AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。
Ox Alpha 突然出现在 LMSYS 排行榜上，在数学和编程基准测试里压过了 GPT-5.1 和 Gemini 3.0 Pro，目前完全免费。没人知道是谁做的——官网只有一张奶牛照片和一个邮箱。开发者圈子里在猜这可能是某家大厂匿名放出来的测试版，但正文没披露模型规模、训练数据来源，也没说背后到底是谁在运营。这点先别太激动，信息缺口还很大。
推荐理由：Ox Alpha 空降 LMSYS 榜单，数学和编程分数压过 GPT-5.1 和 Gemini 3.0 Pro，还免费开放，神秘感拉满。Bloomberg 的报道增加了可信度，但正文没披露模型规模、训练数据来源，也没说背后是谁在运营，信息缺口很大，所以分数卡在 featured 级别。
Simon Willison 开了个新坑，叫《智能体工程模式》，专门记录怎么用好 Claude Code、OpenAI Codex 这类能自己写代码、自己跑测试的编程工具。他先划了条线：vibe coding 是完全不看代码、让模型随便搞；智能体工程则是专业程序员用这些工具放大自己的判断力，不是撒手不管。项目前两章已经发了，一章讲“生成代码的成本几乎为...
推荐理由：Simon Willison 开了个新系列，第一件事就是给两种 AI 编程方式划清界限：vibe coding 是完全不看代码让模型瞎搞，agentic 工程则是专业程序员用这些工具放大自己的判断力，不是撒手不管。这个区分很及时，因为现在很多团队正卡在“该信模型多少”的纠结里。目前只发了两章，正文没披露具体模式细节，更像一个概念框架和项目预告，所以重要性先打个折。等后续章节把实战模式补上，值得再回来看。
Prime Intellect 搞了一场“极速挑战”，把 18 个前沿模型分别配上编程助手，让它们自己动手改 NanoGPT 的训练脚本，目标是尽可能降低验证损失。Fable 5 搭配 Claude Code 跑出了 2,726 的最好成绩，把人类基线到最优记录之间的差距补上了 81.7%。第二名 Opus 5 和第三名 Kimi K3 分别补上了 5...
推荐理由：Prime Intellect 搞的这场极速挑战，让模型自己动手改 NanoGPT 训练脚本，比的是谁能把验证损失压到最低。Fable 5 加 Claude Code 跑出 2,726，把人类基线和最优记录之间的差距补上了 81.7%，第二名和第三名只补了 5% 左右，领先优势非常明显。排行榜、方法和具体数字都公开，对做 agent 和看 benchmark 的人有直接用处。
Armin Ronacher 观察到，大模型让熟悉一门语言的成本变得很低，选什么语言不再那么重要，开发者反而更看速度宣传来选型。Rust 用户明显变多，Zig 也开始出现在 Cloudflare Artifacts（一个约 100 KB 的 Wasm Git 引擎）和 Vercel fx 这类项目里，而且基本都是靠 LLM 辅助写的。更硬核的技术——D...
推荐理由：Armin Ronacher 的观察有具体项目背书，不是纯感觉。核心洞察——大模型降低语言切换成本——不算新，但他往下推了一步：开发者现在按速度宣传选语言，Rust 和 Zig 正好吃这波红利。正文没给具体用户增长数据，'明显变多'是定性判断，这点先别太激动。如果是真的，说明 LLM 在悄悄改变技术选型的底层逻辑，而不只是帮人写代码。
Dan Luu 拿之前用 AI 花一个月跑出来的正则引擎 FRE 做实验，让 AI 花几分钟就把它的即时编译（AOT）塞进了 ripgrep。效果是长查询能快 2 到 4 倍，但在他自己真实的混合查询里只快了约 7%。他解释这主要是为了那些跑好几秒甚至几分钟的搜索，短查询变慢一点可以接受。他还提到，用 GPT-5.1/5.2 时期的模型，自己零游戏 A...
推荐理由：Dan Luu 拿自己之前用 AI 花一个月跑出来的正则引擎做实验，让 AI 花几分钟就把即时编译塞进了 ripgrep。长查询能快 2 到 4 倍，但他自己的真实混合查询只快了约 7%，短查询反而会变慢一点。他解释这主要针对跑好几秒甚至几分钟的搜索场景。标题说“软件没理由再慢了”有点夸张，但实验数据很诚实，没藏着掖着。我会先打个折：这更像一次具体场景的验证，不是通用结论。不过对做性能优化的人，这个案例值得一看，能吵起来。
Anthropic 把自家用 Claude 开发软件的内部手册开源了，覆盖了从需求、设计到写代码、测试、运维的全流程。手册里给了具体的实践方法和团队结构调整建议，比如让模型参与需求评审、自动生成测试用例。但正文没披露任何量化指标，比如效率提升了多少、bug 率降了多少，所以这更像一份方法论指南，不是独立评测。如果你想知道他们内部到底省了多少时间，这篇里...
推荐理由：Anthropic 开源了内部 SDLC 实战手册，覆盖全流程且给了具体实践方法，对用 Claude Code 的团队有直接参考价值。但零量化指标，更像方法论指南而非独立评测，刚好卡在 featured 门槛上。
作者用 AI 写了 7 个 macOS 原生应用，包括 Markdown 阅读器、数学计算前端、音乐播放器、自动维基、食物热量估算、温度监控和 Apple TV 遥控器，一行 UI 代码都没手写。他的方法是截一张设计图扔给 Claude，让模型直接生成 SwiftUI 界面。文章没给性能或兼容性数据，但展示了真实可用的集成：SQLite 做后端、虚拟文...
推荐理由：截图扔给模型出 SwiftUI 这套流程，7 个真实应用撑着，比纯观点输出硬多了。但正文没给任何性能或兼容性数据，标题也更像宣言而不是评测，所以分数压到 72。如果是真的，省 UI 开发时间这点挺诱人，不过没数据之前先别太激动。
Ox Alpha 是一个没公开开发方的推理模型，主打写代码、长时间跑智能体任务和生产环境负载。现在在 OpenRouter 上可以免费用，上下文窗口有 100 万 token，P50 延迟 1 秒，生成速度每秒 69 个 token。正文没披露是谁做的、参数量多大、免费期持续多久。从使用数据看，Claude Code 和 Nous Research 的...
推荐理由：一个匿名推理模型免费上线，主打写代码和长时间智能体任务，100万token上下文、P50延迟1秒、每秒69个token，Claude Code和Nous Research已经在用。但正文没披露开发方、参数量、免费期持续多久，这些信息缺口让判断得打个折——如果是真的挺省钱，但先别太激动。
Slack 新功能 Slack Code 给频道加了一个“代码”类型，让 Claude Code、Devin、ChatGPT 这类编程智能体直接在频道里干活。团队能看到对话、代码差异对比和实时预览，不用再切到别的工具。每个频道对应一个项目，任务做完会自动归档，留下审计记录。正文没提定价和具体上线时间。
推荐理由：Slack 把编程智能体的工作流塞进频道，解决的是“智能体干活别人看不见”这个团队协作痛点。产品思路清楚，但正文没提定价和上线时间，目前只是预告不是正式发布，所以分数压在 80 以下。
Mike Kasberg 翻出抽屉里吃灰两年的 PineTime 手表，用 OpenCode 搭配 Kimi K3、K2.6 和 DeepSeek v4 等开源模型，照着照片复刻了一个卡西欧风格的表盘。他先在 InfiniSim 模拟器里跑通编译，但模型第一版只是猜着放文字位置，元素全叠在一起没法看。于是他换成逐个元素给具体反馈、修好一个再修下一个。后...
推荐理由：这是一篇第一人称的动手实验，调试细节真实，不是教程汇总也不是软文。H 和 K 都站得住，但受众窄、缺少跨源讨论让 R 起不来，刚好卡在 featured 的门槛上。
唐杰在 X 上发了一长串帖子，核心就一句话：光看参数量没意义，得把数据量、算力花在哪、模型在什么条件下跑这三件事一起看。GLM 5.3 的提升全靠强化学习在长周期环境里训出来的，有些任务模拟了工程师好几天的工作量，比如给模型一个真实的集群环境，让它自己诊断瓶颈、做优化、跑实验，最后交出可衡量的加速结果。他们搞了一套全自动的合成管线来生成这种可执行、可验...
推荐理由：唐杰亲自下场解释 GLM 5.3 的后训练缩放定律，举了模拟集群诊断和优化的实验案例，不是纯话术。但来源是付费 newsletter 的节选，正文没披露具体的加速比、任务成功率这些关键数字，所以判断先打个折——思路有料，验证还得等更多数据。
Jeremy Morrell 认为现在大部分网页应用只服务需求曲线头部的大众功能，长尾需求一直被晾着。LLM 让普通用户也能“用嘴把代码说进系统”，产品可以保留一个稳定核心，靠 AI 生成的扩展去覆盖那些零散需求。他举了 Pi 和 DeepSeek Harness 的例子：用户提需求，系统当场写一段 TypeScript 扩展并热加载生效。文章后半段重...
推荐理由：这篇文章更像一个引发思考的产品观点，不是行业地震级的东西。作者用两个具体产品把“AI 写扩展”这条路走通了，但整体还停留在早期验证阶段，所以放在 72 分这一档的底部。我会先打个折：正文没给出大规模落地的数据，这点先别太激动。
Ornith-1.5 把上一代的自搭脚手架思路升级成完整的自改进闭环：模型自己生成新任务、搭好解题用的脚手架、产出多轮答案，再用强化学习从这些经验里提升自己。旗舰版 397B MoE 在 Terminal-Bench 2.1 上拿了 86.1 分，DeepSWE 上 56.0 分，跟 Claude Opus 4.8（85.0、59.0）基本打平，超过了...
推荐理由：Ornith-1.5 把自改进做成了一个闭环，397B 版本在 Terminal-Bench 和 DeepSWE 上基本跟 Claude Opus 4.8 打平，开源追到这个位置确实少见。没给更高分是因为 Ornith 还不是一线实验室，社区复现和真实部署效果还得再观察。
Replit 上线了 Free Mode，底层跑的是 GPT-5.6 Luna，用户不用再盯着 token 消耗，可以直接在项目里规划、头脑风暴和探索想法。CEO Amjad Masad 说 OpenAI 最近的降价让面向百万用户的免费层终于跑得通。遇到复杂推理任务，系统会切到 GPT-5.6 Sol，处理完再回到 Luna，同时保留项目上下文。Sam...
推荐理由：Replit 免费层上线是个具体的产品更新，有明确的机制（双模型切换）和 CEO 对成本的原话，信息量够上 featured。但它本质上是 OpenAI 的客户故事，不是模型发布，所以分数停在 72 不往上拉。
Bun 已经三个月没出稳定版，是 2022 年以来的最长空窗期。创始人 Jarred 从 6 月就开始预告 v1.4，日期一拖再拖，最近一次说“明天发”，评论区已经公开嘲讽。这次重写把代码从 Zig 搬到 Rust，但过去一个月 1.58 万次提交来自 robobun 机器人，1600 次来自 autofix-ci 机器人，Jarred 自己只提交了 ...
推荐理由：Bun 的 Rust 重写已经让它三个月没出稳定版，是 2022 年以来的最长空窗期。创始人 Jarred 从 6 月就开始预告 v1.4，日期一拖再拖，最近一次说“明天发”也没兑现，评论区已经公开嘲讽。过去一个月 1.58 万次提交来自 robobun 机器人，1600 次来自 autofix-ci 机器人，Jarred 自己只提交了零星几次。这个提交比例说明项目维护状态很不正常，所谓的“AI 辅助开发”看起来更像是自动化脚本在空转。正文没披露具体功能完成度和阻塞原因，但就目前公开的信息，这个版本的质量和发布时间都该先打个折。
AI 竞赛的胜负手从算力转向了真实工作场景里的行为数据。SpaceX 用 600 亿美元股票买下 Cursor，直接接管了 5 万多家企业客户的编码交互记录，用来训练 Grok 4.5 和 4.6。谷歌在精神航空破产拍卖中出价 1000 万美元，买下约 1 亿封邮件、5 亿条 Teams 消息和 3000 万行内部代码。Atlassian 更新了服务条...
推荐理由：SpaceX 600 亿美元全股票收购 Cursor，把开发者行为数据推成了模型竞赛的下一个筹码。文章用谷歌竞拍精神航空内部邮件和代码的出价（1000 万美元）给出了一个具体价格参照，逻辑链清楚：谁拿到真实工作流里的交互记录，谁就能训出更贴地的模型。不过文章是综合信息整理，不是一手爆料，具体交易条款和谷歌最终是否成交都没披露。
这个网站给创始人和工程负责人讲了一个硬核的法律事实：按美国现行版权法，完全由 AI 生成的代码没有人类作者，所以没法申请版权，也不能当成公司资产来保护。它引用了四个已经落定的判例，包括 2026 年 3 月最高法院拒绝审理 Thaler 案，以及 Thomson Reuters 诉 Ross 案中首次驳回了用版权材料训练 AI 的合理使用抗辩，说明规则...
推荐理由：这篇文章把四个美国版权判例串成了一条清晰的结论：纯 AI 生成的代码没有人类作者，所以没法申请版权。对每天大量用 AI 辅助写代码的团队来说，这是个被忽略但风险极高的事实。没给更高分是因为它只讲了美国法律，没覆盖其他司法管辖区，而且对'人类参与多少才算有版权'这个灰色地带没展开。
fx 是一个命令行编程助手，整个程序只有 6.39MB，冷启动只要 10 微秒，运行时内存占用也只有个位数 MB。它不挑模型，可以在本地跑，也能上云，还能编译成 WebAssembly 在浏览器里用。设计上走 Unix 风格：输出极简，没有笨重的终端界面，适合嵌到更大的系统里干活。目前版本号 v0.0.3，官方标了实验阶段，提醒说会频繁改动，先别往生产...
推荐理由：Vercel Labs 开源的一个编程 agent 外壳：6.39MB 二进制、10 微秒冷启动、支持 Wasm，技术选型很干净。没给更高分是因为版本太早期，没有使用数据和讨论热度，我会先打个折。
Modular 公司把 Mojo 语言的编译器、工具链全部开源了，放在 GitHub 的 modular 仓库里，用的是 Apache 2.0 协议（带 LLVM 例外条款）。Mojo 是一门想同时搞定 CPU 和 GPU 编程的新语言，上周刚发布 1.0 版本，承诺了源码稳定性。这次开源意味着开发者可以自由编译和分发用 Mojo 写的程序，不用再依赖...
推荐理由：Mojo 刚发 1.0 就全开源，协议是 Apache 2.0 带 LLVM 例外，这意味着你可以自由编译分发用 Mojo 写的程序，不用再绑在 Modular 的平台上。对想用一门语言同时搞定 CPU 和 GPU 的人来说，这个信号很明确：不再只是试用，可以真用了。没给更高分是因为目前只有官方公告，社区实际反馈和第三方验证还没出来，我会先打个折。
这篇论文的思路很直接：现在的 3D 生成模型大多只给你一个最终表面，看着还行，但没法直接用。Nova3D 换了个做法，它输出的是一段可执行的 Blender 代码，最终那个 glTF 模型文件只是代码跑完后的副产品。因为资产本质是程序，所以生成时就自带零件命名、父子装配树、关节和尺寸约束，不用事后再靠分割或手动绑骨去猜。他们在自己建的 54 项基准上测...
推荐理由：想法新鲜：把 3D 生成从输出表面改成输出可编辑程序，对游戏和仿真管线有实际价值。但这是一篇刚挂出来的 arXiv 预印本，没有产品时间线，也没有跨源讨论簇，所以刚好卡在 featured 门槛 72 分。