llm-gemini 0.37 发布,介绍 Gemini 4 Hydrogen 定价与定位
Simon Willison 发布 llm-gemini 0.37,并比较 Google 今天推出的 Gemini 4 Hydrogen 与同系列模型的价格和生成表现。
Simon Willison 发布 llm-gemini 0.37,并比较 Google 今天推出的 Gemini 4 Hydrogen 与同系列模型的价格和生成表现。
Edge0 开源 Edge0-145B、Edge0-120B 及统一推理框架和部署工具,支持在适配的个人电脑上运行编码、推理与 AI 智能体任务。内部测试报告 Edge0-145B 峰值内存为 29GB、预填充速度为 1,100+ tokens/s、解码速度为 80+ tokens/s,通过专家矩阵共享、分层加载和 CPU/GPU 协同执行降低运行负担。
推荐理由:Edge0 将模型架构与推理引擎联合设计,通过专家矩阵共享、分层加载和异构调度降低大模型本地运行的内存与数据搬运负担。
Gondola 使用 Codex 后,团队月度工程产出提高约 25%,公司营收同比增长超过 2 倍,未增加薪资成本或显著开销。业务团队用 Codex Cloud 制作可运行原型,再交由工程师完善上线;首席工程师按合并代码变更衡量的月度产出提高约 50%,工程团队人数未变。团队还用 ChatGPT 准备提案、管理日程和汇总跨系统信息,重要工作在对外发送或用于业务决策前仍由人工审核。
Amplitude 估计,其主要由 OpenAI 模型驱动的产品智能体 Wave 可将产品改进交付时间从约一个月缩短至 1–2 天。Wave 综合产品数据、会话回放、客户反馈和代码识别机会,生成技术计划与验收标准,再交给包括 Codex 在内的编码智能体实施,并追踪效果;团队可决定自动化程度和人工审核范围。
推荐理由:Amplitude 将产品数据调查、编码实施与效果测量串联,并按任务分配模型和人工审核,让产品改进流程兼顾成本与团队控制。
AI 生成应用大量涌入 iOS,多个音乐应用开发者报告 Apple 审核耗时从数天延长至数周,并出现反复拒审。Pittsburgh Modular 的 Microvolt 3901 原计划跨平台同步发布,VST 版于 10 月 27 日发布,iOS 版直到 11 月 12 日才上线。
Hatchet 发布分布式光线追踪器演示,整个光线追踪场景由语言模型写成代码,基于 Rhai 和 Fidget 的 DSL 定义 Signed Distance Fields,可逐块并行渲染至很高分辨率。
Amplitude 估计,其主要由 OpenAI 模型驱动的产品智能体 Wave 可将产品改进交付时间从约一个月缩短至 1–2 天。Wave 综合产品数据、会话回放、客户反馈和代码发现改进机会,生成技术方案与验收标准后交给包括 Codex 在内的编码智能体实施,团队可控制自动化程度。
Google 推出 Gemini 4 Hydrogen,即日起开放访问,并在旗下产品中替换 Gemini 3.8 Flash。模型提供 low、medium、high 和新增的 xhigh 四档思考等级;Google 称其 high 模式速度为 Flash 3.8 的 2.5 倍,虚构陈述减少超过 5 倍,Terminal-Bench 得分超过原模型的 3 倍。
推荐理由:Google 直接开放 Hydrogen 并替换 Flash,相比此前分阶段且限高价订阅的发布方式降低了接入门槛。
安全研究者将 PostgreSQL 核心中一个存在 22 年的类型混淆零日漏洞转化为高可靠性的内存破坏利用链,最终实现远程代码执行。该漏洞源于在复合类型字段中写入值后修改字段类型再读回,研究者在利用 pg_clickhouse 扩展时顺藤摸瓜发现,相关扩展漏洞已于 6 月 23 日修复。
Google 今日在 Google Antigravity 推出 Gemini 4 Hydrogen,并新增 Orchestrator 选项,在同一任务中动态切换 Hydrogen 与 Gemini 4 Carbon。
推荐理由:Google 的 Orchestrator 在任务中动态切换规划与执行模型,在接近 Carbon 任务成功率的同时减少配额消耗并缩短完成时间。
Google DeepMind 发布 Gemini 4 Hydrogen,即日起在 Gemini API、AI Studio、Gemini app 和 Google Search 等渠道全球推出,面向快速编码与智能体任务执行。
推荐理由:Google 通过多模型动态调度实现接近 Carbon 的任务成功率,同时平均减少 24% 配额消耗并缩短 19% 完成时间。
Google 发布 Gemini 4 Hydrogen,即日起在 Gemini API、AI Studio、Gemini app 和 Google Search 等入口全球推出,主打快速编码与智能体执行。
推荐理由:Google将深度规划与快速执行分配给不同模型,自动切换在接近Carbon任务成功率的同时降低配额消耗并缩短完成时间。
Gemini 4 Hydrogen 从今天起向开发者开放,面向快速迭代的日常编码与智能体工作流,强调速度与效率。它支持代码仓库编码与调试、交互式网页开发和多模态工作流,可通过四档可配置思考级别独立运行,也可与 Gemini 4 Carbon、Gemini 4 Argon 配合使用;Google 称其指令遵循更严格、编造内容更少,有助于更快交付更干净、可用于生产的代码。
推荐理由:Gemini 4 Hydrogen 提供四档可配置思考级别并支持与前沿模型协作,让日常编码与智能体工作流拥有不同的模型配置选择。
GDC Festival of Gaming 年度行业调查显示,40% 的受访游戏开发者在工作中使用生成式 AI,高于 2025 年的 36%。免费游戏开发者和仅开发移动游戏的工作室员工使用比例分别为 58% 和 70%。
Fable52.games 提供由 Claude Fable 5.2 生成的单文件 HTML 游戏,支持试玩、检查源码、查看提示词和下载。网站称这些游戏由模型根据一条详细提示词自主规划、编写、测试和改进,下载后可在现代浏览器中离线运行,无需服务器或构建步骤。用户无需账号即可提交不超过 10 MB 的 .html 文件,并附上提示词、操作说明和帖子链接,经过简短审核后上线。
Jane Street 今年夏天开始在校园候选人的现场面试中试行新环节,减少代码编写,更侧重软件设计、代码质量与结构验证,以及使用 LLM 生成代码。新环节尚未覆盖所有现场面试,大多数轮次仍是禁止 LLM 辅助的传统编程面试,其余招聘流程不变。公司不要求候选人拥有成熟的智能体工作方法或特定工具配置,更重视其软件工程判断,以及对工具优势、局限和适用时机的清晰认识。
Holiday Extras 借助 Codex 在两周内完成可运行的应用重建,达到过去需要超过六个月的开发进度。重建后,主应用从打开到预订的转化率提升 32.5%,错误率从 19% 降至 9%;这些结果来自不同时间段的新旧应用比较。业务人员将客户与运营经验直接用于软件开发,工程师负责架构、API、安全控制和开发流程,主应用在重建后的第一个月由年度重大更新转为每周发布。
Humble Bundle 因采用 vibecoding 方式开发,砍掉了自身大部分安全防护。相关讨论出现在 SpaceBattles 论坛,该页面由 Cloudflare 提供安全验证与防护。
一位有约 15 年软件从业经验的团队负责人复盘发现,AI 改变了代码审查、任务交接和获取技术知识的成本,部分过去反对的做法开始奏效。团队约一个月前取消同事间的 PR 审查,改由 Claude 编写代码、任务负责人审查,在 CI 通过且 Greptile 审查无问题后自行决定合并;Claude 也帮助成员快速熟悉彼此独立负责的工作。
推荐理由:一位工程团队负责人复盘引入 Claude 后的协作实验,用追问旧规则所依赖的成本是否仍然存在来重新检验工程经验。
Darling 的 Q4 2026 开发更新公布了 AI 辅助贡献规则、初步 ARM64 支持及后续开发计划。规则要求提交者对每行代码负责并能自行解释,由人回答维护者问题,同时遵守洁净室实现要求,不使用泄露材料或 Apple 受限源码。
Google 对超过 91.3 万次真实编码会话的研究发现,能力更强的模型更容易被源码中的旧 TODO 注释带偏。智能体擅自追踪历史注释时,单次对话平均多执行 70% 的步骤、多消耗 77% 的 token,等待时间增加 105%。
作者用编码智能体重建了 2018 年的 Javascript 交互式逻辑教材“QED”,新版本暂定名“Lean Grimoire”,可展示当前游戏状态对应的 Lean 证明进度。应用还提供“fantasy mode”,把数学命题、表达式等元素替换为药水、卷轴等奇幻文本。作者希望获得试玩反馈,以提升其教授逻辑证明和 Lean 的效果。
Chrome 发布 Modern Web Guidance 1.0 稳定版,为编码智能体提供 Web 最佳实践、浏览器兼容性数据和代码库现代化工作流。新版扩展了专家审核指南并提供公开评估信息中心,Firefox 和 Edge 也将参与支持和贡献;现代化工作流目前通过静态分析检查有限的模式集。
推荐理由:Modern Web Guidance 将浏览器兼容性数据与专家审核指南接入编码智能体,帮助现有代码库采用符合项目支持范围的现代 Web 功能。
AWS 推出官方模拟器 aws-emulator,可针对多种 AWS 服务的本地副本运行测试,无需为此配置付费 API 密钥。项目由大量 AI 智能体使用 Rust 编写,前三周产生了 29,684 次提交,目前在 macOS 或 Windows 上运行需要 Docker。Simon Willison 希望未来能直接下载单个二进制文件,用于其他语言和平台的标准测试套件。
AI 编程工具正在削弱 Emacs 在编辑速度、定制能力和 LISP 表达力上的传统优势,这是文章的核心判断。文章以 excali-mode.el 重写 Excalidraw 技术栈、cooked.el 自建 Rust 终端模拟器为例,讨论 AI 如何让过去成本过高的个人定制项目变得可行。作者进一步提出,软件自由可能转向让计算机实现个人想象,但用户未必理解生成的软件如何运作。
AWS 今日发布 AWS Emulator,为编码智能体提供可在本机免费、离线运行的 AWS 测试环境。其代码全部由智能体编写和测试,基于超过 400 个 API 模型,覆盖超过 200 项 AWS 服务,并以真实 AWS 校验行为一致性。代码以 CC0 发布,GitHub 仓库公开完整提交历史及尚不匹配真实 AWS 的问题;工程师负责设计规范、测试和包含安全审查的合并门禁。
推荐理由:AWS Emulator 用真实服务校验测试并设置合并门禁,将智能体编程的质量控制落实到工程师设计的规范与验收机制。
Simon Willison 为 tools.simonwillison.net 上线标签浏览功能,可按 JavaScript API、库和 Web API host 分类检索其 244 个 vibe-coded 工具。
Google DeepMind 推出 AlphaProof Code,在 4 周内完成了通常需要数年的 Signal 密码核心代码形式化验证。专家定义安全要求后,基于 Gemini Carbon 的 AI 智能体编写了超过 6000000 行 Lean 证明代码,并将约 1% 的代码库标记为需要人工审查。
高盛在试行三个月后,于 2026 年 10 月禁止大多数交易员和投行家使用 Claude Code 和 GitHub 编程工具,量化策略师获准继续使用。文章分析,业务人员生成原型后交给工程师上线的流程,仍面临代码验证、安全审计和故障处理成本,本地运行智能体还涉及凭证暴露与审计缺失风险。
推荐理由:高盛收回多数业务人员的编程工具权限并保留量化策略师例外,把代码核查、安全审计与故障责任纳入工具分配标准。
Big Walk 开发商 House House 披露少量使用大语言模型解决技术难题和漏洞,引发独立游戏界对 AI 零容忍立场的争议。团队称相关代码远低于全游戏的 0.1%,其中一项 Unity 阴影漏洞修复方案经大幅修改后形成了最终的 10 行代码;Steam 不要求披露此类辅助编码,IGF 奖项则不作这一区分。
推荐理由:House House 披露用大语言模型修复漏洞后遭遇抵制,Steam 与 IGF 对辅助编码的不同披露要求凸显了评奖规则的边界分歧。
Google 推出名为 Tabletop 的实验性 AI 工具,可通过描述需求生成储蓄追踪、家务表、行程规划等自定义协作空间。用户添加链接、文件和想法后提示 @tabletop 或选用模板即可生成互动工具,再分享邀请链接让群组成员像 Google Doc 一样同时使用。Tabletop beta 通过候补名单开放,目前仅限美国 18 岁以上用户。
一位 Independent Games Festival(IGF)评委主张明确 AI 使用政策,并支持评委自行决定是否考虑使用 AI 的参赛游戏。House House 声明,Big Walk 在开发后期使用 LLM 诊断和修复错误,涉及 less than 0.1% of the code;IGF 要求申报所有 AI 使用,但尚无统一评奖政策。
Atuin 在 18.24+ 推出 Threads,支持跨机器搜索、同步和续接智能体会话,也能将会话分叉到另一种智能体工具中继续执行。当前支持 Claude Code、Codex、Pi、Omp 和 OpenCode,会话采集需主动启用,同步采用端到端加密,可使用托管服务器、自建服务器或仅本地保存。
推荐理由:Atuin Threads 将跨机器的智能体会话同步与历史检索结合,让后续任务能复用此前的调查过程和决策上下文。
Anthropic称借助自家模型Mythos,仅用3天便让Claude在AMD GPU上运行,几乎无需人工干预。模型自行移植或编写了近100%的内核,相关数据针对AMD MI355X上的提示词处理,传统新加速器适配则需6至12个月。
推荐理由:Anthropic称用Mythos将新硬件适配从6至12个月缩短至3天,比较了模型自动编写内核与传统工程方式的耗时。
Thomas Neumann 质疑 GenDB-V 相对 Umbra 和 DuckDB 的 22× 至 61× 加速,指出其性能收益依赖针对 TPC-H 的过度特化。
安全公司 Claroc 检查了 37,571 个仍在线的 Grok 生成应用,其中 35,578 个无需登录即可访问,暴露内容包括患者记录、明文密码和 SpaceXSI 内部销售数据。
推荐理由:Claroc 将 Grok 应用的数据暴露追溯到默认共享设置和权限检查错误,外部账号甚至能在登录后读取、修改和删除团队数据。
Zig 的技术进步未能消除其治理问题,文章批评持续破坏兼容性、限制 AI 辅助贡献及对用户需求缺乏妥协。文中指出,项目仍处于 0.x 阶段且没有明确的稳定 1.0 发布时间,贡献政策连 AI 辅助编辑、翻译和查找漏洞也禁止。文章还批评 Zig 对 Bun 转向 Rust 的公开回应,以及迁移至 Codeberg 和要求捐赠者更换渠道带来的摩擦,将这些归为项目管理影响实用性的问题。
bo2-mac 将玩家自有 Steam 版 Black Ops II 的三个可执行文件静态重编译为 macOS 原生 ARM64 应用,覆盖战役、僵尸和多人模式。
https://osssaysno.com 汇总了 immich、Meilisearch、Servo、QEMU、Zig 等开源项目禁止 AI 生成贡献的政策。各项目限制范围不同,immich 要求不提交 LLM 生成的 PR,Meilisearch 将代码、测试、文档及 PR 和 issue 的描述、评论纳入限制。
新加坡航空通过 OpenAI API 和模型升级客服聊天机器人 Kris,客户满意度(CSAT)翻倍,客服代表平均处理时长缩短约 10%。基于 OpenAI API 的 Flight Recommender 让用户用自然语言描述行程,过去一年月活用户增长近 3 倍。OpenAI 模型还用于内部 AI 平台 Jarvis 及软件开发流程。