Simon Willison 回顾 2026 年 LLM 进展：从 Claude Opus 4.5 到 OpenClaw
Simon Willison 在 WeAreDevelopers 大会主题演讲中按时间线梳理了 2026 年 LLM 的关键进展。
#编码
#编码
今日 0 条9月28日星期一
9月25日星期五
Simon Willison：编码智能体让软件工程变得更难
Simon Willison 表示，与编码智能体协作越久，越确信它们让软件工程变得更难。借助智能体可以完成惊人的工作，但释放其全部潜力需要极高的纪律性和知识储备。
9月23日星期三
Simon Willison 与 Jesse Vincent 10 月 14 日在旧金山举办 Agentic Engineering 交流活动
Simon Willison 与 Jesse Vincent 将于 10 月 14 日（周三）在旧金山举办一场面向 coding agent 构建者的晚间交流活动，主题为 Agentic Engineering。活动采用非正式的 show-and-tell 形式，鼓励参与者分享尚未公开的尝试、奇怪实验和未完成项目，无需正式演讲，也不是产品推销。
9月21日星期一
工程师爆料：大公司团队全靠 Claude Code 写代码，无人阅读任何产出
一名新入职大公司的工程师称，团队所有规格、代码、测试、PRD、工单及其解决方案、报告等全部由 Claude Code 生成，从 L1 到 L7 的工程师都在做同一件事——和 Claude 对话。团队无人喜欢这种方式，却被高层要求尽可能多地产出，因为高层认为推送代码不是瓶颈；人们每天工作 12 到 13 小时，只是为了按回车，没有人阅读任何内容。
9月18日星期五
GitHub Podcast 拆解 AI 热门观点：该不该读代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是连接工具与数据的标准，可组合使用；RAG 并未死亡，它为模型提供训练数据之外的相关信息，减少 token 浪费并让回答更有依据。
6月10日星期三
Claude Code 团队成员 Thariq 的十条效率建议：从检查它做没做对，转向检查它做没做对的事
Thariq 的核心观点是换个思路用 Claude Code：别老盯着输出结果挑错，先确保它接对了任务。他给了十条具体做法。第一，一上来就把项目背景、限制条件全丢给它，把它当能跟你讨论的同事，而不是个补丁工具。第二，用一份简短的需求文档引导 Claude 反问你细节，把模糊想法聊清楚。第三，让它同时探索几个方案，直接生成 HTML 原型给你看，比看文字...
推荐理由：这篇是 Claude Code 的实战教程，干货密度高。Thariq 没讲大道理，而是给了十条能立刻上手的操作，比如先把项目背景全丢给模型、用需求文档引导它反问细节、让它同时跑几个方案出 HTML 原型对比。核心思路是把 Claude 当能讨论的同事，而不是补丁工具，这个视角切换本身就值回票价。内部人士分享加上三条 HKR 全中，放在 featured 没问题。
6月9日星期二
Sam Altman 说 OpenAI 计划到 2028 年让 AI 自己搞大部分研究
Sam Altman 在一篇博客里列出了三个目标：先造出能自动做研究的 AI 研究员，再用它去加速科学和产品开发，最后给每个人配一个个人 AGI，帮你处理工作、学习、写代码、做生意、健康文书和日常决策。时间节点定在 2028 年 3 月，但正文没披露具体怎么验证这些目标是否达成，也没说成本、安全措施或失败预案。
推荐理由：HKR三项都踩中了：OpenAI给AGI研究路线图贴了个2028年3月的标签，还列了三个目标。我会先打个折，因为原文只是一篇博客摘要，不是正式产品发布或带技术细节的长文，所以没给P1。正文没披露怎么验证目标是否达成，也没提成本、安全措施或失败预案，这点先别太激动。
6月7日星期日
Anthropic 联创说 Claude 现在写了公司 80% 的合并代码，两年内可能到 100%
Anthropic 联合创始人 Jack Clark 公开说，Claude 目前产出了公司里 80% 被合并进主干的代码，他预计两年内这个比例会到 100%。另外文章提到，2026 年第二季度 Anthropic 工程师人均每天合并的代码量是 2024 年的 8 倍。不过原文因为微信环境验证问题，正文没抓到，这些数字的具体口径和统计方式没法核实，先打个折看。
推荐理由：HKR 三项都成立：Jack Clark 亲口说的代码占比数字是个硬钩子，事实点够具体，而且对从业者的职业焦虑和效率想象都有触动。这不是模型发布或重大产品更新，所以分数留在 78–84 区间合理。正文没抓到，统计口径没法核实，我会先打个折看。
6月5日星期五
Anthropic 警告 AI 研发已进入自我加速期，OpenAI 被指跨过可靠性门槛
这篇文章本身因为微信环境验证没抓到正文，只能根据已有的英文标题和摘要来还原。核心信息是两条：一是 Yann Dubois 在采访里说 OpenAI 大概在去年 12 月跨过了一个“可靠性阈值”，具体指什么、怎么验证的，正文没披露；二是 Anthropic 内部数据显示，到 2026 年第二季度，公司里每人每季度的代码贡献量已经是 2024 年第一季度的...
推荐理由：我会先打个折，因为这是二手采访分析，不是官方发布或可复现的测试。但三条理由都站得住：标题里的“可靠性阈值”是个悬念钩子，正文抛出了两个带时间或倍数的具体说法，而且讨论的是中美从业者都在盯的算力差距和效率竞赛。所以给到 82 分，放在 featured 位置，不往上拔了。
腾讯汤道生说今年大部分代码是 AI 写的，工程师转向架构设计和纠偏
汤道生在腾讯云 AI 大会上说，今年腾讯大部分代码都由 AI 生成，工程师主要精力放在架构设计，定期指导、修正 AI 的输出。这个“大部分”具体指什么口径（行数、提交次数还是项目占比），正文没披露，所以先打个折听。另外，腾讯去年在 AI 新产品上投了 180 亿元，总裁刘炽平说今年投入至少翻倍，同时 Q1 财报提到他们重构了 AI 基础设施，搭了 Hy...
推荐理由：HKR 三项都过：有明确的访问对象和事件，有 180 亿投入和翻倍计划这两个硬数字，话题也踩在从业者关心的中美算力效率竞赛上。但“大部分代码”的口径没公开，属于高管自述，不是产品发布或独立评测，所以卡在 featured 门槛上方，不给更高。
共存：当 AI 不再只是你的副驾驶
Ethan Mollick 宣布新书《Co-Existence》将于 10 月 20 日出版。他认为过去那种把 AI 当聊天机器人、你来我往的“协同智能”正在过时。AI 公司的目标一直是造出能自己干活的智能体，而 2025 年底出现的编程智能体让这个目标变近了。他引用了两项数据：一项研究显示代码产出量翻了 17 倍，Anthropic 也声称自家 80...
推荐理由：Mollick 这篇更像一篇立场文章加新书预告，不是模型发布或可复现实验。他引的两组数据——代码产出 17 倍和 Anthropic 的 80%——都来自外部或厂商自述，原文没给出验证细节。判断“协同智能过时”主要挂在他对 2025 年底编程智能体的观察上，但法案文本和执行时间表都缺失，所以冲击力强但信息有缺口，放在 featured 合适。
6月3日星期三
当 AI Agent 变成主力开发者，研发工具链得从头想想了
这篇文章我没能看到正文，微信页面显示环境异常需要验证。从已有的英文摘要看，作者许晓斌提出了一个判断：用 AI Agent 做开发，能把从“有想法”到“出代码”的周期从几周甚至几个月压缩到几分钟。他举了几个例子，包括用 Agent 搭周报系统、多角色 Agent 协同开发、自动配镜像仓库。文章还点出了现有研发设施跟 Agent 开发模式不匹配的地方，比如...
推荐理由：这篇文章不是产品发布或模型评测，而是一篇基础设施层面的评论。我会先打个折，因为案例都来自作者自己的实践，没有第三方验证，但“周/月级压到分钟级”这个说法配上具体场景，对从业者来说有参考价值。正文没披露多角色 agent 协作的成功率和翻车率，这点先别太激动。整体放在 featured 里合理，属于那种看完会让你重新打量自己团队流水线的东西。
智能体工程实战窍门全录
@mvanhorn 分享了一套让 AI 智能体干活的工程方法，核心是把开发流程从“人写代码”扭成“人定方向、智能体执行”，工作台从 IDE 搬到了终端和一份 plan.md 计划文件。整体走 Research → Plan → Work 循环，用 plan.md 来约束智能体行为。帖子总结了 22 条实战技巧，覆盖规划、并行执行、输入方式、远程控制这些...
推荐理由：这是一篇从业者的方法总结，不是模型发布或产品上线。正文没披露完整工具栈清单，所以我会先打个折。但 Research→Plan→Work 循环和 plan.md 约束的思路很具体，22条技巧也给了可操作的抓手，对正在折腾智能体工程的人有直接参考价值，放在 featured 档刚好。
Claude Code 团队自述：把编程工作默认交给智能体后，我们的流程和分工全变了
Claude Code 的工程主管在 Code w/ Claude SF 2026 活动上分享了团队内部的变化。他们把智能体编程（让模型直接写代码、改代码）设为默认工作方式后，砍掉了传统的详细需求文档，改成“即时规划”——在动手前先让 Claude 收集上下文、理清任务。代码审查环节，Claude 会先过一遍代码风格和测试覆盖，人则把精力集中在法律合规...
推荐理由：这是 Anthropic 自家团队在 Code w/ Claude SF 2026 上的分享，不是模型发布或重大产品更新，所以分数压在 80 分左右。亮点在于他们公开了内部怎么用 Claude Code 干活：规划从提前设计改成即时按需，写代码前先让 Claude 把上下文理一遍，审查环节把风格和测试甩给 Claude，人只做法律和安全判断。这些机制写得实在，没有画饼，对工程团队有直接参考价值。但正文没披露具体效率数据或量化对比，所以别当性能报告看。
6月2日星期二
Anthropic 开发者公开了一套 Claude Code 工作流，核心是让 AI 当老师逼你真正搞懂代码，而不是只点“同意”
这套流程把 Claude Code 定位成“高效又聪明的老师”，目标不是替你写完代码，而是确保你能把问题、方案和影响讲清楚、辩得动。它沿着问题域、方案域和语境域三条线，拆成 8 个可执行步骤，用增量教学、用户复述、清单加测验的方式，在进入下一步前先确认你真的懂了。这么设计是为了对抗长会话里人慢慢变成“审批按钮”的问题，强制把决策上下文沉淀下来，让理解过...
推荐理由：我会先打个折：这不是产品发布，是一篇实操分享，所以放在 featured 低位。HKR 三项都踩实了——钩子把“人变按钮”这个痛点讲得很透，知识部分有 8 步工作流和验证循环，相关性直击开发者对 agent 失控的担忧。正文没披露这套流程在复杂项目里的失败率，这点先别太激动，但作为可落地的教程，信息密度够。
6月1日星期一
开源与闭源模型，正走在两条不同的增长曲线上
作者 Nathan Lambert 的核心判断是：在编程智能体这类对智商极度敏感的场景里，用户会一直为最聪明的闭源模型付高价，他自己就愿意每月掏 2000 美元。闭源实验室会逐渐把最好的模型藏起来，不在 API 里轻易放出，以保护利润和防止被蒸馏。他预测 5 到 10 年内，OpenAI 和 Anthropic 的估值会到 2 万亿到 10 万亿美元，...
推荐理由：我会先打个折，这是一篇个人评论，不是系统研究，所以重要性停在 featured 门槛附近是合理的。但它的 HKR 三项都站得住：观点有明确的冲突框架（h），给出了可引用的价格和估值数字（k），讨论的议题正好是当下圈子里吵得最凶的那几个（r）。正文没披露这些估值模型的具体假设，所以数字本身先别太激动，但它们作为讨论的引子够用了。
5月29日星期五
Token 费用难以负担
OpenAI 员工晒出自己一个月的 Token 用量：760 万次请求，6030 亿 Token，按公开费率算价值 130 万美元。虽然他是内部员工不用掏钱，但这个量级让外界看清了一件事——如果放开让程序员用顶级模型，一个人一年光 Token 费就可能上亿人民币。换成国内便宜的开源模型，也要两三百万。Uber 今年头四个月就烧完了全年 34 亿美元的 ...
推荐理由：Peter Steinberger的CodexBar使用数据把Token费用问题算成了一笔明账：一个月760万次请求、6030亿Token，按预设费率估算价值130万美元。这个数字够具体，也够吓人，直接点出了AI编程工具在规模化使用时的成本压力。文章不是产品发布或模型评测，而是从业者的真实账单分享，对正在评估AI工具成本的团队来说，比任何公关稿都实在。
Claude Code 动态工作流：把确定性边界画在了控制流、执行和验证之间
Anthropic 给 Claude Code 加了个动态工作流功能，本质是用一段 JS 脚本接管控制流，让脚本决定先做什么、后做什么、什么时候并行，但具体干活还是交给多个子 agent 各自在自己的上下文窗口里跑。这么设计是因为 agent 跑久了会忘事、自己验自己也不靠谱，所以把不会忘的控制流交给代码，把需要灵活探索的执行交给 agent，把验证拆...
推荐理由：这篇文章不是 Anthropic 官方发布，也没有实验数据，但它的价值在于把 Claude Code 动态工作流里“哪里该写死、哪里可以放手让模型跑”这个边界问题讲透了。三层机制拆得干净，对正在踩坑的从业者来说，比泛泛讲 agent 靠谱多了。我会先打个折，因为正文没披露具体验证指标，判断更多是架构层面的分析，所以放在 featured 里偏中上的位置。
异步 Agent 时代来了：Cognition 的 Walden Yan 和 OpenInspect 的 Cole Murray 聊背景干活、从需求直接到...
这期播客聊的是 AI 编程工具正在从“在编辑器里帮你补全代码”转向“在后台独立完成整个任务”。Cognition 的首席产品官 Walden Yan 和 OpenInspect 的 Cole Murray 分享了他们看到的趋势：Devin 合并的 PR 数量涨了 7 倍，Cognition 自家仓库里由 AI 生成的提交占比从 16% 飙升到了 80%...
推荐理由：H、K、R 三项都站得住：Cognition 自家仓库的数据让这篇访谈不只是 agent 口号。分数留在 78 分，因为它本质还是访谈和趋势观察，不是重大模型或产品发布。
5月28日星期四
用两个 Git 仓库把周报、洞察和效能报表自动化，省掉 80% 的手工活
周志伟分享了一套项目管理方案：用两个 Git 仓库，配合 AI 编程助手、Shell 和 Python，把催周报、搬数据、画图表、出工程效能报告这些事自动化了。正文没披露具体实现细节和验证数据，但按他的说法，至少能省掉 80% 的手工跟进和报表工作。
推荐理由：我会先打个折：80% 这个数字正文没给验证方法，别当基准看。但思路本身很实在——用两个 Git 仓库当数据源，让 AI 编码助手加脚本去自动拉数据、出图表、拼周报，把项目经理从催收和搬运里解放出来。对 AI 从业者来说，这不是模型或平台发布，而是一个可抄作业的工作流改造，成本低、痛点准，所以给了 featured。
Anthropic 和 OpenAI 把编程助手从包月套餐改成按量收费，我觉得他们终于找到赚钱的感觉了
Simon Willison 发现，从 2026 年 4 月起，Anthropic 和 OpenAI 悄悄把企业版编程助手（Claude Code/Cowork 和 Codex）的收费方式从固定座位费改成了按 API 调用量计费，跟直接买 token 一个价。他自己一个月用这些工具烧掉的 token 折合 2180 美元，但个人套餐只要 200 美元，...
推荐理由：这篇不是官方公告，是一篇行业评论，但它抓的点很实在：Anthropic 和 OpenAI 在 2026 年 4 月前后把编程智能体的收费从打折卖席位改成按 API 调用量算钱。我会先打个折——正文没给出具体定价数字或客户迁移数据，所以“找到产品市场契合点”更多是作者基于计费模式转向的判断，不是有财报支撑的结论。但这点本身对从业者有用，因为它直接关系到采购和用量评估。整体属于有观点、有信息缺口、但不虚的评论，放在 featured 档位合理。
5月26日星期二
Uber 总裁说 AI 的钱越来越难花得值
Uber 总裁 Andrew Macdonald 公开说，公司 2026 年的 AI 预算四个月就烧完了，但 Claude Code 的 token 消耗量涨上去之后，并没有看到能交付给用户的实际功能跟着明显变多。他原话是“很难在 AI 花销和产品产出之间画一条线”。正文没披露具体花了多少钱，也没说哪些功能是 AI 驱动的，所以这个“没产出”的判断目前...
推荐理由：这条消息的价值不在技术本身，而在于一个每年花大钱买 AI 工具的大公司总裁公开说“账越来越难算”。我会先打个折：正文没披露具体预算金额，也没给出 token 消耗和功能交付的对照数据，所以不能当定量证据用。但“4 个月花光全年预算”这个事实本身已经足够说明成本压力，加上 Claude Code 用量还在上升，说明不是砍预算而是产出没跟上。对 AI 从业者来说，这比任何 benchmark 都更真实地反映了当前工具链的 ROI 焦虑。
5月24日星期日
你编程十年，但在 AI 面前还是个新手
Flask 作者 Armin Ronacher 用 Pi 开发 Pi 时发现，项目 issue 里 83% 被自动关闭，因为大量 AI 生成的报告虽然行文专业、推理自洽，但结论是错的。问题不在 AI 代码质量差，而在于很多老手还在用过去的直觉判断 AI 输出——人类的错误有迹可循，AI 却会在一个错误假设上推导出一整套看似滴水不漏的方案，老手的经验识别...
推荐理由：这篇不是模型发布或产品上线，而是围绕 Armin Ronacher 用自家工具 Pi 开发 Pi 这件事的评论。我会先打个折，因为争议本身不算新，但 issue tracker 的数据让讨论落到了可查证的事实上，不是纯嘴炮。对天天跟 AI 结对编程的人来说，这种“老手翻车”的案例比 benchmark 更有说服力，所以给到 featured。
5月23日星期六
Agent 里的调度模型能做多小？有人用 3B 激活参数的 MoE 跑通了本地 ReAct 循环
这篇帖子来自一个叫 HomoAgens1 的本地部署实验，他把 Agent 的调度模型和写代码的大模型拆开看，专门测调度环节能缩到多小。他用的 Qwen3.6-35B-A3B 是个 MoE 模型，实际干活时只激活约 3B 参数，跑在一块 12GB 显存的 GPU 上，关了 30 个专家做 offload，生成速度能到每秒 40 个 token。实验发现...
推荐理由：我会先打个折：这是 Reddit 上的单人实验，不是正式发布，结论别当定论。但它的发现很实在——用 Qwen3.6-35B-A3B 跑 ReAct 编排，3B 激活参数就能在 12GB 显卡上跑到 40 t/s，成本够低。更小的模型不是推理先崩，而是工具调用纪律先坏，这个失败模式对选型很有参考价值。显存、速度和故障点都给了具体数字，对想在家用显卡上折腾 agent 的人是一手好参考。
智能体工作负载正在改写推理成本账本
SemiAnalysis 扒了 43.2 万条真实编码智能体的请求记录，输入 token 的中位数不是大家常说的 3.2 万或 6.4 万，而是 9.6 万。这个量级意味着模型在接到你的问题之前，已经吞下了比《了不起的盖茨比》全书还长的上下文。正文没披露用了哪些模型、成本曲线、采样方式和统计时间窗口，所以这个数字先当个参考，别急着拿它算账。
推荐理由：HKR 三项都过：SemiAnalysis 拿出了一个 43.2 万条编码智能体请求的数据集，中位输入 9.6 万 token，这个数据点本身够硬。但模型、成本曲线、采样方法全都没说，所以只能算强数据点，到不了必写级别。
5月21日星期四
Cursor 复盘云端智能体踩坑史：环境没配好，模型再强也白搭
Cursor 团队把云端智能体从本地搬到服务器上跑了一年，最大的教训是：开发环境本身就是产品。本地跑的时候，模型直接继承你电脑上的全套工具链，但云端得从零重建，缺个依赖、少个配置，模型不会报错，只会悄悄变笨。他们后来把任务调度迁到 Temporal 上，可靠性从 99% 拉到了 99.9% 以上，现在平台每天处理超过 5000 万次操作。文章还聊了怎么...
推荐理由：HKR 三项都成立：Cursor 在编程 agent 圈子里是核心玩家，文章给出了 Temporal 迁移、99.9%+ 可靠性和 5000 万次日操作量这些实打实的数据。不是产品发布，所以放在 featured 低段位。
用 API 原生结构约束替代提示词校验，Claude 输出解析成功率从 65% 跳到 90%+
一位 Reddit 用户对比了两种让 Claude 稳定输出结构化数据的方法。靠提示词描述格式再事后用正则或 JSON 解析（方案 A），首次解析成功率只有 65%–70%；换成直接调用 tool_use 功能，用强类型 schema、枚举值约束和分步校验（方案 B），成功率拉到 90%–95% 以上。方案 B 的原理是让 API 在模型生成前就卡死输...
推荐理由：我会先打个折：数据来自 Reddit 个人测试，样本量和具体任务都没披露，不能当正式基准看。但 hook 很清晰——从提示词正则校验换成 schema 强制输出，首轮解析率从 65–70% 拉到 90–95%+，说明让模型按类型 schema 直接吐结果比事后用正则捞靠谱得多。这点先别太激动，正文没交代测试条件，但方向对工程选型有参考价值，所以给 featured 低档。
5月20日星期三
Cursor 和 Claude Code 没变笨，是它们的 agent 循环在盲目翻文件，把上下文窗口撑爆了
有 Reddit 用户扒了 API 日志，发现 Cursor 和 Claude Code 的 agent 干活时，会在上万行的代码库里反复用 grep 搜大约 40 个文件，有时为了改 5 行代码就把整个 2000 行的文件塞进上下文。更夸张的是，在真正开始写代码前，光工具定义和操作日志就先吃掉大约 3 万个 token。帖子认为工具本身没降智，是这种...
推荐理由：这篇 Reddit 帖子没走“模型降智”的老路，而是从 API 日志里挖出一个更扎心的解释：agent 在工作时自己把上下文窗口塞满了。我会先打个折——这只是单帖爆料，没附原始日志，也没第三方复现，所以不能当定论。但它的价值在于把模糊的“变慢变蠢”翻译成了可排查的结构性问题：仓库一大，递归检索就失控，工具描述和日志占掉大量 token，留给真正写代码的空间反而不多。对正在用这类工具的从业者来说，这比猜模型更新管用，因为它指向了可以动手优化的地方，比如裁剪工具定义、限制检索深度。正文没披露具体复现步骤，这点先别太激动，但作为一线信号已经够格上 fea...
5月19日星期二
用 Claude Code 两分钟生成一个项目计划页，比 Notion 快了近 20 倍
作者给 Claude Code 下了一段精确的提示词，两分钟就吐出一个单文件 HTML 页面，暗色主题、时间线、可折叠表格全都有，没有外部依赖，拿来就能用。他以前在 Notion 里搭同样的模板要花 30 到 40 分钟，效率差了近 20 倍。核心是把视觉、内容结构和交互细节一次性写进提示词里，让模型直接交付成品。正文没披露具体提示词全文，也没说生成后...
推荐理由：HKR 三项全中：有具体的 Claude Code 实操钩子，有 2 分钟 vs 30-40 分钟的硬数字对比，对一线干活的人直接有用。范围虽小，但信息密度够，放在 featured 没问题。
想进顶尖 AI 实验室做预训练？先学会写一个比官方库还快的 GPU 内核
Vlad Feinberg 写了一篇求职笔记，把进前沿实验室的门槛讲得很直白：核心能力是底层性能调优，也就是能动手改内核（kernel），让模型训练真的跑得动。他给了一道具体的面试题——先推导 Chinchilla 缩放定律，并比较它在稠密模型和 MoE（混合专家）架构下的区别；然后用 JAX 从零实现，最后写一个 Pallas 内核，要求在专家维度 ...
推荐理由：这篇文章把“进前沿实验室做预训练”拆成了可操作的技能清单：手写 JAX 内核、自己推一遍 Chinchilla 定律、用 Pallas 给 MoE 的 up/down 投影做融合。我会先打个折——正文没披露这些建议是 Vlad Feinberg 的个人经验还是 Google 的普遍要求，也没说这些技能在面试里占多大权重。但光是这份清单本身，对想往预训练方向走的人就有参考价值，尤其是把“懂缩放定律”从一句空话落到“自己推导过”这个动作上。
5月17日星期日
龙虾之父自曝月烧130万美元token，账单OpenAI全包
Peter Steinberger 晒出后台数据，30天里跑了760万次请求，烧掉6030亿个token，账单超过130万美元。他提到关掉“快速模式”后费用直接砍了七成，而且这笔钱目前由 OpenAI 承担，他自己不用掏。
推荐理由：我会先打个折：这是个人晒账单，不是 OpenAI 官方调价，但 130 万美元这个数本身就够从业者心里咯噔一下。文章给了很实的用量——6030 亿 token、760 万次请求，还点出关掉快速模式能砍掉七成费用，对正在跑 agent 的团队有直接参考价值。不过正文没披露他具体跑了什么任务、模型怎么选的，也没说 OpenAI 为什么免单，这点先别太激动。整体更像一条带数据的成本警示，不是产品发布，所以放在 featured 刚好。
Anthropic CEO 说 AI 可能把 GDP 拉高 5%–10%，但失业和不平等也会跟着涨
Dario Amodei 给了两个数字：AI 可能推高 GDP 增速到 5%–10%，同时失业率会上升、贫富差距拉大。他的核心判断是软件成本会降到接近零，传统靠卖软件授权的商业模式会被打穿。现在工程师还能去做编辑或升级工作，但 AI 模型会不断吃掉更多任务，很多干了几十年的职业会慢慢消失。他担心社会还没意识到这场变化的规模和冲击有多大，自己既兴奋又发愁...
推荐理由：Dario Amodei 这次把话说得很直：AI 可能带来 5% 到 10% 的 GDP 增长，同时推高失业和不平等，软件成本会便宜到近乎免费。我会先打个折，因为原文是 X 上的摘要，不是完整访谈实录，没法确认他有没有给限定条件。但即便只是方向性判断，也足够让做 AI 的人重新掂量自己的位置——增长是你的机会，免费软件可能先吃掉你的老业务。
Eric Jang 从零复现 AlphaGo：2026 年训练强围棋 AI 只要几千美元算力
Eric Jang 花了几个月从零实现 AlphaGo，并把过程写成教程和代码放了出来。他原本的理解是“用自我对弈训练的搜索增强神经网络”，但亲手做一遍后对细节有了更深体会。他给出一条关键判断：前沿研究仍然很贵，但特定能力的落地成本掉得很快——到 2026 年，训练一个能打的围棋 AI 租算力只要几千美元，不再需要 DeepMind 级别的资源。他自称...
推荐理由：我会先打个折：这是个人分享，不是论文或模型发布，所以信息密度有限。但亮点很明确——Eric Jang 一个人花几个月从零把 AlphaGo 做出来，还给了个具体成本判断：2026 年租算力训强围棋 AI 只要几千美元。这个数字直接说明当年需要大团队、大预算的系统，现在个人和小团队也能碰了。正文没披露具体训练配置和模型强度验证，所以“强”到什么程度还不好说，这点先别太激动。整体适合当一条有话题、有数字、对从业者有参考价值的动态来推。
5月16日星期六
Anthropic 内部手册：AI 反而会让创业失败率变高
Anthropic 发了份内部手册叫《Founder's Playbook》，结论挺反直觉：像 Claude Code 这类 AI 工具，不是让创业更容易成功，而是会把失败率推高。手册把创业拆成想法、原型、发布、扩张四个阶段，逐个拆解 AI 放大风险的方式。最核心的问题是，AI 能几分钟跑出一个能用的原型，创始人很容易把“能跑通”当成“市场需要”，再用...
推荐理由：Anthropic 这份创始人手册没在吹自家工具多好用，而是警告 Claude Code 这类 AI 会让创业者在四个阶段更容易踩坑。我会先打个折：正文没给出具体数据或可复现的测试，更像经验总结。但“降低建造成本却放大判断错误”这个角度确实少见，对正在用 AI 加速开发的团队是个清醒提醒。
5月14日星期四
杨植麟发 40 分钟视频拆解 Kimi K2：训练花了 460 万美元，编程跑分压过 GPT-5.5
杨植麟在视频里把 Kimi K2 的训练账本摊开了：总花费 460 万美元，靠线性注意力等架构上的极致优化，在编程任务上跑赢了 GPT-5.5 等对手。这个数字说明他们用远低于大厂的预算，靠设计把资源差距抹平了。不过视频是创始人自述，没有第三方验证，跑分对比的具体基准和测试条件也没展开，这点先别太激动。
推荐理由：杨植麟用40分钟视频把Kimi K2的训练账本摊开来看，460万美元的成本在同类模型里算低，编程任务上敢直接叫板GPT-5.5，这个对比本身就有传播力。不过视频是单一信源，具体用了哪些基准测试、对比条件是什么，正文没披露，所以分数卡在84不往上走。我会先打个折，等看到独立复现或更多技术细节再调整。
双卡 RTX 3090 跑 Qwen 3.6 27B：48G 显存、26 万上下文窗口，生成速度 113 token/秒
一位 Reddit 用户用两张 RTX 3090 在 Ubuntu 上跑 Qwen 3.6 27B 模型，没上 NVLink。处理长文本时每秒能啃 4000 个 token，生成回答的速度是每秒 113 个 token。这个速度日常聊天或做文档处理都够用。不过帖子正文被 Reddit 的安全策略挡了，看不到具体配置细节，比如用的是哪个量化版本、功耗和温...
推荐理由：我会先打个折：这是单个 Reddit 帖子，没披露量化方式、批处理大小和功耗，复现细节不够。但 HKR 三条都踩中了——配置具体、数字清楚、直击本地推理玩家的痛点，所以给到 featured 的低位。
5月13日星期三
Andrej Karpathy 说，AI 编程账单九成花在了没用的上下文上
Karpathy 点出几个常见的浪费行为：每次请求都把整个代码库丢给模型、用最贵的模型干简单活、Agent 重复发送相同内容。他给的省钱思路是管好上下文、打开提示词缓存、按任务难度分模型——日常用便宜的，关键任务再上贵的，再建一个 SKILL.md 文件避免每次都重新教模型。正文没给出具体测试数据，但逻辑上确实能省。
推荐理由：Karpathy 这条吐槽本身信息量不大，但胜在把“无效上下文”这个老问题用账单浪费的角度重新讲了一遍。我会先打个折：正文没给出具体账单样本或可复现的测试，所以没法验证 90% 这个数字。不过它确实把三种典型浪费场景列清楚了——重复传代码库、杀鸡用牛刀、不开缓存——对正在付钱的开发者有直接参考价值。这点先别太激动，但值得看一眼自己的 API 调用是不是也犯了这些毛病。
5月12日星期二
一台 16GB 显存 + 64GB 内存跑本地代码补全和智能体编程
Reddit 用户 grumd 在一张 RTX 5080（16GB 显存）和 64GB 内存的单机上同时跑了两套模型：Qwen2.5-Coder-7B Q6 做代码补全，Qwen3.6-35B-A3B Q8 做智能体编程（让模型自己规划步骤、调用工具写代码）。35B 那个模型用了内存卸载，上下文能撑到约 145k，速度是每秒 35.29 个 token...
推荐理由：这是一篇 Reddit 个人实验帖，不是系统评测，没有对比其他方案或验证稳定性，所以我会先打个折。但作者把模型、量化方式、上下文长度和吞吐都列清楚了，对想在自己机器上搭本地编程助手的开发者有直接参考价值。正文没披露功耗、并发表现和长上下文下的准确率，这点先别太激动。
Anthropic 工程师提议用 HTML 替代 Markdown，Karpathy 也表态支持
Anthropic 工程师 Thariq 发了条推，列出 5 个理由主张模型输出 HTML 而不是 Markdown，Karpathy 随后转发表示认同。他的核心论点是 Markdown 的语法歧义太多，解析器各家实现不一致，模型生成时容易出错；HTML 虽然啰嗦但结构明确，对自动化处理和前端渲染更友好。正文没披露具体是哪 5 个理由，只提到生成 HT...
推荐理由：Anthropic 工程师 Thariq 主张用 HTML 替代 Markdown，Karpathy 也表态支持，这事在开发者圈子里容易吵起来。我会先打个折：这不是模型发布或产品更新，只是一场格式辩论。但文章给了具体数字——HTML 生成时间是 Markdown 的 2 到 4 倍，说明成本差距不小，从业者会关心 token 消耗和维护复杂度。正文没披露实验环境或代码，所以别太激动，目前只是一篇 Reddit 帖子，没有独立复现或论文支撑。
AI 怎么让我失眠，又怎么帮我找回了睡眠
作者三月底开始严重失眠，每晚只能睡两三个小时，辞职后也没好转。他没靠瞎猜，而是让 AI 花五分钟写了个 app，把苹果手表和手机里 HealthKit 的健康数据（咖啡因、酒精、入睡时间、深睡时段等）全导出来，再让 AI 跑多变量回归分析，看哪些因素和睡眠时长负相关最明显。结果发现，晚饭后最后一次用 AI 的时间是头号变量——用得越晚，睡得越差；而喝咖...
推荐理由：这篇是个人量化实验，不是行业大新闻，但数据很具体。作者先写了个 app 拉出 HealthKit 数据，做回归发现晚饭后最后一次用 AI 的时间越晚，当晚睡眠越短；停用后平均多睡 1 小时 40 分钟。我会先打个折：这只是单人数据，没有复现，也没公开代码或论文，所以重要性停在 78。但 HKR 三项都成立，角度新鲜，数字也够硬，对开源微调那批人来说，既戳中 AI 过劳的焦虑，又给了个可复现的追踪思路。