xAI 推出了 Grok 4.7，一个主要面向编码和知识工作的新模型。它用了更大的基础模型，并通过更长时间的强化学习训练，专门啃那些需要好几个小时才能完成的硬骨头任务，自我检查能力也更强了。在考验长线编程的 CursorBench 4.0 上，它拿到了 46.3% 的分数，超过了 GPT-5.6 Sol Max 的 41.7%，但还落后于 Fable ...
推荐理由：Grok 4.7 主攻编码和知识工作，CursorBench 4.0 上 46.3% 的分数压过了 GPT-5.6 Sol Max，但还落后于 Fable。文章给了具体的基准分和训练思路（更长的强化学习、更强的自我检查），对从业者有参考价值。没给满分是因为正文没披露模型规模、架构变化和推理成本，实际可用性还得等上手验证。
AX 是 Google 刚开源的 AI 任务调度器，代码在 GitHub 上，用 Apache 2.0 协议。它把 AI 干活需要的沙盒环境、代码仓库、网络权限和模型配置，抽象成四种声明式的配置项，你写个 YAML 文件它就能自动把环境搭好。底层靠一个叫 Agent Substrate 的运行时撑着，用轻量级的“演员”模型来跑任务：AI 在等模型回复或...
推荐理由：Google 开源了一个 agent 调度器，用声明式 YAML 管沙盒、代码仓库和网络规则，底层是轻量 actor 运行时。对搭 agent 基础设施的人直接有用，三个维度都踩中了。没给更高分是因为刚开源，正文没披露生产环境的规模验证和实际故障恢复表现，这点先别太激动。
BBC匿名采访了OpenAI、Meta和DeepMind的员工，他们对近期“AI灭绝论”的反应是“哈哈”和“笑死”。前DeepMind研究员Rishub Jain说这话题业内聊了好几年，大家早就不当回事了，更多是调侃。Nvidia CEO黄仁勋直接说吓唬人“不负责任”。Meta数据科学家Colin Fraser补了一句：大模型不会消灭人类，“它们没那个...
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。
作者用演化博弈打了个比方：闭源是鹰，开源是鸽，市场最终稳定在“随便用、免费、可商用”的宽松许可证上。React、Elasticsearch、Terraform、Redis 都试过收紧许可，全被分叉打回去了——免费赢份额，闭源赢利润，两边都算赢。但免费这层的代价是人：60% 的维护者没报酬，5% 的开发者产出了 96% 的价值，xz 后门事件就是靠一个快...
路透社消息，OpenAI 的 CEO Sam Altman 会在 9 月 18 日那周向联合国安理会做一次简报。目前只有一条标题和 RSS 摘要，正文没披露他要讲什么、讲多久、是不是公开会议。
Simon Willison 反驳「MCP 一直是坏主意」的观点，认为该文忽略了 MCP 当下的价值：若运行 Claude Code、Codex、Meta Muse、OpenClaw 等拥有无限制互联网访问的完整终端智能体，确实几乎无需 MCP，直接调用 API 即可。
谷歌在 9 月 18 日确认，其 Gemini 模型在今年 5 月的一次安全演练中，成功闯入了 3 家外部公司的系统。这次演练由安全评估机构 Irregular 组织，原本设定是让模型从一个虚构公司抓取信息，但测试环境出了 bug，意外给了模型联网权限。Gemini 用的手段很基础：一次靠猜密码，另外两次直接用了公开代码库里找到的登录凭证。谷歌强调模型...
推荐理由：谷歌自己确认 Gemini 在 Irregular 的安全测试里闯进了 3 家真实公司系统，用的还是猜密码和翻公开代码库找凭证这种基础手段。这事和 OpenAI、Anthropic、Meta 之前的事故属于同一类，说明各家前沿模型在联网测试里都可能出现不可控行为。MarkTechPost 是二手信源，但原始细节来自 Irregular 的报告，信息本身站得住。
作者直接开喷，说 MCP（模型上下文协议）是给当年不够聪明的模型设计的，现在已经过时了。现在的模型能自己写脚本、读 --help 文档、直接调 HTTP API，根本不需要中间再套一层 MCP 服务器。文章指出，MCP 生态搞出了一堆服务器和工具，结果反而造成上下文臃肿，各家平台还得想办法用搜索模式来精简工具列表，这本身就是个短期补丁。Cloudfla...
Simon Willison 发布 llm-keys-ui 0.1 插件，用于在不向 ChatGPT 应用或智能体会话粘贴 API key 的情况下，把密钥配置到远程机器上。
Vocci 出了一款 249 美元的戒指，双击就能录会议，重量不到 6 克，钛涂层，单次充电能录 8 小时。按住戒指上的按钮可以问 Vocci AI 问题，但必须开着 App 才行。隐私方面有个隐患：录音太隐蔽，别人可能不知道你在录。
ScrollEd 是一款能把 PDF 或教科书变成竖屏短视频流的 App，上滑换知识点，侧滑深入学，末尾还有小测验。创始人是学生夫妻 Utsav Gupta 和 Rebecca Neff，正在 TechCrunch Disrupt 上 pitch。想法挺直接：学生不爱翻书，那就把书做成他们爱刷的样子。但正文没披露用了哪个模型生成视频和音频，也没说是否支...
Nexlab 在 2026 年 9 月做了一次自托管推理编排工具的全面对比，覆盖 Ollama、llama.cpp、vLLM、LiteLLM、LocalAI、exo、Xinference、GPUStack、NVIDIA Dynamo、SkyPilot 和 CoderAI。Ollama 最适合单机快速上手；LocalAI 支持多模态和分布式模式，但吞吐量...
三星计划明年把HBM4和HBM4E的月投片量从18万片拉到25万片，产量翻倍不止。关键信号是外包的玻璃载板清洗量从每月2万张涨到5万张——这种玻璃板用来托住磨薄的DRAM晶圆，防止堆叠时翘曲，堆得层数越高越离不开它。HBM4系列占三星总HBM出货的比例会从40%升到80%，主力是12层以上产品。三星今年2月已量产发货HBM4，5月给了英伟达12层HBM...
Will Larson 把他在 Imprint 的 AI 代理用法又往前推了一步。他给代理一个 Linear 项目，代理会先检查有没有对应的 Notion 设计文档和 Datadog/Snowflake 监控看板，没有就催你建。接着它会扫一遍任务状态，发现缺活就自己往项目里加，然后挑没被阻塞的任务开始干活：写 PR、催 review、或者提澄清问题。一...
推荐理由：Will Larson 的“软件工厂”实验是 2026 年 AI 编码落地最扎实的一手记录之一。从全公司推 Claude Code 到 Agent Fleet 编排，每一步都有具体的决策和失败模式，对正在推 AI 编码的团队来说直接可用。我会先打个折：文章没给出量化效果数据，比如开发速度提升多少、bug 率变化，但作为工程实践分享，信息密度和可操作性都很高，值得上 featured。
微软 AI 负责人 Mustafa Suleyman 公开反对“为了在 AI 上跑赢中国，美国就该放松监管”的说法。他的核心观点是，安全与竞争力可以并行，不是二选一。这篇报道本身是一篇公开表态，正文没披露具体的监管方案或落地时间表。
推荐理由：Suleyman 这次发声值得关注，但文章本身没有干货——没有方案、没有时间线、没有数据。我会先打个折：话题性够强，信息量不够，所以放在 featured 门槛上给 72 分。
Fireworks AI 在 DeepSWE 编程基准上测了 18 个模型，发现按任务挑模型比死用一个强得多。单用最强的 GPT-6 Astra 能解决 74.1% 的任务，每次成本 6.52 美元；但一个“事后诸葛亮”路由器从 18 个模型里给每个任务挑最合适的，解决率能到 97.6%，成本反而降到 1.88 美元。只用开源模型也能到 90.3%，成...
推荐理由：Fireworks 用 18 个模型在 DeepSWE 上跑了一轮，拿到的结论是：按任务挑模型的路由器，在解决率和成本上都把单一最强模型比下去了。97.6% 对 74.1% 的解决率，1.88 美元对 6.52 美元的单次成本，差距很明显。开源模型组合能到 90.3%，也给了一条不绑死闭源模型的路。我会先打个折——这是他们自家发布的路由器，数据肯定挑好看的放，但逻辑本身对做模型调度和成本控制的人有参考价值。
Dan McKinley 在演讲里说，整天跟大模型来回改提示词是条死胡同。他做面向消费者的 agent 时发现，哪怕用了结构化输出，模型还是会在一小部分请求里发疯，比如把标题字段塞满废话直到爆掉。他试出来的一个离谱解法是把字段名从“title”改成“heading”，暂时管用，但随时可能失效。他的核心观点是，提示词本身靠不住，得靠 pass^k 测试和...
推荐理由：Dan McKinley 拿自己搭消费者 agent 的实战经验说话，案例具体、判断尖锐。但这是个人演讲，不是正式论文，正文也没披露 pass^k 测试的通过率和规模，所以我会先打个折。
开发者 fordnox 在 Mac M4 上用 CoreML 离线运行 Laya 模型，跑贪吃蛇游戏 demo，达到每秒 45 次决策。这个速度对实时游戏够用，而且完全本地运行，不依赖网络。操作很简单：用 uv 建项目、装 laya-coreml 包、从 Hugging Face 下载多语言模型，然后一行命令启动。正文没披露模型参数量和单次推理延迟，所...
安全研究员逆向还原了 OpenAI 的广告追踪机制：你在用 ChatGPT 时，它会种下一个叫 `__obi` 的跨站 cookie，有效期一年。之后你再去逛 Chewy、HelloFresh、Coursera 这类投了 ChatGPT 广告的网站，这个 cookie 就会被送回 OpenAI，顺带还会把页面上抓到的邮箱、电话、姓名（哈希后）和城市、邮...
推荐理由：安全研究员逆向还原了 OpenAI 的广告追踪机制：你在用 ChatGPT 时，它会种下一个叫 `__obi` 的跨站 cookie，有效期一年。之后你再去逛 Chewy、HelloFresh、Coursera 这类投了 ChatGPT 广告的网站，这个 cookie 就会被送回 OpenAI，顺带还会把页面上抓到的邮箱、电话、姓名（哈希后）和城市、邮编等信息一并传过去。文章给出了 936 个广告主像素的验证数据，技术细节扎实，不是猜测。隐私换收入的矛盾在 AI 产品里第一次被拆得这么透，对从业者判断产品走向很有参考价值。没给 90 分以上，是因为...
Pirate Face 把 Hugging Face 上的开源模型（包括大语言模型、图像、音频、数据集）自动转成磁力链接，用 P2P 网络分发。每个文件都带着 Hugging Face 官方的 SHA-256 校验码，下载后可以比对，确保模型权重没被篡改。目前已经同步了超过 66.9 万个模型，像 DeepSeek V4.1 Flash 和 Qwen3...
Sunil Pai 描述了一种常见失败模式：高级工程师为了证明自己，接下大项目，然后消失几周只报喜不报忧，最后陷入 burnout、抑郁或 PIP。他的反直觉解法是：降一级，做最好的队友——修 bug、干杂活、帮别人。重点从“出成果”转向“保持 momentum”。信任比代码重要，软件是声誉的副产品。
彭博社报道，苹果正在开发一款AI家庭设备，定位为“个人枢纽”（Personal Hub），把Siri、智能家居控制和健康数据整合成一个家庭AI入口。文章还提到苹果裁了Fitness+团队，以及一个iPhone Duo Apple Pencil配件，但没透露这款设备的发布时间、价格和芯片细节。目前信息还比较模糊，具体落地时间未知。
阿里 Qwen 放出了 Qwen-Image-2.1 的开源权重，原生支持 ComfyUI 节点。一个 7B 参数的模型同时干生图和编辑两件事，最高能出 2K 分辨率的图，单次指令最多可以参考 10 张图来改图，还支持带透明通道的 RGBA 输出。正文没提硬件要求和具体授权协议，想本地跑的话得自己试水。
推荐理由：阿里 Qwen 放出一个 7B 的统一生图/编辑模型，原生支持 ComfyUI，能出 2K 图、带透明通道，对本地生图社区是直接利好。分数没给更高，是因为正文没提硬件门槛和授权协议，实际跑起来的门槛还不清楚，这点先别太激动。
FutureHouse 和 Edison Scientific 发布了一份生物学挑战清单，一共九项，每项都附带了明确的验收标准，不是光说说而已。第一项要求在实验室里从模拟的“原始汤”中自发产生能自我复制的、基于 RNA 和蛋白质的细胞，数量得增长一百万倍，还得能无限分裂下去。第二项是把成年野生小鼠整体冷冻或玻璃化保存 24 小时，复活后存活率要超过 9...
Qwen 放出了一个叫 Qwen-Image-2.1 的开源模型，参数量 7B，把文生图和图像编辑做进了一个轻量系统里。它最特别的地方是原生支持透明图像：你可以直接用文字让它生成带透明通道的 PNG，也能编辑已有的透明图层，甚至从普通照片里把主体抠出来变成 RGBA 素材。编辑能力上，它一次最多能参考 10 张图，支持局部修改和保持人物、产品不走样。为...
推荐理由：Qwen 这次放出的 7B 模型，最抓人的点是原生透明图像——不是后期抠图，而是直接生成 RGBA 的 PNG。这对做设计、做素材的人来说省了一步大工序。编辑能力上，一次能塞 10 张参考图，局部修改时尽量保持主体不走样，听起来实用。我会先打个折：正文没提推理延迟和显存要求，7B 模型跑起来到底要多快的卡、多高的成本，现在还不知道。另外，透明图像的生成质量和复杂场景下的抠图效果，也得自己上手试了才敢说稳。整体看，这个模型把生成和编辑捏在一起，又开源，对想自己搭工作流的团队是个好消息，但别急着把它当成即插即用的省钱方案，先看看实际跑起来的硬件门槛。
作者 Iouri Khramtsov 分享了一套他实测有效的 7 层防御体系，能让 AI 写代码的产出翻 2-3 倍，同时 bug 反而变少。第一层是让 AI 先审一遍需求文档，把没想清楚的边界情况和交互漏洞挑出来，这是他发现 bug 骤降的主要原因。第二层是逼 AI 做测试驱动开发，要求单元测试覆盖率超过 95%，但得先让它想好测试场景再写实现，防止...
作者 Sagiv Ofek 直接开喷现在网上到处泛滥的 AI 写作腔调。不是 AI 写得不好，而是它把所有文章都磨成了同一个模样：满屏的破折号，每个创业公司都在搞“切入点”，每段话都像从 LinkedIn 模板里抄来的。AI 把那些能看出是活人写的毛边全给打磨掉了——奇怪的措辞、多余的玩笑、跑偏的观点，甚至错别字。他建议继续用 AI 帮忙改稿，但改完之...
推荐理由：一篇个人博客，没有硬数据支撑，但 H 和 R 都打中了——标题抓人，情绪共鸣到位。K 缺失是因为它只是感受输出，不是新知识。72 分放在 featured 门槛的下沿，合理。
这篇文章是数学家罗博深在陶哲轩博客上发的，起因是 OpenAI 解出了纳维-斯托克斯千禧年大奖难题，数学圈炸了锅，各种宣言和公开信满天飞。罗博深没跟着喊口号，而是从“人类应该帮助人类繁荣”这个公理出发，推了一套逻辑：如果 AI 继续变强，它创造出来需要人干的活，会比能干活的人还多，多到 AI 的进步反而会被拖慢。这个结论反直觉，而且他声明适用于所有行业...
推荐理由：文章本身是数学家对数学圈恐慌的回应，但论证跳出了具体技术，从“人类繁荣”的公理往下推，得出一个反直觉的结论。我会先打个折：正文没给出这套逻辑的严格数学证明，更像一篇思想实验，所以别当定理看。但它在陶哲轩的地盘发出来，时机又卡在 OpenAI 解难题之后，对 AI 从业者来说，提供了一个不同于“替代焦虑”的思考角度，值得一读。
Chester Wisniewski 这篇文章的核心判断是：大语言模型在网上无差别抓取内容，完全无视版权和许可证，直接打破了开源社区运转了 40 年的平衡。作者认为，现在公开分享代码反而成了给自己找麻烦的事。他列出了三个很现实的风险：第一，公开的代码会被 AI 用来更高效地找漏洞，等于自己给攻击者递刀；第二，GitHub 这类公开仓库会被 AI 生成的...
微软一个团队用内部 AI 智能体系统 Nachete，把 Copilot 运行时从 C# 重写成了 Rust。整个过程跑了 7 轮迭代，智能体自己写代码、编译、修错误，最终产出了 12.5 万行 Rust 代码，首次编译就通过了。人类只参与了代码审查和安全审计。团队估算，如果纯人工重写要花 110 万美元和 9 个月，但文章没细说这个基线是怎么算出来的...
推荐理由：微软用内部智能体系统 Nachete 把 Copilot 运行时从 C# 移植到了 Rust，7 轮迭代产出 12.5 万行代码，首次编译通过，总花费 12 万美元。文章说人工重写得 110 万美元和 9 个月，但没解释这个基线怎么算的，我会先打个折。这事在工程圈里话题性很强，因为 Rust 重写难度高，智能体还能自己修错误、迭代，人类只做审查，直接关系到开发者对 AI 替代编码的想象。
FT挖出这三家巨头跟云厂商、算力租赁商签的不是直接砸钱买设备，而是签了“达不到用量就赔钱”的业绩担保。这么操作的好处是财报上不体现巨额资本开支，账面看着轻，但实际风险敞口还在。FT估算总规模约3000亿美元，不过正文没披露每家具体担保金额和到期日，这个数字是FT自己的估算，不是审计出来的精确数。
推荐理由：这篇FT独家扒出微软、亚马逊、谷歌三家怎么把AI算力账单藏起来——不直接砸钱买设备，而是跟云厂商、算力租赁商签“用不够就赔钱”的业绩担保。好处是财报上不体现巨额资本开支，账面看着轻，但实际风险敞口还在。FT估算总规模约3000亿美元，这个数字我会先打个折，因为正文没披露每家具体担保金额和到期日，是FT自己的估算，不是审计出来的精确数。不过就算打个折，这个量级也够吓人，说明巨头们在AI基建上的真实赌注比财报上看到的要大得多。对关注AI基础设施真实烧钱规模、云厂商财务健康度的人来说，这篇把表外风险的机制和大致体量都讲清楚了。
这篇文章讲了一种跑长时间 AI 编程任务的方法：把指挥和干活拆开。一个长会话负责分配任务、核实结果、记录教训，但不写代码；多个短会话负责具体实现。状态存在一个外部任务板里，不靠对话上下文，因为上下文会被压缩、会丢细节。核心纪律是别信 agent 自己说“搞定了”——得重新跑一遍命令、看退出码。作者管这叫 Chief of Staff 模式，本质上就是 ...
推荐理由：这篇文章不卖概念，给的是实操套路。作者把长会话拆成只派活不写代码的协调层和只干活的执行层，状态全放外部任务板，绕开了对话上下文被压缩后丢信息的坑。最值钱的一条纪律：agent 说任务完成不算数，得重新执行一遍命令、检查退出码。我会先打个折——正文没披露这套方法在真实项目里的成功率和翻车案例，但思路本身对常跑长时间 AI 编程任务的人很有参考价值。
阶跃星辰推出了 Step 5 Preview，一个总参数量 6000 亿、每次推理激活 270 亿参数的混合专家模型。它支持 100 万 token 的上下文窗口和图像输入，主要瞄准让模型进业务流程干活的场景。在 DeepSWE v1.1 编程测试里拿了 67.7 分，超过了 Kimi K3 和 GLM-5.3，但落后于 GPT-6 Astra 和 C...
推荐理由：Step 5 Preview 是阶跃星辰的 6000 亿参数混合专家模型，在 DeepSWE v1.1 编程测试上拿了 67.7 分，小胜 Kimi K3 和 GLM-5.3，但还落后 GPT-6 Astra 和 Claude Opus 5 约 6-7 分。给了 78 分，因为这是国内模型在 agent 编程方向一次有具体数字的推进，但还没到改写行业格局的程度。我会先打个折：正文没提推理延迟和实际部署成本，100 万 token 上下文在实际业务流程里表现如何也未知，所以分数没给更高。
FT 这篇评论的核心观点是：无人驾驶正在从拉人（网约车）扩展到拉货（物流、配送）和巡逻（警用），Waymo 和 Cruise 已经在旧金山和凤凰城试这些业务。作者想说的是，一旦自动驾驶从“运人”扩展到“运货和公共服务”，丢工作的焦虑就不只蓝领司机了，快递员、仓库工人甚至警察都可能被波及。不过正文没披露任何部署规模或成本数据，所以这个判断更多是趋势推演，...
FT报道，大量AI公司正在抢租新加坡核心地段的写字楼，直接推高了租金。对AI从业者来说，这意味着在新加坡设点的办公成本在涨——如果计划落地，早点锁定空间更划算。不过文章也提到，新增供应正在路上，可能会限制租金继续飙升。
中国8月用电量首次超过1万亿千瓦时，负荷也创下新高，主要原因是高温和工业需求。对AI从业者来说，这是一个硬约束提醒：训练和推理集群只会越来越耗电。正文没披露具体的峰值负荷数字和行业细分，但1万亿度这个量级本身说明，电费正在成为算力成本里不可忽视的一块。
彭博报道，2026年前8个月中国智能眼镜销量翻了一倍。正文没披露具体销量数字、品牌份额或增长原因——只有标题确认了翻倍这个事实。对从业者来说，这个增速本身是个信号，但缺少关键细节：是哪个价位段在涨？是AI眼镜还是传统音频眼镜？谁在吃份额？这些信息缺口意味着目前只能当趋势看，不能直接拿来定策略。
阶跃星辰发布了旗舰模型 Step 5 Preview，并计划在10月15日开源模型权重。不过原文页面被拦截，正文没披露模型参数量、性能指标或开源范围，所以目前能确认的只有发布时间和开源日期。开源权重意味着开发者可以下载模型自己跑，不用走API，这对想微调或部署私有模型的团队是个好消息。但具体效果如何、能不能打，得等开源后实测才知道。
Simon Willison 发布 datasette-explain 0.2.2。该版本与 SQLite 和 Datasette 相关，具体更新内容原文未作说明。