能力,支持读取打开的标签页并在工作模式下控制标签页。在聊天中,ChatGPT 可以汇总标签页信息;在工作模式下,它能发送消息、填写表单、下载文件,并帮助整理和分组打开的标签页。
推荐理由:ChatGPT 将标签页读取与操作接入 Chrome,让浏览器中的信息汇总、表单填写和文件下载能在聊天及工作模式中完成。
Meta 的开放权重模型 Muse Spark Open 今日上线 Together AI,面向长时间运行的智能体编码工作流。模型提供 1M-token 上下文窗口,支持子智能体协作、工具调用、电脑操作与网页浏览,并接受文本、图像、音频和音视频输入。
推荐理由:Together AI 在发布当天提供 Muse Spark Open 服务并公布分项价格,让长任务模型的接入方式与调用成本有了明确依据。
Meta 发布 Muse Spark Open 权重,Modal Auto Endpoints 已提供按 token 计费的共享端点。该模型面向智能体编码和长周期任务,具备原生多模态理解与 1M-token 上下文窗口,支持代码编写与调试、多步规划、顺序工具调用和长流程中的失败恢复。
推荐理由:Meta 为 Muse Spark Open 的两项基准成绩列出智能体、测试框架与推理强度,成绩比较需结合这些评测条件。
vLLM 与 Meta Superintelligence Labs 合作,为 Muse Spark Open 提供发布首日推理和 LoRA RL 支持。该开放权重 MoE 模型面向长周期智能体编码工作流,拥有 816B 总参数、每个 token 激活 42B 参数及 1M 上下文窗口,支持图像、视频和音频感知。
推荐理由:vLLM 将 Muse Spark Open 接入多种硬件平台并提供预构建镜像,部署方无需等待常规安装包合并即可启动模型服务。
Google 今日在美国的 Google Search 和 Gemini app 推出 Universal Cart,支持跨零售商保存商品、追踪价格和库存变化。
推荐理由:Google 的 Universal Cart 将跨商店商品保存、优惠提醒与结账集中到同一购物车,减少购物者在多个入口间整理商品的负担。
AI-DLC 通过工具无关的核心,将 AI 编码助手接入结构化、可验证的软件交付流程,支持 Claude Code、Kiro CLI、Kiro IDE、Codex CLI、Cursor、opencode 和 GitHub Copilot。
推荐理由:AI-DLC 将需求、实现、测试和运维串入带审批门与审计记录的统一流程,让跨编码工具的软件交付保留决策依据。
OpenCode 2.0 发布重大更新,将 TUI、网页界面和桌面应用统一连接到自动运行的本地后台服务,并重构 API。Code Mode 默认将 MCP 工具转为可由脚本组合调用的函数,新增后台子智能体与异步 shell 命令,TUI 插件转为稳定功能,并提供仍在开发中的 @opencode/sdk。
推荐理由:OpenCode 2.0 将多种客户端接入同一后台服务,并让子智能体与耗时命令在后台运行,减少主智能体等待任务完成时的交互阻塞。
Simon Willison 发布 llm-gemini 0.35,新增对 Gemini 4 Argon 的支持,该模型今天通过 Gemini API 和 $100/month 订阅计划提供。
推荐理由:Simon Willison 用基准测试总成本比较 Gemini 4 Argon 与其他模型,比较同时计入单价和完成任务所需的 token 数量。
Google 公开发布智能体审稿系统 Deep Review,将学术论文审查扩展至设计文档、演示文稿及法律和金融文档。系统采用分段、动态预算分配、并行验证和全局综合四阶段流程,检查逻辑一致性、数学陈述及事实依据,并将高层判断留给人类。
推荐理由:Deep Review 将文档分段、动态分配计算预算并行核查,再统一检查跨段一致性,为复杂文档审查提供可迁移的多智能体流程。
Lovable 推出增长工具,可在构建应用的同一聊天窗口利用应用上下文制定增长计划,并协助执行广告投放、SEO 和内容创作。
推荐理由:Lovable 将增长计划、广告投放和 SEO 接入构建应用的聊天窗口,让获客执行共享应用上下文并保留用户审批。
Google Play 推出私有应用功能,用户可用 Google AI Studio 编写 Android 应用,再通过标准 Google 账号在自己的设备上运行,无需公开上架。
推荐理由:Google Play 允许用户私下运行 AI 编写的 Android 应用,个人需求驱动的原生应用无需公开上架即可自用。
Gemini 4 Argon 现已上线 Gemini app,Google AI Pro 和 Ultra 订阅者从今天起可访问模型并委托 Gemini 执行任务。
推荐理由:Gemini 将任务入口与超过 40 个应用连接起来,让用户离开电脑后仍能委托它处理购物、订位和业务相关任务。
Apple HomeView 内置由 Apple Intelligence 驱动的 Siri AI,结合个人上下文、知识问答和智能家居控制提供家庭助手体验。设备配备 A18 芯片和 7-inch Liquid Retina 显示屏,可识别最多六位用户;访问个人内容需配对的 iPhone 或 iPad 连接同一 Wi-Fi、近期已解锁,并通过人脸识别。
推荐理由:Apple HomeView 将个性化助手接入家庭共享设备,通过人脸识别与配对设备访问条件,将个人内容与访客可用功能分开。
Instant Software Factory 提供通过 Claude Code cloud routines 配置软件工厂的提示词,以定时智能体持续调查、实现和审查项目改进。
推荐理由:Instant Software Factory 用定时智能体分担持续维护,并以独立审查、人工批准和停机测试约束无人值守变更。
xAI 推出 The X Subscription,将 Grok、Grok Bot、Cursor 和 X Premium 整合到一个订阅计划,今天向新客户开放,未来几天向全球所有用户开放。
推荐理由:xAI 将 Grok、Cursor 与 X 纳入统一订阅,Premium 月费从此前组合的 $90/month 降至 $30/month。
Microsoft Execution Containers(MXC)现已正式可用,通过容器执行文件、网络及界面访问策略,限制 AI 智能体工作负载的权限。开发者可用统一 JSON 配置和多语言 SDK 接入 Windows、macOS 或 Linux 的隔离后端,Windows 进程容器还支持记录资源访问以调整策略。
推荐理由:Microsoft MXC 将智能体权限交由运行环境独立执行,通过学习与宽松模式记录资源访问,为最小权限策略提供调整依据。
Prime Intellect 发布 Rust 重写版 Prime Agent,由超 2,000 个智能体在两周内完成端到端迁移,并新增原生 Windows 支持(beta)及 homebrew 安装。
推荐理由:Prime Intellect 将规划、实现、审查和验证拆给不同智能体,以差分测试约束迁移进度,减少大规模代码重写中的人工审查。
Anthropic 为 Claude Managed Agents 新增动态工作流,每次执行可并行运行最多 1,000 个 AI 智能体,由主智能体规划、分派任务并汇总结果。
推荐理由:Anthropic 在藏有 70 个缺陷的代码库中测试动态工作流,检出数量从单智能体的 14 至 27 个提高到 66 个。
Anthropic 推出自愿加入的 OSS Scanner,使用包括 Claude Mythos 在内的最强模型,为符合条件的开源项目免费提供定期安全扫描。报告完全由模型生成,不经人工审核或分流,包含独立复现程序、漏洞解释及可用时的候选补丁,可能存在错误或无效结果。
推荐理由:Anthropic 的 OSS Scanner 将未经人工审核的漏洞报告直接交给开源维护者,以更快、更频繁的扫描换取维护者自行核验的负担。
Anthropic 为 Claude 推出 Dashboards 和 Motion 两项测试功能,可通过文本提示词生成实时数据仪表盘和动画讲解视频。
推荐理由:Anthropic 为 Claude 的实时仪表盘提供逐项查询追溯,并支持将结果传入外部工具,让生成的数据保留可检查的依据。