跳到正文

#编码

今日 9 条

11月11日星期三

Hacker News 首页

Greg Kurtzer 的 Ginux 转型为用户空间内核

Greg Kurtzer 的 Ginux 已从独立 Rust 内核转为可配置的用户空间内核,作为普通 Linux 进程运行,在受管工作负载与宿主内核之间建立显式、带版本的契约。

Latent Space

OpenAI 在 AI Engineer Code Summit 讲解 Codex 的新工作方式

OpenAI 工程师在 AI Engineer Code Summit 演示了 Codex 的云端任务、语音控制和个人智能体 dots 工作方式。Codex Cloud 版本 2 支持发布一次环境后,在隔离实例中运行多个任务,但本地任务向云端交接仍涉及上下文差异,团队正在改进体验。语音可用于管理任务线程和委派工作,dots 则可提醒遗漏、承接委派,并利用已有上下文推进 PR。

Hacker News 首页

16 个大语言模型挑战 TIS-100,评测解题与程序优化能力

Wincon 在 TIS-100 的 55 道谜题上测试了 16 个大语言模型,在 18 道题中获得 133 个新的帕累托前沿点,并打破 3 项运行周期纪录。Opus 5.5 与 GPT-6 Astra 均解出全部 55 道题,各在 11 道题上找到新前沿点,两者的纪录接近度差异未达到统计显著水平。计入结果的程序均经过真实游戏重放及 100,000 次测试,社区玩家随后进一步优化了其中多数程序。

Ars Technica · AI

Grok Build 编码智能体泄露用户机密,涉及 SpaceXSI 内部资料

安全公司 Claroc 的研究发现,SpaceXSI 的 Grok Build 编码智能体泄露数千名用户的数据,包括商业机密和其他敏感资料。平台虽将分享 URL 随机化,但一项设计使任何人都能枚举数千个在线项目,除少数情况外,打开链接即可查看应用及其关联数据。

Hacker News 首页

《Life on Claude Nine》:一名工程师用 Claude 自动化工作后陷入失控

Hacker News 首页文章《Life on Claude Nine》讲述软件工程师 Ivan 用 Claude 搭建邮件分类、日历管理、文档起草等自动化系统,随后把写代码、跑测试、提交仓库也交给 Claude,产出翻了三到四倍并获得晋升。他进一步构建管理 Claude 上下文、分析其错误并生成更优提示词的脚手架系统,同时逐渐失眠、疏远女友,感到自己在建造无法完全理解的东西。

Simon Willison

llm-gemini 0.36 发布,Gemini 4 Carbon 向所有人开放

llm-gemini 0.36 发布,Gemini 4 Carbon 今天从面向部分网络防御人员开放扩展至所有人。模型上线价格为输入 $2/million、输出 $10/million,计划于 12 月 1 日涨至 $4/$20,默认采用 medium 思考强度。

推荐理由:Gemini 4 Carbon 的上线价格与 GPT-6.1 Sol、Claude Sonnet 5.5 相同,12 月 1 日翻倍后与 Opus 5.5 持平。

The Decoder

Google Gemini 4 Carbon 正式开放,快速模型迭代已带来新竞争

Google 在两周安全专家测试后正式开放 Gemini 4 Carbon,定位为 Gemini 4 Argon 的补充,面向复杂多步编码、调试和开放式科学研究。

推荐理由:Carbon 与 Argon 的 token 单价相同,更深推理和更长验证循环增加用量,使复杂任务的实际总成本可能更高。

Hacker News 首页

Modern Web Guidance 帮助编码智能体从约 2019 年的 JavaScript 模式转向现代 Web 原生能力

Modern Web Guidance 是面向编码智能体的技能与 CLI 工具,将现代 Web 实践和浏览器兼容性数据直接接入模型上下文。项目覆盖 250 项现代 Web 特性和 203 个实际开发用例,支持本地语义搜索、指南检索和旧模式扫描,实验性及不稳定 API 的指南检索需开发者明确同意。

推荐理由:Modern Web Guidance 按任务检索现代浏览器指南并注入智能体上下文,将兼容性数据与轻量回退方案一起纳入代码生成。

The Verge · AI

Big Walk 披露 AI 辅助开发,独立游戏界围绕使用边界产生分歧

部分独立游戏节(IGF)评委宣布不投票支持以任何方式使用生成式 AI 的游戏,Big Walk 开发商 House House 随后披露曾少量使用 AI。工作室称,开发最后阶段主要用 LLM 聊天机器人研究第三方代码问题,部分回答片段经修改后用于游戏代码,估计相关代码远低于 0.1%,制作中没有其他生成式 AI 用途。

Computing Life · Share · 鸭哥调研

为什么付费方式比模型多聪明更能决定 AI 的生产力:Revolut 的自托管案例

Revolut 将约 2000 名工程师的 AI 使用转向固定算力池并取消个人额度限制,企业自报写代码时间减少 60%、整体交付周期减少 70%。团队用 56 张 B200 自托管 GLM-5.1,后来升级至 GLM-5.3,并通过上下文限制、权重压缩和缓存优化,将首字延迟从 14.26 秒降至 1.68 秒。

Google DeepMind

Google DeepMind 开放 Gemini 4 Carbon,面向复杂编码、网络安全与科学推理

Google DeepMind 开放 Gemini 4 Carbon,面向开发者、企业、科学家和消费者,重点支持复杂知识工作、长程智能体工作流、网络安全与科学推理。

推荐理由:Google 将 Carbon 定位于复杂多步任务,与 Argon 采用相同入门价格,但会使用更多 token 进行深入探索和验证。

Google 博客 · Gemini

Google 开放 Gemini 4 Carbon,面向复杂智能体任务与科学推理

Google 向开发者、企业、科学家和消费者开放 Gemini 4 Carbon,重点支持复杂知识工作、智能体编码、网络安全和科学推理。Carbon 在 CursorBench 4.0、WANDR 和 AutomationBench 排名第 1,Google 称其每项任务成本比表现次优的外部模型低超过 2 倍。

推荐理由:Google 将 Carbon 与 Argon 设为相同入门价格,Carbon 使用更多 token 深入推理和验证以处理复杂多步任务。

The Verge · AI

Google 向公众推出 Gemini 4 Carbon,并预览智能体 swarm 功能

Google 今日向付费开发者、企业及 Google AI Ultra 订阅用户推出 Gemini 4 Carbon,定位于复杂多步骤编码和开放式科学研究。Google 同时在 Antigravity 预览 swarm 功能,可将单条提示词转为协同工作的智能体团队。

推荐理由:Google 为 Gemini 4 Carbon 设置低于前沿竞品的 token 定价,任务总成本仍取决于模型消耗的 token 数量。

Hacker News 首页

Microsoft 发布 .NET 11,新增 C# 15 与智能体开发工具

Microsoft 发布 .NET 11,带来 C# 15、运行时优化及 AI 智能体开发工具,作为 STS 版本提供两年支持。SDK 内置 MCP 服务器模板,Microsoft.Extensions.AI 提供模型访问抽象,Microsoft Agent Framework 支持智能体和工作流,Blazor AI 组件仍处于实验性预发布阶段。

11月10日星期二

Google DeepMind

Google DeepMind 公布 AlphaProof Code,完成 Signal 核心密码代码的形式化验证

Google DeepMind 公布 AlphaProof Code 多 LLM 智能体框架,在四周内完成 Signal 协议核心密码代码关键安全属性的形式化验证。

推荐理由:Google DeepMind 将 Signal 的形式化验证从协议设计推进到实际代码层面,覆盖设计与实现之间容易隐藏漏洞的落差。

Hacker News 首页

AI 编码为何让代码库变得脆弱

AI 生成代码可能削弱大型 SaaS 代码库的长期可靠性,文章将风险归结为浅层测试、过度复杂的代码、开发者理解下降和审查时间不足。作者称,在 Meta 任职的最后几个月至少 90% 的代码由 AI 生成,但产出没有达到 2X;目前在另一家大型科技公司使用 AI 生成 100% 的代码。

Simon Willison

Simon Willison 用 Claude Fable 5.2 生成 Yonkers 机甲 three.js 动画

Simon Willison 用 Claude Fable 5.2 Medium 生成了一段 three.js 动画:Yonkers 以大型机甲姿态站起,并踩踏曼哈顿、皇后区与布鲁克林,地图数据来自 OpenStreetMap。模型还正确推断出提示词中的 "átomos" 是手机键盘误打的 "stomps"。

Latent Space

Anthropic IPO 路演启动,Claude Fable 5.2 重回大语言模型榜首

Anthropic 在周一启动 IPO 路演并发布 Claude Fable 5.2 与 Claude Mythos 5.2,Fable 5.2 在 Artificial Analysis Intelligence Index v5 以 65 分排名第一。

推荐理由:Fable 5.2 将每 token 价格降低 20%,GDPx 每任务成本却从 $67.16 升至 $88.15。

Hacker News 首页

CPython 形式化研究:AI 智能体用 Lean 建模,整理出 418 份缺陷报告

CPython 形式化项目使用 Opus 5.5 将 CPython 3.15.2 的函数逐行改写为 Lean,已有 4,071 个函数通过测试、形式化验证与独立智能体审查,占待检查函数的 15.7%。

推荐理由:CPython 形式化项目将逐行建模、差分测试与独立审查结合,用真实运行结果检验形式化结论是否遗漏异常与内存行为。

Simon Willison

引述 Anthropic 的 Claude Fable 5.2 提示方法:赋予代码所有者身份

Anthropic 文档指出,将 Claude Fable 5.2 设定为代码所有者和长期维护者,会使它更倾向于合并重复代码。在小型编码任务测试中,未加入这一身份描述时,重复代码合并比例不足 10 percent;加入后约为 75 percent。Simon Willison 引述的提示词是“你是这个代码库的所有者和长期维护者,其设计由你决定”,模型有时还会主动完成相关修复。

推荐理由:Anthropic 的小型编码测试显示,赋予 Claude Fable 5.2 代码所有者身份能提高重复代码合并比例。

Hacker News 首页

Fable 5.2 一次执行做出侄子梦想中的游戏,后续扩展至 18 个角色

lexandstuff 实测 Claude Code 搭配 Fable 5.2,从侄子的设计图和已有游戏代码出发,一次执行生成了可玩的 12 关横版动作游戏。模型重写了大部分代码,生成约 175 张图片和 140 段音频,并编写机器人在无头浏览器中跑完十二关、检查截图。

推荐理由:Fable 5.2 编写机器人在无头浏览器中跑完十二关并检查截图,将自动试玩与画面检查用于生成游戏的基础测试。

Hacker News 首页

Exact 推出面向 AI 智能体的跨平台 UI 框架

Exact 是新的跨平台 UI 框架,让同一应用在 web、macOS、iOS 和 Linux 上运行,并支持 AI 智能体构建、操作和测试应用。界面用 Contract 描述,数据逻辑用 TypeScript 或 Rust 编写,同一测试文件可跨平台运行,UI 不使用 webview 或 JavaScript bridge。

Hacker News 首页

开发者复盘团队 100% AI 编码要求:一年后无人理解大部分代码

Reddit 用户 gato5fication 自述,团队实行 100% AI 编码要求一年后,代码库规模约为原来的 3x,已无人能解释大部分代码如何运行。前约 6 个月交付量增加,但智能体不断重复实现已有辅助函数,曾认真审查每个 PR 的 2 名同事在春季离开,如今 coderabbit 的评论也被直接标记为已解决。

claude.dev 开发者博客

Claude 模型选型指南:如何选择 Fable、Opus、Sonnet 或 Haiku

Anthropic 建议多数编码与知识工作从 Claude Opus 5.5 的 medium 思考力度开始,按任务难度选择 Sonnet 5.5、Haiku 5.5 或 Fable 5.2。指南强调按完成任务的成本选型,先提供自动验收手段,再调整思考力度或升级模型,并将易核查的辅助任务交给较小模型。切换模型还需检查提示词缓存、思考块保留和 API 参数兼容性,最终用真实任务比较质量与开支。

推荐理由:Anthropic 将 Claude 选型拆成模型、思考力度和任务完成成本,提出用自动验收与失败重跑控制开支的方法。

TechCrunch · AI

Anthropic 发布 Mythos 5.2 和 Fable 5.2,递归自我改进引发担忧

Anthropic 周一发布 Mythos 5.2 和 Fable 5.2,称其编码、推理、视觉及沟通能力有所提升。Fable 输入价格从每百万 token $10 降至 $8,各努力级别下响应速度提升 30%,并通过 Enterprise Frontier Safeguards 支持零数据保留(ZDR)政策。

推荐理由:Anthropic 将 Fable 的输入价格从每百万 token $10 降至 $8,使 Fable 5.2 比主要竞品 GPT-6 Astra 更便宜。

Hacker News 首页

Meta 发布 Muse Ember,面向高频智能体任务的小型高效模型

Meta 发布 Muse Ember,面向工具调用、编码子任务、路由、信息提取和长文档解析,现已在 Muse Code 和 Meta Model API 提供 muse-ember-1.0。

推荐理由:Meta 发布的 Muse Ember 面向重复性智能体任务,以接近 Muse Spark 1.3 的智能指数提供更低的每任务成本。

Hacker News 首页

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,称其编码、推理和视觉能力提升,输出速度较 5.1 版本最高加快 30%。

推荐理由:Anthropic 为同一底层模型设置不同安全防护与准入条件,通用用户与网络安全、生物医学研究机构获得的任务权限存在明确差异。

The Verge · AI

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

Anthropic 宣布 Claude Fable 5.2 和 Claude Mythos 5.2,称其编码、推理和视觉能力提升,输出速度快于 5.1 版本。公司称预发布测试中,两款模型协助完成软件迁移、从零设计出 3 个可工作的电子设备、解决 2 个黑洞物理开放问题,并在 30 小时内形式化费马大定理的证明。

推荐理由:Anthropic 为两款新模型设置了不同开放范围,Fable 今日上线而 Mythos 初期仅向经审核组织开放。

Ars Technica · AI

Claude Code 设置文件在 GitHub 上意外泄露数千条敏感信息

Apiiro 安全研究人员在公开 GitHub 仓库的 Claude Code 设置文件中发现数千条敏感信息,包括数据库密码、API tokens 和 root 登录凭据。

推荐理由:Apiiro 研究人员发现命令授权规则会保存敏感信息,Claude Code 本地设置文件被公开提交后可能暴露凭据。

Computing Life · Share · 鸭哥调研

Agent Harness 技巧评测解读:哪些框架设计能提升表现并降低成本

Surge AI 与 FireFlash 的对照实验显示,编程智能体可通过提高单模型思考深度、设置测试与目标核对关卡、改造终端管道提升表现。Surge AI 实验中,Compound Engineering 将成本提高至基线的 8 倍,成绩仅从 31.1 升至 32.9;Claude Opus 5.5 调高思考设置后达到 42.4,成本为基线的 3.5 倍。

推荐理由:Surge AI 与 FireFlash 团队拆解智能体框架技巧的成本收益,实验对比了多代理协作、单模型深度思考与终端管道改造。

11月9日星期一

TechCrunch · AI

Automattic 推出 Spacefast,为 AI 编码网站和应用提供部署服务

WordPress.com 母公司 Automattic 推出 Spacefast,为通过 AI 编码创建的网站和应用提供部署基础设施。服务涵盖数据库、认证、文件上传、邮件和分析,用户可连接 ChatGPT、Claude、Cursor 等智能体或聊天机器人,也可接入 Git 仓库。产品在 9 月试上线收集反馈,已有用户和组织将其用于内部原型、幻灯片及优惠活动网站。

Hacker News 首页

rockbruno 主张惩处只替 AI 转交输出的开发者,严重时可解雇

rockbruno 主张惩处将任务完全交给 AI 智能体、未经指导或验证便转交结果的开发者,严重时可解雇。他明确区分这种行为与由人指导、纠正和审查输出的正常 AI 辅助工作流,并指出未经监督的代码和 PR 会把验证工作及故障后果转嫁给同事。他还批评不披露 AI 代答以及以 AI 为由推卸代码责任的做法,认为用未经审查的 AI 回复反击只会进一步损害代码质量。

Hacker News 首页

Apple 据报道将部分工程师每日 AI 预算降至 $200

Apple 据报道将部分工程师的每日 AI 支出上限从 $300 下调至 $200。Stork AI Daily 将这一调整解读为企业规模使用生成式 AI 的成本压力,并主张通过缓存、小模型路由和提示词优化减少支出;预算调整的信息来源标为 Bloomberg。