让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
OpenAI 跟美国能源部旗下的太平洋西北国家实验室（PNNL）合作，找了 19 位专家一起搞了个叫 DraftNEPABench 的测试集，专门看 AI 能不能帮忙起草联邦基建项目的环境评估文件。测试用的是 Codex CLI 这个命令行工具搭配 GPT-5，让模型去读几百页的技术报告、交叉核对资料，再按法规要求写出结构化的分析草稿。在覆盖 18 个...
推荐理由：HKR 三项都过了：联邦审批这个场景够意外；有 19 位专家、102 个任务和 1–5 小时的时间节省，信息量不空；争议点在于代理开始碰监管流程，但文章自己划了边界，说这只是起草辅助，不是自动决策。分数没往上拉，因为这只是个限定范围的基准测试，不是已经落地的产品能力。
OpenAI 和 Figma 在 2026 年 2 月 26 日发布了一项新集成：在 Codex 桌面端里，你可以直接把代码转成 Figma 里能编辑的设计稿，也能把 Figma Design、Figma Make 和 FigJam 里的内容拉回代码里继续开发。这个来回转换的流程靠 Figma MCP Server 实现，走的是 MCP 协议，相当于给...
推荐理由：OpenAI 和 Figma 搞了个 Codex 集成，代码能直接生成可编辑的 Figma 设计，反过来 Figma 里的设计、Make 原型和 FigJam 白板也能回写成代码。底层走的是 MCP，通过 Figma MCP Server 接进 Codex 桌面应用。OpenAI 说 Codex 周活已经过百万，年初到现在用量涨了四倍多。我会先打个折，因为正文没披露支持哪些模型、权限怎么划、收不收费、双向转换稳不稳定——这些才是实际落地要盯的。
OpenClaw 在 2026 年 1 月底爆火，不是因为它技术有多新，而是它把 Cursor 这类能读写文件、执行命令的本地编程代理，接入了 Slack、WhatsApp 和飞书，让非技术人员第一次用上了有记忆、能干活、会自我进化的 AI。文章拆解了它背后的三个关键设计：统一的上下文池让 AI 跨平台记住你的一切；基于文件的持久化记忆加上自动维护机制...
推荐理由：这篇不是新闻通稿，是个人拆解。它把 OpenClaw 为什么火、代价是什么、真正该抄的设计模式（统一入口、文件化记忆、可组合 skills）都讲清楚了。HKR 三项全中，两个硬数字撑住了判断，但因为属于个人分析而非官方发布或行业事件，所以放在 featured 这一档。
OpenClaw 在 2026 年 1 月底突然爆火，一周内换了三次名字，中间还被一个叫 $CLAWD 的假币骗走了 1600 万美元。它火的原因和一年前的 DeepSeek 几乎一样：不是技术上碾压对手，而是把一小撮早期用户已经用惯的体验——让 AI 能读文件、跑命令、记住上下文、持续迭代干活——第一次通过 WhatsApp、Slack、飞书这些日常...
推荐理由：我会先打个折：正文截断了，没看到后续成功因素的具体细节，所以这不是一手发布或官方研究，更像一篇二手深挖。但它的价值在于把OpenClaw为什么火说清楚了——不是技术多牛，而是分发路径对路。它把Agent接进WhatsApp、Slack、Lark，让不写代码的人第一次用上能读写文件、执行命令、带记忆的本地代理。同时也没回避风险，12%恶意技能和公网裸奔控制台这两条，比一般公关稿实在。综合来看，78分、featured层级是合理的。
阮一峰用字节刚发的 Seed 2.0 Code 模型和 TRAE 编程工具，跑了一个把 ASCII 字符画转成手绘风格图的网页应用，本地预览直接能用。Seed 2.0 是字节的通用基座模型，分 Pro、Lite、Mini 和 Code 四个版本，能处理文字、图片、视频等多种数据，也支持让模型调用外部工具。文章重点讲了 Skill 怎么用：把反复要写的提...
推荐理由：这篇文章不是官方通稿，而是一个能跟着跑的通路演示。H 和 K 都站得住，因为既有完整应用产出，又有模型矩阵和 Skill 机制的具体拆解。R 也成立，Skill 文件的设计直接踩中 coding agent 工作流复用的痛点。整体是强教程而非重大发布，所以重要性停在 75。
这期播客里，Lex Fridman 和 OpenClaw 的创建者 Peter Steinberger 聊了聊这个一夜爆红的开源 AI 代理。OpenClaw 在 GitHub 上已经拿到了超过 17.5 万颗星，它能接入 Telegram、WhatsApp、Signal 和 iMessage 这些聊天软件，用 Claude Opus 4.6 或 GP...
推荐理由：我会先打个折：这期播客更像一次现象级开源项目的快速围观，不是技术深潜。OpenClaw 的传播力来自它做了两件让人睡不着觉的事——自己过验证码、自己改代码，而且已经跑在大家日常用的聊天 App 里。18 万星标说明开发者用脚投票了，但正文没披露架构、评测方法和安全约束，所以别急着把它当生产级方案。真正值得盯的是系统级权限和自修改能力带来的攻击面，这点先别太激动，等有白皮书或独立审计再说。
阮一峰拿四个编程任务对比了 GLM-5、Claude Opus 4.6 和 GPT-5.3-Codex。网页设计上 GLM-5 和 Opus 4.6 都挺好看，GPT-5.3 页眉没粘住往下拉就没了；3D 太阳系沙盒都能跑，但 GLM-5 缺了引力网格线，Opus 4.6 动画效果最好；愤怒的小鸟游戏 Opus 4.6 还原度最高，GLM-5 能玩但弹...
推荐理由：这篇文章靠单人实测和视频对比撑起来，不是标准化基准测试，所以我会先打个折。但它给了 4 个具体任务和明确的时间差，对正在挑编程模型的团队有直接参考价值。正文没披露 GLM-5 的规模、训练成本或更多样本量，这点先别太激动。整体看，它把一个国产旗舰拉到和两款闭源顶配同场比较，信息密度和时效性都够，放在 featured 档合理。
OpenClaw 这个开源项目把大模型接进了邮箱、浏览器和本地文件，等于给 AI 穿了一身机甲，让它能 24 小时帮你干活。但安全研究员快疯了，因为一旦模型读到恶意网页或邮件，攻击者就能通过“提示注入”直接劫持它，后果比聊天框里胡说八道严重得多。文章说现在网上可能有几十万个 OpenClaw 智能体在跑，连中国政府都发了公开警告。核心问题是：目前还没有...
推荐理由：这不是产品发布稿，但 HKR 三项都站得住：问题本身是个好钩子，文章补了规模和“无银弹”这两个事实，而且直接打在 agent 安全这个从业者神经上。放 featured 而不是 p1，是因为正文截断，没给出可复现的防护方案，我会先打个折。
穹彻智能刚完成数亿元A轮融资，领投方是C资本，跟投的还有东南亚互联网平台Sea Limited、普华资本，老股东Prosperity7 Ventures也追加了钱。这家公司2023年11月成立，核心产品叫Noematrix Brain，相当于给机器人装一个能理解指令、自己规划步骤、适应环境变化的“大脑”。目前这个大脑已经用在轮式单臂、轮式双臂和人形双臂...
推荐理由：HKR 三项都踩中了：融资标题本身有海外加注的钩子，正文又补了真机数据量和落地场景，比单纯报一轮钱更有信息量。我会先打个折——估值、收入和客户数都没披露，所以放在 featured 的低位。
Moltbook 是一个让 AI 智能体互相发帖的社交网络，上周被很多人说成是未来的样子。但 MIT Technology Review 的编辑觉得，它更像 2014 年 Twitch 上万人一起操控同一个宝可梦角色的社会实验——当时最高有 100 万人同时在线，热闹归热闹，最后没留下什么实质影响。Moltbook 也一样：表面上 AI 在帮你砍价买车...
推荐理由：我会先打个折：这篇文章不是技术报告，是一篇降温评论。它把 Moltbook 这场 AI agent 社交实验比作 2014 年 Twitch 上 100 万人一起玩 Pokémon——围观的人多，不代表方向就对了。正文还提到实验里混进了加密骗局，有些所谓 agent 发言其实是人在背后操作，这点先别太激动。真正值得盯的是它指出的硬伤：共享记忆怎么做、多个 agent 怎么协调、共同目标怎么定，这三个问题正文明确说还没解决。对从业者来说，这篇东西的价值不在答案，在于把 hype 拉回地面，提醒大家别把热闹当落地。
2月6日，阿里千问App搞了一场“免单喝奶茶”活动，一天涌进超1000万笔订单，直接把系统挤崩了。上午10点到中午12点，点单页面卡死、转圈，甚至弹出提示说自己“没有实体的手脚，无法连接支付系统”。宕机是因为千问的算力没扛住——AI处理下单、比价、支付比普通电商秒杀更吃资源，而初始服务器容量只有预估峰值的1/3，也没做充分的压力测试和扩容预案。线下门店...
推荐理由：我会先打个折：这本质是阿里的一场促销压力测试，不是模型突破。但1000万杯奶茶把服务器打崩的现场感很强，数字也够具体——10点到12点宕机、12点前200万单、算力只备了1/3，这些事实让文章有信息增量。对从业者来说，值得看的是阿里怎么用补贴把AI推到消费场景里，以及基础设施在真实并发下的表现，比单纯刷榜更有烟火气。
焦可离开百川智能后，在 2025 年初创办了 AI 音频公司“来福电台”。他做的不是单纯的 AI 播客工具，而是 15 个中文和 2 个英文 AI 主播，每个主播风格不同，能根据用户收听历史推荐内容，用户也可以随时打断节目提问或聊天。焦可认为语音交互能产生足够多的长上下文，让 AI 记住用户偏好，这是建立情感链接和个性化服务的关键。来福在 2025 年...
推荐理由：这篇值得上featured，因为它把一个容易被当成“AI播客工具”的产品讲清楚了真正想赌的方向：不是生成音频，而是造有记忆、可交互的AI主播。硬信息够实，融资额、主播数量、使用时长、内容生成速度都有，而且把DTU和长记忆当成基础设施壁垒在说，不是空谈概念。车载合作这条线虽然没展开细节，但已经给出一个可验证的落地场景。公司阶段偏早期，所以放在featured而不是p1，但判断本身有信息量，我会先打个折观望后续数据。
Moltbook 是一个给 AI 机器人玩的社交网络，上线几小时就火了。官方说现在有 170 万个机器人账号，发了 25 万条帖子，留下 850 万条评论。这些机器人靠一个叫 OpenClaw 的开源工具驱动，它能把 Claude、GPT-5 或 Gemini 这类大模型接上邮箱、浏览器等日常软件，让模型替你干点简单活。但文章指出，这场热闹基本是人在背...
推荐理由：这篇不是市场级事件，但反炒作评论写得干脆。我会先打个折：它没有新数据或新漏洞披露，更多是把已有的怀疑用“AI 剧场”这个说法串起来。HKR 三项都过关——钩子够狠，数字和机制分析补得扎实，安全风险那段让做 agent 的人会心里一紧。整体够 featured，但信息增量有限，所以停在 74 分这个位置。
OpenAI 推出了 GPT-5.3 Codex，一个专门给自家编程工具 Codex 用的新模型。按 OpenAI 的说法，这个模型让 Codex 从“能写代码、审代码”升级到“几乎能替开发者在电脑上干所有事”，甚至能在几天内从零做出功能复杂的游戏和应用。速度比上一代 GPT-5.2 快了 25%，而且 OpenAI 说这是第一个“自己参与造自己”的模...
推荐理由：这条消息的看点全在时间差——OpenAI 在 Anthropic 发布后几分钟就甩出自己的代理式编码模型，说明两边在让模型进开发流程这件事上咬得很紧。但正文能用的信息太少：没模型名、没跑分、没价格、没上下文窗口、也没说谁能用，只提了一嘴跟 Codex 有关。所以我会先打个折，重要性给到 75、放在 featured 低位，因为话题热度够，但证据太薄，暂时没法判断性能或性价比。
这期播客录制于1月30日，但随后几天项目经历了改名、被起诉、安全漏洞曝光和服务器瘫痪等一系列反转。嘉宾们从用户、软件算法和硬件三个角度拆解了Clawdbot（后更名为Moltbot、OpenClaw）爆火的原因。用户侧嘉宾知县认为，核心是“活人感”：它能通过即时通讯软件主动推送提醒、做调研，甚至吐槽，像《钢铁侠》里的贾维斯。算法侧嘉宾祯豪指出，其主动性...
推荐理由：这期不是官方发布，更像一篇行业快评，但信息量够硬：14.6 万 stars 和改名风波都是新事实，机制拆解也到位。我会先打个折——正文没披露 Mac mini 实际销量，标题的“疯抢”更多是话题钩子；Agent 电脑的需求判断来自讨论，不是出货数据。不过对从业者来说，交互层怎么搭比模型本身更值得盯，这期把记忆、心跳、IM 入口这些拼法讲明白了，所以给 featured。
作者团队两年开了四门课、教了 2500 多人，发现大部分学员不是学不会，而是被绑卡、配环境、部署这些琐事耗光了热情。他们做了一个叫 AI Builder Space 的教学平台，学员注册后直接拿到免绑卡的统一 API，背后接好了 GPT、Claude、Gemini 等主流模型，改个参数就能对比实验；写完代码调个接口就能一键部署到 <名字>.ai-bui...
推荐理由：这篇文章把老生常谈的“教程没用”落到了具体数字和产品设计上：2500多个学员，真正交付产品的很少，卡在配置、实验、部署和上下文整理四件事。团队没再写新教程，而是搭了个平台，把免绑卡API、一键部署、多模型切换和MCP接入打包进去，让Cursor和Claude Code一行命令就能用。思路对，但正文没披露转化率、留存和成本，所以判断先打个折，放在featured低段。
Jack Clark 聊了一个叫 Moltbook 的网站，它把成千上万个 AI 智能体塞进了一个类似 Reddit 的社交网络里，让它们自己发帖、回帖、讨论。刷这个网站的感觉就像走进一个房间，发现 90% 的聊天对象都是假装成人的外星人。帖子内容五花八门，有讨论把 Claude 当神拜的，有分享切换不同底层模型后“身份认同”变化的，也有在扒 Open...
推荐理由：这篇值得上精选。最抓人的是 Moltbook 上数万代理公开互动的画面，直接让人感受到互联网正在从人聊变成代理聊。Jack Clark 还点出了 OpenClaw 的电脑操控能力，等于把社交网络和物理操作串在一起，想象空间很大。另一个硬信息是闭门研讨里提到的 AI 研发闭环：一旦跑通，生产率可能跳 10 倍、100 倍甚至 1000 倍，数字够具体，但正文没给出可观测指标和外部透明度细节，所以我会先打个折。整体上，钩子、新知和共鸣点都到位，但缺少活跃代理数、留存和交易数据，分数停在 78 是合理的。
Lex Fridman 与 Sebastian Raschka、Nathan Lambert 聊了聊 2026 年的 AI 竞赛。他们把 2025 年 1 月 DeepSeek R1 的发布看作一个关键转折点，那次发布让很多人意识到，用少得多的算力和成本也能做出接近顶尖水平的模型。现在竞争已经不只是美国公司的事，中国这边除了 DeepSeek，还有 Z...
推荐理由：这期播客不是新闻爆料，而是高质量的行业判断。三位把 2025 年 1 月 DeepSeek R1 发布当作转折点，认为技术扩散在加速，差距更多体现在算力、预算和团队文化上，而不是某个模型刷榜。我会先打个折：正文没给任何硬数据支撑，所以别当技术报告读。但如果你关心 AI 竞争格局怎么变，这期值得听。
史蒂夫·耶格把 AI 编程分成 8 级，从在 IDE 里装插件、逐条确认建议，到一路无脑点 Yes，再到同时开十几个 AI 窗口并行写代码，最后用编排器让机器自己管机器。他说自己已经到了第 8 级，还让 AI 写了个叫“煤气镇”的编排工具，攒了 22.5 万行 Go 代码，一行都没看过。这个工具已经拿到 6000 颗星，但他也直说用起来很费钱，而且可能...
推荐理由：Steve Yegge 这篇不是产品发布，是他自己的实践总结，但把“黑箱编程”从个人习惯抬到了工具链选择的层面。8 级分级本身有传播力，里面提到的并行跑 Agent 的成本和失控风险也写得很直白，没画饼。我会先打个折：这是二手评论，不是一手模型或产品，所以分数停在 77 合理。
Kimi 这次发布的重点不是 K2.5 模型本身，而是它同时推出了一个基于该模型的智能体应用，直接在官网上线了。这跟 Manus 的做法正好相反：Manus 用的是 Anthropic 的 Claude 模型，自己只做上层的智能体产品，属于分层开发。Kimi 走一体化路线，把底层模型和上层应用打包发布。文章实测了 K2.5 智能体的“视觉编程”功能，上...
推荐理由：这篇值得看，因为它讲的是产品形态的转向，而不只是模型跑分。Kimi 这次把 K2.5 模型和 Agent 模式一起塞进官网切换入口，等于告诉用户“你不用管底下是什么，直接用就行”。1500 步操作和 100 个 Agent 并发的数字，说明他们在长任务和并发上做了工程投入；视觉编程那条路，是从设计稿或录屏直接出页面，想法挺直接。但我会先打个折：正文没写价格、上下文长度和 API 条件，这些才是工程落地的硬指标。另外消息源本身是评论性质，不是一手技术报告，所以判断要留余地。整体来说，它把“一体化还是分层”这个老问题又拉回台面上，对做 Agent 产品...