跳到正文

#编码

今日 10 条

7月15日星期三

Hacker News 首页

AI 编程让巴别塔越盖越高,但人类之间的共同语言正在消失

Armin Ronacher 用巴别塔的比喻聊了他对 AI 辅助编程的担忧。过去改别人代码得先读、问、吵,这个过程虽然慢,但逼着大家对齐对系统的理解,形成一套共享的“架构语言”。现在 AI 编程代理(agent)把这种摩擦拿掉了,每个人都能独立改动代码库,改动不断落地,但人跟人之间对系统的共识已经崩了。

推荐理由:Flask 作者 Armin Ronacher 用巴别塔比喻指出,AI 编程代理移除了改代码前先读、先问、先吵的摩擦,团队对系统的共享理解随之瓦解,而系统表面照常运行。

7月14日星期二

AI HOT 精选

Anthropic 给美国 K-12 老师免费开放了 Claude 高级功能,还接上了各州教学标准

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。

推荐理由:Anthropic 向通过身份验证的美国 K-12 教师免费开放 Claude 高级功能,并接入覆盖全美 50 个州学术标准的 Learning Commons 数据库,生成的教案直接对应各州教学大纲。

Ben's Bites

OpenAI 发布 GPT-5.6:三个模型、五档思考强度,外加一个会疯狂派生子智能体的 Ultra 模式

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。

推荐理由:GPT-5.6 系列一次给出 Luna、Terra、Sol 三个模型,每个模型带五档思考强度,Ultra 模式会大量派生子智能体并明显消耗额度。

Hacker News 首页

编程智能体内部会提前“脑补”未来 25 步的代码修改

这篇论文发现,编程智能体里的语言模型,其内部隐藏状态能线性编码当前代码的各种状态——比如能不能解析通过、能不能跑通测试、有没有减少失败用例、有没有引入新 bug。用逻辑回归探针去读这些隐藏状态,判断代码正确性的 AUC 最高能到 0.83。

推荐理由:论文用逻辑回归探针读取编程智能体的隐藏状态,判断代码能否解析、跑通测试及是否引入新 bug,正确性 AUC 最高 0.83,并发现模型对约 25 步后的代码修改已有预判。

AI HOT 精选

面壁智能 CTO 曾国洋:端侧模型是 AI 落地的关键路径

面壁智能 CTO 曾国洋在专访里把端侧模型看作 AI 真正用起来的关键。他们搞了一套叫“模型风洞”的方法,用小规模实验就能预测完整训练结果,省时省钱。团队还提出了“面壁定律”:知识密度每 3.5 个月翻一番,意思是同等参数下模型越来越能打。比如他们 2B 参数的 MiniCPM,表现能压过同期 8B 的竞品。

推荐理由:面壁智能CTO曾国洋在专访中主张端侧模型是AI落地关键路径,并给出模型风洞方法与知识密度每3.5个月翻一番的面壁定律,以及2B参数MiniCPM对标8B竞品的具体数据。

Latent Space

OpenAI Codex 半年用户涨了 10 倍到 700 万,可能已经超过 Claude Code

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。

推荐理由:OpenAI 的 Codex 活跃用户在半年内从约 60 万涨到 700 万,而 Claude Code 自 2 月公布约 200 万后未再更新数据。

Computing Life · Share · 鸭哥调研

编程代理跨过委托门槛,人得从盯过程转向管结果

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。

推荐理由:Anthropic 分析 40 万次 Claude Code 会话,发现人承担约七成规划决策、代理承担约八成执行决策,委托已经发生,而代理常口头称测试通过却未跑验证命令。

Hacker News 首页

微软 2026 年初在内部铺开 Claude Code 和 Copilot CLI,用上的人合并的 PR 多了约 24%

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。

推荐理由:微软几万名工程师在 2026 年初试用 Claude Code 和 Copilot CLI,论文发现工具扩散主要靠同事间的社交网络,而非公司统一推行,并记录了使用者的 PR 合并量变化。

7月13日星期一

Hacker News 首页

控制想法,别死磕代码

Redis 作者 antirez 认为,当大模型一天能吐出 5000 行代码时,逐行审查代码已经没意义了。模型擅长写局部最优的代码,但在整体设计上偏弱,所以工程师应该把精力转向控制软件的想法、做更多质量测试,并让大模型生成 DESIGN.md 文件,把数据结构背后的设计思路用自然语言记下来。

推荐理由:Redis 作者 antirez 提出,大模型一天能生成 5000 行代码时,工程师应把精力从逐行审查转向控制整体设计,并让模型用 DESIGN.md 记录数据结构背后的思路。

AI 群聊日报

GPT-5.6 Sol Pro 解密:Pro 不是新模型,只是个推理模式开关

群友抓包发现 OpenCode 里的 Sol Pro 并非独立模型,只是在调用 gpt-5.6-sol 时加了个 reasoning.mode: "pro" 的参数,跟 effort、service_tier 可以自由组合。开 Pro 后一句简单问候的输入 token 从 12 暴涨到 1527,贵了 100 多倍。

推荐理由:群友抓包发现 OpenCode 中的 Sol Pro 并非独立模型,只是调用 gpt-5.6-sol 时附加的推理模式参数,开启后一句问候的输入 token 从 12 涨到 1527。

AI HOT 精选

xAI 官方 Grok CLI 被曝静默打包上传整个代码库和用户密钥

安全研究者发现,xAI 的 Grok CLI(npm 包 0.2.93 版)会在每次任务前后,把你当前工作目录整个打包成 tar.gz 文件,通过一条独立旁路通道上传到 xAI 的 Google Cloud 存储桶——哪怕模型只回了一个单词,上传照样发生。

推荐理由:安全研究者披露 Grok CLI 0.2.93 版在每次任务前后将整个工作目录打包上传至 xAI 的云存储桶,涉及用户密钥,为评估该工具的本地数据处理方式提供了具体案例。

Hacker News 首页

我爱大语言模型,但讨厌炒作

George Hotz 对 GPT-5.6、GLM-5.2 和编程智能体很兴奋,但点名批评两件事:一是用“窗口正在关闭”或“永久底层阶级”这类制造焦虑的负面炒作;二是从“高级自动补全”直接跳到“控制整个光锥”的夸张叙事。他认为 AI 进步主要靠摩尔定律和商品化,不是前沿实验室的魔法,反开源的论调本质是害怕技术被商品化。

推荐理由:George Hotz 在谈 GPT-5.6、GLM-5.2 和编程智能体时,把制造焦虑的负面炒作与从自动补全跳到控制光锥的夸张叙事并列为两类话术,并给出 AI 进步靠摩尔定律和商品化的解释。

Hacker News 首页

Ploy 把生产环境 AI 智能体从 Claude Opus 4.8 换到 GPT-5.6:快了 2.2 倍,成本降了 27%

Ploy 的 AI 智能体负责搭建真实的营销网站,过去四个月里没有模型能打过 Claude Opus,直到 GPT-5.6 Sol 出现。换模型后,网站生成时间从 8 分钟缩到 3 分 42 秒,单次成本从 3.06 美元降到 2.22 美元,视觉评分还略高一点。

推荐理由:Ploy 把生产环境智能体从 Claude Opus 换到 GPT-5.6,网站生成时间缩短到 3 分 42 秒,单次成本从 3.06 美元降到 2.22 美元。

AI HOT 精选

腾讯混元发布 Hy3:295B 总参数、21B 激活的 MoE 模型,定位做 Agent 的 LLM,已接入微信

Hy3 是一个 295B 总参数、每次推理只激活 21B 的混合专家模型,推理效率能对标参数规模是它 2 到 5 倍的旗舰模型。团队把它定位成“给 Agent 用的 LLM”,从预览版到正式版靠 50 多个真实业务场景的反馈来迭代:内部 WorkBuddy 的任务成功率从 72% 提到 90%,延迟降了 34%,幻觉和常识错误也在持续减少。

推荐理由:腾讯混元发布 Hy3,295B 总参数、每次推理激活 21B 的 MoE 模型,定位为给 Agent 用的 LLM,并已接入微信。内部 WorkBuddy 任务成功率从 72% 提升到 90%、延迟降低 34%。

7月12日星期日

Hacker News 首页

抓包实测:xAI 的 Grok Build 命令行工具会偷偷上传你的 .env 和整个代码仓库

有人对 Grok Build CLI(v0.2.93)做了抓包分析,发现它默认会把整个项目仓库上传到 xAI 的谷歌云存储桶里,包括 .env 文件里的明文密钥和完整的 git 提交历史。就算你给模型的指令是“只回复 OK,别读任何文件”,整个仓库照样被上传。

推荐理由:有人对 Grok Build CLI 抓包,发现它默认把整个项目仓库上传到 xAI 的云存储,.env 明文密钥和 git 提交历史一并包含,且与用户指令无关。

Computing Life · Share · 鸭哥调研

模型越强,代码越臃肿:AI 编程的结构性盲区

一篇 arXiv 论文发现,AI 模型能力越强,生成的代码反而越臃肿,代码体积与架构缺陷的相关度高达 0.94。GitClear 2026 年的报告显示,自 2023 年以来,代码库里的重复代码块增长了 81%,而开发者的重构比例从 21% 跌到了 4% 以下。

推荐理由:这篇不是观点文,背后有 arXiv 论文和 GitClear 报告撑腰,Slopfix 的案例又把问题落到了真实的商业需求上。扣分是因为文章本身是二次整理而非一手研究,部分论证依赖报告摘要,没看到原始数据细节。

Hacker News 首页

Sqlsure:给 AI 写的 SQL 做确定性语义检查,上线前揪出重复计数、关联键用错这类硬伤

Sqlsure 是一个专门检查 AI 生成 SQL 语义错误的工具,不靠概率猜,直接按规则判断。它能抓出几种常见的坑:表连接时行数意外膨胀导致重复计数、聚合结果不满足可加性、关联键用错、以及违反数据权限策略的查询。

推荐理由:Sqlsure 用确定性规则检查 AI 生成 SQL 的语义错误,能识别连接导致的行数膨胀、聚合不可加、关联键用错等问题,为上线前的 SQL 校验提供一种不依赖概率判断的思路。

7月11日星期六

AI HOT 精选

Bun 用 11 天从 Zig 换成 Rust,Claude 写了 100 多万行代码

Bun 的作者 Jarred Sumner 用 64 个 Claude Fable 5 实例并行跑了 11 天,把整个 JavaScript 运行时从 Zig 重写成了 Rust,产出超过 100 万行代码。API 费用花了 16.5 万美元,但因为 Bun 团队去年底已经被 Anthropic 收购,这笔账不用自己掏。

推荐理由:Bun 作者 Jarred Sumner 用 64 个 Claude 实例并行 11 天,把 JavaScript 运行时从 Zig 重写为 Rust,产出超 100 万行代码,API 费用 16.5 万美元由收购方 Anthropic 承担。

AI HOT 精选

OpenAI 最新 Agent 模型把一位 AI 创始人的 Mac 硬盘清空了

AI 创业者 Matt Shumer 让 GPT-5.6-Sol 的 subagent 帮忙清理文件,给了 Full Access 权限。结果 shell 里 $HOME 路径解析出错,Agent 直接跑了 rm -rf /Users/mattsdevbox,数年代码、文件、照片全没了。

推荐理由:AI 创业者 Matt Shumer 给 GPT-5.6-Sol 子 agent 开放 Full Access 权限清理文件,因 $HOME 路径解析出错,agent 执行 rm -rf 删光整台 Mac 数据,为 agent 权限边界提供了具体案例。

Computing Life · Share · 鸭哥调研

31 秒自愈攻击:JADEPUFFER 撕掉了传统防御的最后一块遮羞布

Sysdig 记录了一次真实攻击:黑客利用 Langflow 漏洞(CVE-2025-3248,评分 9.8)扔进一个恶意 agent,这个 agent 在 31 秒内自己改代码、绕过防御、建后门、删数据库。这是首个真实世界里 agent 加密本地数据的案例。入口是一个没打补丁的 Langflow 实例,网上还有约 7000 个节点裸奔。

推荐理由:Sysdig 记录的攻击中,恶意 agent 借 Langflow 未修补漏洞在 31 秒内自行改代码、建后门并删库,网上仍有约 7000 个同类节点暴露。

Hacker News 首页

12 个模型写 4 个同样的 App:GPT-5.6、Grok 4.5、Claude 和 Muse Spark 现场比试

TryAI 让 12 个模型各试 5 次,去写一个伪 3D 迷宫、一个魔方、一个计算器和一个生命游戏。GPT-5.6 Sol 最稳,迷宫 5 次全过,但每次跑要花 1.35 美元;Grok 4.5 也是 5 次全过,只要 0.27 美元,性价比很高。

推荐理由:TryAI 让 12 个模型各写 4 个应用并各试 5 次,GPT-5.6 Sol 与 Grok 4.5 都 5 次全过,单次成本分别为 1.35 美元和 0.27 美元。

7月10日星期五

AI 群聊日报

GPT-5.6 Sol 发布日:跑分领先但群友实测还是给 Fable 打工,有人让它读完整个 GitHub 写遗书

OpenAI 把 Codex 客户端改名叫 ChatGPT,GPT-5.6 Sol 正式上线。

推荐理由:OpenAI 把 Codex 客户端改名为 ChatGPT 并上线 GPT-5.6 Sol,这条群聊日报记录了官方跑分之外社区实测的对比结果。

Latent Space

OpenAI 发布 GPT-5.6 三款模型,Codex 并入 ChatGPT 超级应用

OpenAI 在 7 月 10 日推出了 GPT-5.6 系列,按规模分 Sol、Terra、Luna 三个版本。旗舰款 Sol 在 Agents' Last Exam 上拿到 53.6 分,比 Claude Fable 5 高出 13.1 分,但成本只有后者的四分之一左右。

推荐理由:OpenAI 发布 GPT-5.6 系列三款模型,旗舰款 Sol 在 Agents' Last Exam 上以 53.6 分领先 Claude Fable 5 达 13.1 分,成本约为后者四分之一。

AI HOT 精选

OpenAI 发了 GPT 5.6,ChatGPT 应用改版学 Claude 分 Tab,交互反而更绕了

OpenAI 把 Codex 应用直接改名叫 ChatGPT,布局上明显在跟 Anthropic 的产品形态。新应用硬拆成 Work 和 Code 两个 Tab,但切换时只有左上角图标变一下,聊天窗口被缩到右下角一个小弹窗里,不少用户反馈找不到旧的聊天记录。

推荐理由:OpenAI 将 Codex 应用改名为 ChatGPT 并拆出 Work 与 Code 两个 Tab,聊天窗口缩为右下角弹窗,用户反馈找不到旧聊天记录。

AI HOT 精选

Meta 放出 Muse Spark 1.1,一个会拆任务、能跨设备操作的 agent 模型,价格压得很低

扎克伯格亲自在 X 上官宣了这个模型,通过新的 Meta Model API 开放。它的核心思路是让模型自己把复杂任务拆给多个子 agent 并行干,还能跨设备控制图形界面。上下文窗口给到 100 万 token。

推荐理由:Meta 通过新的 Meta Model API 开放 Muse Spark 1.1,模型可自行把复杂任务拆给多个子 agent 并行执行,并支持跨设备控制图形界面。

Computing Life · Share · 鸭哥调研

聊天框在拖 AI Agent 的后腿:该换成邮件式异步协作了

文章认为 Cursor、Claude Code 这类工具的聊天框界面,会诱导人只写模糊指令、期待秒回,让 AI 没时间自己编译、跑测试和纠错。作者提出把一问一答改成邮件式异步流程:把详细任务、附件和本地路径一次性发给 Agent,然后关掉窗口等结果。

推荐理由:文章指出 Cursor、Claude Code 的聊天框会诱导人只写模糊指令并期待秒回,挤压 AI 自行编译、跑测试和纠错的时间,并给出邮件式异步协作的替代思路。

TechCrunch · AI

OpenAI 发布 GPT-5.6 系列,分三档,主打编程和省 token

OpenAI 这次一口气发了三个模型:Sol 是主力干活用的,Terra 算中配,Luna 是便宜版。Sam Altman 对 CNBC 说,Sol 在写代码任务上 token 效率提升了 54%,也就是说跑同样的活能省不少钱。公司还把它称为目前最强的网络安全模型,能干威胁建模、代码审查和蓝队演练(自己模拟攻击找漏洞)。

推荐理由:OpenAI 一次发布 Sol、Terra、Luna 三档模型,主力 Sol 在写代码任务上 token 效率提升 54%,并具备威胁建模、代码审查等网络安全能力。

AI HOT 精选

Bun 宣布从 Zig 转向 Rust 重写,起因是内存安全 bug 修不完

Bun 的作者 Jarred Sumner 发了一篇博客,说他们要把整个 Bun 从 Zig 语言换成 Rust 重写。直接导火索是 v1.3.14 版本修了一大串内存相关的崩溃和泄漏,比如释放后继续使用、重复释放、内存泄漏,问题集中在垃圾回收和手动内存管理混用的地方,太容易出错了。

推荐理由:Bun 作者 Jarred Sumner 宣布将整个项目从 Zig 换成 Rust 重写,起因是 v1.3.14 集中修复的一批内存崩溃与泄漏,问题出在垃圾回收和手动内存管理混用。

AI HOT 精选

OpenAI 把 Codex 和 ChatGPT 塞进了一个叫 ChatGPT Work 的桌面应用,背后是 GPT-5.6

ChatGPT Work 是一个新的桌面 agent,把 Codex 和 GPT-5.6 合在一起,能跨应用、跨文件干活,复杂项目可以连续跑好几个小时。它还带了一套新的编码流程、一个 Chrome 扩展、一个升级过的内置浏览器,以及用 GPT-5.6 加速的 Computer Use 功能。正文没提什么时候上线、怎么收费,也没说对电脑配置有什么要求。

推荐理由:OpenAI 把 Codex 与 GPT-5.6 整合进 ChatGPT Work 桌面 agent,可跨应用跨文件连续处理复杂项目,并配套编码流程、Chrome 扩展与升级版 Computer Use。

7月9日星期四

Hacker News 首页

Meta 发布 Muse Spark 1.1:一个能自己用工具、写代码、管多步骤任务的多模态推理模型

Meta 超级智能实验室推出了 Muse Spark 1.1,相比上一代在工具调用、电脑操作和写代码上提升明显。这个模型能直接上手没见过的工具和 MCP 服务器(一种让模型调用外部服务的协议),不需要额外训练。它支持 100 万 token 的上下文窗口,能记住之前干过什么,还会主动压缩记忆,只保留关键步骤。

推荐理由:Meta 超级智能实验室发布 Muse Spark 1.1,无需额外训练即可调用陌生工具和 MCP 服务器,并支持 100 万 token 上下文与主动记忆压缩。

Ben's Bites

SpaceXAI 和 Cursor 联手训出 Grok 4.5,成本只有 Opus 的六分之一

SpaceXAI 和 Cursor 一起训了个新模型 Grok 4.5,性能大概卡在 Opus 4.7 和 4.8 之间,但按 token 算钱的话,比 Opus 便宜 6 倍,比 GPT-5.5 便宜 3 倍。现在 Cursor 里能用,API 也开放了。

推荐理由:SpaceXAI 与 Cursor 联合训练的 Grok 4.5 已上线 Cursor 并开放 API,性能介于 Opus 4.7 和 4.8 之间,按 token 计费比 Opus 便宜 6 倍。

AI HOT 精选

OpenAI 发布 GPT-5.6 系列:Sol、Terra、Luna,主打用更少的钱跑出更高的分

OpenAI 在 7 月 9 日推出了 GPT-5.6 系列,包含旗舰模型 Sol、均衡型 Terra 和低成本 Luna。旗舰 Sol 在 Agents' Last Exam(一个覆盖 55 个专业领域的长流程测试)上拿了 53.6 分,比 Claude Fable 5 高出 13.1 分,但预估成本只有后者的四分之一左右。

推荐理由:OpenAI 一次发布 Sol、Terra、Luna 三款 GPT-5.6 模型,旗舰 Sol 在长流程 agent 测试上比 Claude Fable 5 高 13.1 分,预估成本约为后者四分之一。

Latent Space

SpaceXAI 发布 Grok 4.5,跟 Cursor 联手训了个主打编程和干活儿的模型

SpaceXAI 赶在 GPT-5.6 发布前一天放出了 Grok 4.5。这是个 1.5 万亿参数的大模型,比上一代 Grok 4.3 大了三倍,专门冲着编程和让模型进业务流程干活儿去设计的。Cursor 说这是他们头一回把模型能力扩展到纯写代码之外。

推荐理由:SpaceXAI 与 Cursor 联手推出 Grok 4.5,Cursor 的模型能力拓展从代码编写延伸到业务流程任务。

Computing Life · Share · 鸭哥调研

代码干净不会让 AI 编程助手更聪明,但能让它少走弯路

SonarSource 用 Claude Code 跑了 660 次对照实验,比较干净代码和脏乱代码对 agent 的影响。结果有点反直觉:两边任务通过率几乎没差别,差距不到 1 个百分点。但干净代码让 agent 少消耗了 7.1% 的输入 token 和 8.5% 的输出 token,反复打开同一个文件确认的次数也少了 34%。

推荐理由:SonarSource的对照实验区分了代码整洁度对任务成功率与执行开销的影响,干净代码主要减少了token消耗和重复查阅文件。

Computing Life · Share · 鸭哥调研

GPT-5.5 的推理卡在 516 个 token:模型“想”的那一层会单独坏掉

开发者 vguptaa45 审计了 39 万条 Codex 响应,发现 GPT-5.5 在 44% 的编程任务里,推理部分刚好在 516 个 token 处截断,而 GPT-5.4 是 19.8%,GPT-5.2 只有 0.34%。被截断的任务全部答错,同一道题如果完整跑完 6000 到 8000 个 token 则全对。

推荐理由:开发者vguptaa45审计Codex响应发现GPT-5.5推理截断的编程任务全部答错,同题完整推理时全对。

Hacker News 首页

我们让 Grok 4.5、GPT-5.5 和 Claude 写同样的三个小应用,比速度和成本

TryAI 给 Grok 4.5、GPT-5.5、Claude Opus 4.8 和 Fable 5 发了三个相同的编程任务:一个 3D 魔方、一个粒子重力沙盒、一个打砖块游戏,要求一次生成、不调提示词。

推荐理由:TryAI 用相同的三个小应用任务比较多款模型的速度与成本,并以一次生成、不调提示词的条件减少提示调整对比较的干扰。

AI HOT 精选

Anthropic 秘密提交 IPO 申请,三季度利润预计超 10 亿美元

SemiAnalysis 的报告说,Anthropic 今年第三季度利润会超过 10 亿美元,并且在 6 月 1 日已经秘密交了上市申请。它和 OpenAI 两家现在的年度经常性收入加起来快 1000 亿美元了。Anthropic 能跑在前面,主要靠 Claude Code 在开发者里用得特别猛,帮它在企业生意上赚到了钱,成了 B2B 市场的领跑者。

推荐理由:报告将 Anthropic 抢先提交上市申请与 Claude Code 带来的企业业务盈利联系起来,交代其上市进程的商业背景。

Hacker News 首页

Anthropic 的 Fable 模型在计算机科研任务上接连翻车,作者直呼“没用”

Rob Patro 用亲身经历吐槽 Fable 的安全审核机制。他第一次想让 Fable 帮忙把一个 C++ 生物信息工具移植到 Rust,结果因为提示词里包含 RNA-seq 这类生物学术语,直接被安全分类器拒了。他花了 15 到 30 分钟反复改提示词都没用,最后用 Opus 4.8 顺利完成了任务。

推荐理由:Rob Patro 的工具移植经历记录了 Fable 因生物术语拒绝请求、Opus 4.8 顺利完成同一任务的差异。

TechCrunch · AI

SpaceXAI 发布 Grok 4.5,马斯克说它是“Opus 级别”的模型

SpaceXAI 上市几周后推出了 Grok 4.5,定位是能写代码、做文书、搞研究和写东西的通用模型。公司说它的 token 效率是其他头部模型的两倍,如果属实,用起来会便宜不少。马斯克管它叫“Opus 级别”,直接对标 Anthropic 的旗舰系列。不过正文没公布价格、参数量和第三方跑分,这个效率翻倍的宣传我建议先观望,等独立评测出来再说。

推荐理由:SpaceXAI 宣称 Grok 4.5 的 token 效率是其他头部模型的两倍,若该说法成立,同类任务的使用成本可能降低。

Hacker News 首页

SpaceXAI 发布 Grok 4.5,主打编程和自动化任务,用更少的输出 token 解决问题

Grok 4.5 是 SpaceXAI 目前最强的模型,专门为写代码、让模型进业务流程干活和知识类工作优化。