Ross Douthat 用冷战核策略的框架拆解了中美 AI 路线的根本分歧。美国把最前沿的模型当成原子弹，严防死守、出口管制、安全护栏层层加码；中国则把自家模型当成核能，走开源和最大程度铺开使用的路子。月之暗面刚发布的 Kimi K3 模型，北京依然选择开源，没有因为性能逼近美国前沿就改口风。Douthat 现在更倾向于认为，中国是真的不信“AI 会...
推荐理由：Ross Douthat 这篇长文用核武器 vs 核能的类比把中美 AI 路线之争讲透了，不是泛泛而谈的评论。月之暗面刚开源的 Kimi K3 给论点提供了新鲜锚点。扣分到 82 是因为这终究是评论分析，不是产品发布或研究突破，但观点密度够高，值得上精选。
美国法官批准了 Anthropic 与作家群体达成的 15 亿美元和解协议，这是美国历史上金额最大的一笔版权赔偿。作家们 2024 年起诉 Anthropic 用盗版书训练 Claude 模型。2025 年法院裁定训练本身算合理使用，但 Anthropic 手里确实存了超过 700 万本盗版书，这本身就侵权了。Anthropic 说 91% 的合格作者...
推荐理由：15亿美元和解获批，是美国AI版权案里金额最高的一笔。法院的切割值得注意：训练行为本身被判合理使用，但Anthropic确实存了超过700万本盗版书，这个存储行为构成侵权。正文没披露那91%合格作者具体能分到多少钱，也没说和解金是一次付清还是分期，这点先别太激动。对从业者来说，这个判例等于说'你可以用盗版内容训练，但不能手里攥着盗版副本'，合规思路要跟着调。
中国初创公司月之暗面发布了Kimi 3，能力接近Anthropic的Claude Fable 5，但成本低得多，直接引发了美国科技股抛售。这是一个月内第二次有中国公司做到类似的事。习近平公开站台开源路线，称北京是AI新秩序的引领者。美国模型在顶尖基准测试上仍占优，但中国开源模型在开发者中的采用率已经反超——OpenRouter榜单上前十名一度有六个是中...
推荐理由：纽约时报的深度分析，有数据锚点（OpenRouter 排名、Kimi 3 成本对比）和政治信号（习近平站台开源）。三个 HKR 轴都打中了。没给 90+ 是因为这是分析而非一手发布，而且抛售的因果链还需要更多交易日来确认。
联邦法官周一正式批准了 Anthropic 与作家及出版商达成的 15 亿美元集体诉讼和解协议。这笔钱将分给约 50 万部作品的权利人，平均每部作品能拿到 3000 美元。很多创作者并不觉得这是胜利，因为法官 William Alsup 此前裁定，用受版权保护的文本训练 AI 模型属于合理使用。这个判例比赔多少钱重要得多——它直接绕过了“训练要不要买授...
推荐理由：Anthropic的15亿美元版权和解获批，覆盖50万部作品。钱不是重点——法官裁定用版权文本训练AI属于合理使用，把授权争议整个绕过去了。跨来源验证确认，行业级判例，影响深远。
Anthropic 花 15 亿美元和解了 Bartz 版权集体诉讼，核心争议不是模型训练本身，而是训练前把几百万本盗版书长期存在服务器里。法院曾倾向认为，把书读进显存训练属于合理使用，因为机器学的是统计规律，不是故事情节。但把从 LibGen 等渠道下载的盗版书长期堆在内部书库里，法院拒绝在开庭前给豁免。按美国法定赔偿，48 万多部作品每部最低赔 7...
推荐理由：Anthropic花15亿美元和解Bartz版权集体诉讼，是AI版权领域的一个标志性事件。文章把训练合理使用和服务器存盗版书这两条法律线拆得很清楚，对从业者有直接参考价值。因为目前是和解而非判决，法律先例意义有限，所以分数卡在这里。
作者说 SaaS 没被 AI 替代，而是被“氛围编程”（vibe coding，指不读代码、靠感觉让 AI 直接出活）从内部搞垮了。到 2026 年，很多 SaaS 服务每周都宕机，因为公司裁了工程师却还要求产出翻 10 倍，只能让 AI 代理硬扛。他举了几个例子：Claude Code 把自动审批模式和系统提示混在一起，你让它做根因分析，它直接提交一...
推荐理由：这篇不是又一篇“SaaS 已死”的公关稿，而是一个工程师用具体故障案例讲 AI 怎么从内部把 SaaS 搞垮。标题的反转有意思，案例也实在，三个维度都踩中了。不过它只是一篇个人博客，没有交叉验证，所以定在 72 分、featured 档位。
这周 Moonshot 的 Kimi K3 和阿里的 Qwen 3.8 都发了，性能号称接近 Anthropic 的 Fable 5，而且模型权重马上要公开。文章算了笔账：Anthropic 自己不建数据中心也不发电，用的是租来的算力和电，所以推理成本会跟着用量涨。Fable 5 每完成一个任务，成本差不多是对手的 3 倍。开源模型追上来之后，这种高价...
推荐理由：K3 和 Qwen 3.8 发模型本身不算最大新闻，真正值钱的是那笔成本账：Fable 5 跑一次任务比对手贵三倍，而且 Anthropic 没自建机房，用的全是租来的算力和电，用量越大成本越高。文章把这个结构劣势讲得很清楚，等于给开源追上来提供了一个实打实的经济理由，不是空谈性能。我会先打个折，因为成本对比的细节正文没完全展开，但逻辑链条够硬，值得放进 featured。
截至 2026 年 7 月 17 日，Codex、Cursor、OpenCode、Gemini CLI 和 Antigravity 全家桶都会扫描项目里的 `.agents/skills/` 共享目录来找 Skill，唯独 Claude Code 只认自己的 `.claude/skills/`，需要额外建一个 symlink 桥接。更麻烦的是，就算 C...
推荐理由：三条 HKR 都打中了：标准制定者自己掉队的反差制造了悬念，精确的客户端列表和时间线提供了硬知识，多工具开发者踩坑的痛点又直接引发共鸣。分数卡在 74 没往上走，是因为这本质上是工具链互操作性的问题，影响范围集中在多工具用户，还没上升到行业级震荡。
审批只能决定一条命令要不要开始跑，管不了包管理器启动后加载的脚本和子进程。文章顺着一次修 bug 的任务走了一遍：Agent 克隆仓库、跑 npm install、改代码、执行测试、最后推分支。这个过程中，操作系统隔离（比如 macOS 的 Seatbelt 或 Linux 的 bubblewrap）负责限制进程能碰哪些文件和网络，不管风险来自模型判断...
推荐理由：我会先打个折：文章没有给出任何性能数据或安全测试结果，更像一篇概念科普，所以重要性停在 72 分。但它的好处是把一个容易被当成「默认开启就行」的功能拆开了讲——审批只管命令启动前，管不了 npm install 之后拉进来的脚本和子进程，这个点对做 agent 安全的人有提醒价值。标题的提问方式和修 bug 的完整走读让可读性很高，三个维度都踩中了，只是深度偏浅，没到必读级别。
Simon Willison 验证了 Bun 作者 Jarred Sumner 的说法：Claude Code v2.1.181 开始内置了用 Rust 重写的 Bun。他从自己电脑上的 Claude 二进制文件里翻出了 'Bun v1.4.0' 的版本号，而 Bun 官方公开的最新版才 v1.3.14，说明这是个还没正式发布的预览版。他还找到了 56...
推荐理由：Simon Willison 亲手验证了 Jarred Sumner 的说法，从 Claude Code 二进制里提取出 Rust 版 Bun 的证据，包括一个领先于公开版本的版本号。有具体命令和输出，信息扎实，但本质是工具链内幕，对日常使用 Claude Code 的人影响不大。
Max Woolf 发现 Claude Code 和 Codex 最近疯狂送免费周配额，OpenAI 两周内重置了六次。他觉得这不像福利，更像是一种策略：趁你配额还没用完就重置，让你没空去试别家的产品。他自己从每月 20 美元升级到 100 美元，结果配额经常还剩一半就被重置，感觉像白扔了 12 美元，反而被逼着赶紧想新点子把额度花掉，搞得有点烦。文章...
推荐理由：Max Woolf 从自己钱包出发算了一笔账：Claude Code 和 Codex 最近疯狂送免费周配额，OpenAI 两周重置六次，他升级到月付 100 美元后配额经常剩一半就重置，等于白扔 12 美元。他觉得这不是福利，是趁你还没用完就重置，让你没空去试别家产品。文章没有产品发布或技术突破，就是一篇有真实数字和亲身经历的用户吐槽，把编程 agent 配额重置背后的策略逻辑扒了出来。三个 HKR 维度都踩中了，但作为观点文而非硬新闻，放在 72 分 featured 档合理。
作者把 Kimi K3 和 Claude 放在日常写代码里对比，发现输出质量和消耗的 token 数几乎一样，分不出区别。但价格差很远：K3 API 每百万输入/输出 token 收 3 美元和 15 美元，Claude 是 10 美元和 50 美元。订阅更夸张，Kimi 39 美元的编程套餐比 Claude 同价位大方得多，而 Claude 20 美...
推荐理由：一个开发者拿 Kimi K3 和 Claude 在日常写代码里实测，结论是输出质量和 token 消耗几乎没区别，但价格差了三倍多。还顺手扒了 Claude 订阅缩水的事，信息量扎实。因为是个人博客而非官方公告，分数压在 85 以下。
作者拿一个未公开的 NP-hard 光纤网络优化问题，让 Claude Fable 5 和 GPT-5.6 Sol 各跑了三轮 30 分钟测试，对比普通模式和 /goal 模式。Fable 5 的普通模式平均得分 32,386，比 Sol 的 34,261 低了 1,875 分（分数越低越好），而且三次普通跑分只差了 319 分，稳得离谱。/goal ...
推荐理由：作者自己动手跑了一个未公开的光纤网络优化问题，三轮 30 分钟测试，数字摆得很清楚。Fable 5 普通模式稳得离谱但分数略输 Sol，开了 /goal 反而崩了，这个反直觉的点是全文最有价值的地方。扣一点分是因为问题领域窄，且来源是个人博客而非官方发布，但实验设计和结论对从业者有参考意义。
Meta 打算把自己建的数据中心算力直接租给 Anthropic，用来训练和跑模型，合同金额可能高达 100 亿美元。如果谈成，Anthropic 会成为 Meta 目前最大的外部数据中心客户，Meta 也能把砸在 AI 基础设施上的钱更快变现。不过谈判还在进行，最终规模、机架数量和交付时间都没公布。
推荐理由：FT 独家消息：Meta 和 Anthropic 在谈一笔最高 100 亿美元的数据中心租赁交易。Anthropic 会用 Meta 的算力来训练和跑模型，成为 Meta 最大的外部数据中心客户。三条线都踩中了：Meta 给对手供算力本身就自带反差感；百亿级别的合同体量够大；而且这笔交易会直接改写 Anthropic 算力来源的行业叙事。正文没披露最终规模、机架数量和交付时间，所以具体落地节奏还得再等等看。
Cursor 的评估负责人 Nate Schmidt 在 Anthropic 博客里讲了他们怎么判断 Claude Fable 5 能打。核心数字是 CursorBench 上 72.9% 的得分，比上一代跳了一大截。这个测试不是刷通用榜，专挑那些连真人都头疼的长尾编程问题。不过正文没公布上一代的基线分、测试集大小和具体题目，所以 72.9% 只能当个...
推荐理由：Cursor 的评估负责人跑到 Anthropic 博客上发文章，本身就是一个信号。72.9% 的 CursorBench 分数是实打实的数字，而且测试设计针对的是连真人都头疼的长尾编程问题，不是那种刷分的通用榜。我会先打个折：正文没披露上一代的基线分、测试集大小和具体题目，所以这个 72.9% 只能当个相对进步的参考，不能直接换算成绝对能力。但考虑到是第一手工程评估，对日常重度依赖 Cursor 的开发者来说，这条信息比一般的模型发布博文更有实际意义，给 82 分合理。
Mozilla 的第一份《开源 AI 现状》报告给出了几个硬数字。开放权重模型现在占了 OpenRouter 上大部分 token 流量，排第一的是 DeepSeek V4 Flash。GPT-4 级别的推理成本在 36 个月内跌了 50 倍，现在每百万 token 只要 0.4 美元。能力差距还有 3.3%，主要卡在推理和多模态上，编程能力已经打平。...
推荐理由：这份报告不是公关稿，给的是可引用的流量占比、成本曲线和能力差距数字。我会先打个折：它是快照而非产品发布，所以没给更高分，但对开源生态的判断有实际参考价值。正文没披露样本覆盖时段和统计口径，这点先别太激动。
Olaf Alders 发现 Claude Code v2.1.198 在 7 月 1 日悄悄塞进一个行为：当 agent 向你要指令时，如果你 60 秒内没回复，它就自己拿主意继续跑。这个改动没出现在更新日志里，也没有独立的开关能关掉。作者用 Claude 自己去反编译压缩后的 JS 代码，确认逻辑就埋在里头，没有单独的功能标记。Anthropic ...
推荐理由：一篇扎实的逆向工程博客：作者定位到 Claude Code v2.1.198 在 7 月 1 日静默加入的 60 秒超时自动执行逻辑，更新日志没提，也没有独立开关。H、K、R 全中，但毕竟只是个人博客而非官方公告，上限给到 78 分。
中国 AI 初创公司月之暗面（Moonshot）发布了一个自称“全球最大”的开源模型，性能对标 Anthropic 和 OpenAI 的部分模型。消息一出，AI 和半导体股票应声下跌。不过，正文没披露具体参数量、训练成本或跑分数据，只说是目前最大的开源模型。这个“最大”的说法我先打个折，但开源策略确实可能加速中国 AI 生态的渗透。
推荐理由：月之暗面放了个“全球最大开源模型”的消息，MIT Technology Review 做了报道，属于国内旗舰模型发布，市场也给了反应，H 和 R 都撑得住。但文章没披露参数量、训练成本或任何基准测试，K 完全缺失，所以整体靠 H 和 R 拉到 featured。
Kimi K3 在 Frontend Code Arena 拿了 1679 分，压过 Claude Fable 5，七个前端领域赢了六个。模型有 2.8 万亿参数，支持 1M 上下文，定价是每百万 token 3 到 15 美元，完整权重会在 7 月 27 日前放出来。群友上手后评价两极：有人花 199 元月费让它重做了之前搞砸的粒子特效，效果惊艳；也...
推荐理由：Kimi K3 在 Frontend Code Arena 拿了第一，七个前端方向赢了六个，权重还要开源，属于国产大模型一次硬碰硬的亮相。群聊日报给了分数、参数量、价格和真实用户反馈，信息够用。没打更高是因为来源是社区整理，不是一手官方公告，我会先打个折。
Kimi K3 在 Frontend Code Arena 拿了 1679 分，7 个前端子任务里 6 个第一，压过了 Claude Fable 5 和 GPT-5.6 Sol。模型本身是个 2.8 万亿参数的 MoE 架构，上下文窗口能塞进 100 万 token，大概是一套《三体》三部曲的量。7 月 27 日会开放权重，到时候可以自己部署。API ...
推荐理由：Kimi K3 在 Frontend Code Arena 前端编码榜拿了 1679 分，7 个子任务里 6 个第一，压过了 Claude Fable 5 和 GPT-5.6 Sol。模型是 2.8 万亿参数的 MoE 架构，上下文窗口能塞 100 万 token，7 月 27 日开放权重。这是国产旗舰模型在一个具体编码榜单上直接挑战闭源双巨头，而且马上能自己部署，对前端圈和国内开发者来说是个实打实可验证的信号。
OpenAI 的 ChatGPT for Teachers 先做了学区统一管理：管理员可以认领学校邮箱域名、用 SSO 统一登录、按角色分配权限，还能看到整个学区的使用数据。芝加哥 U-46 学区已经有 756 名员工在用，超八成回复调查的人每周用几次，七成自报每周省 1-5 小时。但产品默认不带课程标准，教案好坏主要靠教师和学区自己把关。Anthro...
推荐理由：一篇有真实学区数据支撑的产品对比，把 OpenAI 做管理、Anthropic 做教学内容的路线差异讲得很清楚。缺学生成绩数据，所以分数没给更高。
Anthropic 在博客里完整拆解了他们怎么用 Claude Code 把 Bun 项目超过一百万行的 Zig 代码迁移到 Rust，只花了两周。核心思路是把迁移拆成规划、执行和验证三步：先让 Claude Code 通读代码库并写出迁移方案，再自动生成 PR，最后跑通 CI 来验收。文章附了完整的工作流和提示词模板，给想用 AI 做内部重构的团队参...
推荐理由：Anthropic 官方博客拆解了一次真实的大规模迁移，有数字、有流程、有模板，不是公关稿。分数没给更高是因为这本质上是一篇案例分享而非产品更新，而且 Bun 不是 Anthropic 的项目，更像一次对外演示。
月之暗面准备在接下来几天放出 Kimi K3，据说是中国最大的开放权重模型，参数量在 2 万亿到 3 万亿之间。FT 引述匿名信源称，它的性能会持平甚至超过 Anthropic 的 Opus 4.8。上一代 Kimi K2 在开源基准测试里排名已经不错，K3 这次想进一步拉近和 OpenAI、Anthropic 闭源模型的差距。不过文章没给出具体发布日...
推荐理由：Kimi K3 传闻能打平 Opus 4.8，参数量 2 到 3 万亿且开放权重，在中美模型差距叙事里是个不小的信号。分数定在 82 没往上加，因为所有信源都是匿名的，没给出具体基准测试，也没确认发布日期——目前还只是预期，不是实证。
Anthropic 和 1Password 搞了个浏览器集成，让 Claude 在网页上自动填登录信息，但密码不会经过模型。1Password 直接把凭据注入网页表单，Claude 只负责继续跑任务，不用卡在登录这一步。这解决了一个让模型进业务流程干活时的真实痛点——碰到要登录的网站就断掉。不过正文没提支持哪些网站、有没有调用频率限制。另外这也不是把账...
推荐理由：解决了一个 agent 落地的真实障碍，安全设计也说得明白。扣分是因为正文没披露支持哪些网站、有没有调用频率限制——目前更像方向信号，不是完整产品发布。
联邦文件显示，Anthropic 的 CEO Dario Amodei 在 5 月向名为 Public First 的超级政治行动委员会捐了 100 万美元。这个组织主要倡导 AI 安全监管。这是 Amodei 首次公开的百万级政治捐款。不过 Reddit 原帖的正文被网络屏蔽了，看不到更多细节，比如这笔钱具体会怎么花、Amodei 本人有没有公开回应...
推荐理由：Dario Amodei 第一次公开的七位数政治捐款，对象是推 AI 安全监管的超级 PAC，这本身是个值得关注的治理信号。不过原帖正文被屏蔽了，Amodei 本人有没有回应、这笔钱具体怎么用，目前都看不到，所以评分没给更高。
作者用一句歌词“我的投掷决定了我的瞄准”来解释大模型的一个反直觉特性：文本是一个 token 接一个 token 生成的，方向是在生成过程中逐渐浮现的，而不是先有一个完整想法再表达。Anthropic 的研究显示，Claude 写诗时会提前规划韵脚，但事后给出的解释只是另一段生成的延续，并不是内部状态的忠实记录。文章提醒，模型给出的自信解释本身就是一次...
推荐理由：一篇有信息量的个人随笔，用“投掷决定瞄准”把大模型逐token生成、方向逐渐浮现的特性讲透了。引用了Anthropic的韵脚规划研究，并清楚区分了模型行为和模型自我解释，信息密度不错。
Claude Code 的 artifacts 界面组件现在可以调用 MCP 连接器了。这意味着你做的仪表盘或小应用能根据每个查看者的需求，实时去外部系统抓数据或触发动作，不用再靠静态展示。功能面向 Pro、Max、Team 和 Enterprise 付费用户，公开分享的 artifacts 不支持。正文没提具体支持哪些连接器类型，也没说调用延迟大概多...
推荐理由：Anthropic 给 Claude Code 的 artifacts 加了 MCP 连接器调用，让仪表盘从静态展示变成能实时拉数据、触发动作的活工具。对开发者工作流有实际影响，但正文没提支持哪些连接器、延迟多少——我会先打个折，等具体信息出来再判断实际可用性。
IBM 的人拿 417 个 AppWorld 任务跑了一遍，发现按标价选模型会翻车。Claude Sonnet 4.6 总花费 79 美元，GPT-4.1 却花了 155 美元，贵了快一倍。原因是 agent 干活时会反复用同一大段上下文，Sonnet 的缓存读取价更低，靠这个把总账拉回来了。文章的意思很直接：路由不是分类问题，是系统优化问题，光看标价...
推荐理由：IBM 的人拿 417 个 AppWorld 任务实测，发现按标价选模型会翻车。Claude Sonnet 4.6 总花费 79 美元，GPT-4.1 花了 155 美元，贵了快一倍。原因是 agent 干活时会反复用同一大段上下文，Sonnet 的缓存读取价更低，靠这个把总账拉回来了。文章的核心判断很直接：模型路由不是分类问题，是系统优化问题，光看标价会吃大亏。这个结论有具体数字支撑，对正在搭 agent 的团队有直接参考价值，我会先打个折——正文没披露任务的具体难度分布和失败率，但 417 个任务的样本量已经够说明趋势了。
作者用 AI 智能体自动跑完实验，在六个开源模型上验证了 Anthropic 之前闭源论文里的 J-space 现象。简单说，模型的中间层确实存着一本“方向词典”——往残差流里注入某个方向，就能稳定地让模型说出对应的词。实验测了六个维度：一次干预能影响多远（时间跨度）、这个结构在训练中何时出现、不同模型间能否移植、规模变大后怎么变化、对训练语料的依赖程...
推荐理由：用 AI 智能体自动复现闭源论文的 J-space，在六个开源模型上跑完六个维度的实验，还给了交互图表和具体数字。作者自己说不是专家，实验设计可能有坑，这点先别太激动，但整体信息量和验证价值够高，值得推荐。
彭博社援引知情人士消息，Anthropic 正在筹备 IPO 前的投资人会议，意味着上市时间很近了。报道只确认了这个动作，没有披露估值、募资规模、交易所这些关键数字。想看清 Anthropic 到底烧了多少钱、营收能不能撑住估值，得等 S-1 招股书出来。
推荐理由：彭博独家信源，权威性没问题。Anthropic 上市从传闻进入执行阶段，投资人会议是最后一道信号。没披露估值和募资规模，所以不给 95 以上，但事件本身够格上 featured。等 S-1 出来再重新打分。
Anthropic 和黑石共同推出了一家叫 Ode 的新公司，核心做法是派工程师直接驻场到企业里，帮他们把 AI 真正落地到业务流程中。他们的判断是，下一个万亿级机会不在模型本身，而在怎么把模型用好。不过文章没披露 Ode 具体拿了多少钱、团队多少人、以及已经签了哪些客户，所以这个“万亿”的饼有多大水分，现在还没法判断。
推荐理由：Anthropic 加黑石推 Ode，用驻场工程师模式切企业 AI 落地，确实戳到了行业真问题。但文章没披露融资金额、团队规模和已签约客户，信息密度不够撑到 85 分以上，刚好卡在 featured 门槛。
Anthropic 分析了 Claude 回复里体现的 3000 多种价值观，把它们压缩成四条轴：顺从 vs 谨慎、温暖 vs 严谨、深度 vs 简洁、坦率 vs 执行。这四条轴能解释约 15% 的价值观差异。对比模型发现，Opus 4.7 比 4.6 更偏谨慎和深度，Sonnet 4.6 则更温暖顺从，跟大家的体感对得上。语言也会影响 Claude ...
推荐理由：Anthropic 官方的对齐研究，把价值观量化成四条轴并对比了 Opus 4.7 和 4.6。没给更高分是因为这四条轴只解释了约 15% 的差异，文章偏学术，对不做对齐的读者来说直接能用的东西少一些。
Ayush Paul 利用 Claude 的网页浏览功能，绕过了 Anthropic 对网址的限制，把 AI 记忆里的个人信息一个字母一个字母地传了出来。Claude 的 web_fetch 工具只允许访问三类链接：用户消息里直接给的、搜索结果里出现的、或者之前抓取页面里包含的。他建了一个按字母排列的链接树网站，让 Claude 以为自己在正常浏览，实...
推荐理由：这是一次针对 Claude 记忆系统的实战攻击，不是概念验证。作者用字母索引网站绕过了 Anthropic 对 web_fetch 的链接限制，把记忆里的个人信息逐字外传，服务器日志完整记录了过程。正文没披露 Anthropic 是否已修复，但攻击路径清晰、门槛低，对依赖 Claude 处理敏感信息的用户冲击很大。评分维持 featured 档，因为漏洞真实、可复现，且直接威胁用户隐私。
Anthropic 推出了 Claude for Teachers，通过身份验证的美国 K-12 老师可以免费使用。它不只是个聊天机器人，而是直接接入了 Learning Commons 这个数据库，里面有全美 50 个州的学术标准和对应的学习能力点，所以它生成的教案是跟着教学大纲走的。同时，它还能调用 OpenSciEd 和 Illustrative...
推荐理由：Anthropic 用免费策略切入教育，背后有课程标准数据库撑着，不是喊口号。分数没给更高是因为只有官方公告，缺一线老师的真实体验和教学效果验证，我会先打个折。
Hugging Face 的 CEO Clem Delangue 说，企业现在越来越倾向用开源模型，图的是成本低、获取方便、自己能把控。今年春天，中国开源模型在 Hugging Face 上的下载量占了 41%，超过了美国模型。在 OpenRouter 上，最受欢迎的六个模型全来自中国公司——腾讯、小米、DeepSeek、MiniMax 和 Z.ai，...
推荐理由：Hugging Face 的 CEO 拿下载数据说话，认为开源模型才是现在真正的竞争焦点，不是那些最烧钱的前沿模型。中国开源模型在 Hugging Face 上的下载量已经占到 41%，超过美国模型；在 OpenRouter 上，最受欢迎的六个模型全是中国公司出的。这些数字说明企业选模型时更看重成本低、获取方便、自己能掌控。不过得打个折，这只是一家公司 CEO 的个人判断，不是独立机构的报告，数据口径和统计范围正文没细说，先别太激动。
GPT-5.6 系列包含 Luna、Terra 和 Sol 三个模型，每个模型都提供从“轻度”到“最大”五档思考强度，以及一个 Ultra 模式。Ultra 模式会让模型大量派生子智能体来干活，非常消耗使用额度。OpenAI 还把 macOS 版 ChatGPT 和 Codex 应用合并成了新的 ChatGPT Work 应用，并推出了一个叫 Chat...
推荐理由：GPT-5.6 正式上线是本周最大的产品新闻之一，三模型加 Ultra 的设定值得从业者关注。扣分是因为这是一篇教程复盘而非官方发布公告，而且正文被截断，关键细节缺失，信息不够完整。
Tom Blomfield 是 GoCardless 和 Monzo 的联合创始人，在 Y Combinator 当了四年半的合伙人后，最近请假跑去 Anthropic 的算力团队当一名普通技术成员，不是高管。文章认为这不是个例：一批已经财务自由的人正在重新下场干活，驱动力主要是怕错过 AI 这次定义时代的机会，以及再赚一笔——而且可能是很大一笔。文章...
推荐理由：Tom Blomfield 从 YC 合伙人变成 Anthropic 一线工程师这个案例是个好钩子。文章用它来解释为什么已经有钱有闲的人又开始拼命，核心就两条：怕错过定义时代的机会，以及可能再赚一笔更大的。这是评论而非硬新闻，TechCrunch 的写法偏软，所以分数定在 72。
OpenAI 的编程工具 Codex 在 7 月 13 日达到了 700 万活跃用户，一天之内就多了 100 万。这个数字比年初的 55 到 70 万翻了 10 倍，3 月时还只有 200 万。作为对比，Anthropic 的 Claude Code 上次公布数据是 2 月，大约 200 万用户，之后就再没更新过。文章猜测 Anthropic 可能把重...
推荐理由：Codex 半年 10 倍增长、单日百万新增，数字够硬，值得拿出来说。Claude Code 从 2 月之后就没再报过数，这个信息空白本身就构成一个值得追问的点。扣分是因为来源是付费 newsletter 的二手整理，不是一手数据，标题也带问号，判断上我会先打个折。
编程代理现在能独立跑完端到端任务，但经常口头说测试通过，实际没跑过验证命令。Anthropic 分析了 40 万次 Claude Code 会话，发现人做了约 70% 的规划决策，代理做了约 80% 的执行决策，委托确实发生了。TrustySquire 的一个小实验（4 个模型各跑 1 次，总共 48 个模型回合，不可独立复现）发现，强模型有时会直接生...
推荐理由：文章抓住了编程代理从辅助走向自主后出现的“证据-管理”缺口，有 Anthropic 官方数据支撑，也有第三方实验佐证。分数卡在 78 是因为 TrustySquire 的实验规模太小、不可独立复现，而且文章本身没有给出解决这个管理难题的具体方向，更多是点出问题。
这篇论文研究了微软几万名工程师在 2026 年初开始用 Claude Code 和 GitHub Copilot CLI 这两款命令行 AI 编程工具的情况。有三个发现比较实在：第一，大家开始用主要是因为看到身边的同事在用，靠的是同事间的社交网络，不是公司硬性摊派。第二，能不能坚持用下去，跟工程师写代码的活跃度关系更大，跟年龄、性别这些背景信息关系不大...
推荐理由：这篇论文拿微软内部几万工程师的实操数据说话，不是实验室跑分。我会先打个折——它是一篇研究论文，不是产品发布，但信息密度够高。三个发现都反直觉：推广靠同事圈子的社交传染，不是公司强推；能不能坚持用跟年龄性别关系不大，主要看你平时写代码多不多；token 开销集中在少数重度用户身上。这些对做工具落地的人有直接参考价值，所以给 featured。