跳到正文

AI 编码

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。

1,426 条精选相关主题Agent 智能体Cursor教程实践

最新精选

第 421–440 条 · 共 1,426 条

8月27日星期四

Latent Space

英伟达 130 亿美元收购 HuggingFace,开源阵营又赢一局

NVIDIA 以 130 亿美元收购 Hugging Face,约为其 1.5 亿美元 ARR 的 80 倍,接近其 2026 年 1 月 70 亿美元初始报价的两倍。同期 OpenAI 发布了关于 HF 事件的复盘。该消息由 The Information 率先报道并随后确认。

推荐理由:英伟达以130亿美元收购Hugging Face,约为其1.5亿美元ARR的80倍,也接近2026年1月70亿美元初始报价的两倍,开源模型生态的归属由此改变。

Latent Space

OpenAI 首款推理芯片 Jalapeño 跑分出炉:每瓦性能比 Blackwell 高 1.5–1.9 倍

Latent Space 汇总第 37 届 Hot Chips 大会动态,OpenAI 首次公布自研推理芯片 Jalapeño 的基准数据,称在真实模型负载下每瓦工作量比 NVIDIA GB200/GB300 高 1.5–1.9 倍,端到端延迟低 1.7–3.6 倍,交互型负载性能高 2.1–4.1 倍,芯片标称 700W 但测试中维持在 550W 及以下。

推荐理由:OpenAI 在 Hot Chips 公布自研推理芯片 Jalapeño 的基准数据,每瓦工作量达 NVIDIA GB200/GB300 的 1.5 至 1.9 倍,端到端延迟低 1.7 至 3.6 倍。

Latent Space

Lovable CTO:SaaS 的未来是让 AI 智能体直接调用的“能力”,而不是让人点的界面

Lovable CTO Fabian Hedin 在 Latent Space 访谈中提出,SaaS 的未来是智能体可直接使用的应用,Lovable 正从 AI 建站工具扩展到 MCP 驱动的“capabilities”。

推荐理由:Lovable CTO 在访谈中提出 SaaS 的未来是智能体直接调用的能力,并说明公司正从 AI 建站工具转向 MCP 驱动的 capabilities,为理解 AI 与软件交互方式提供一种行业视角。

8月26日星期三

Hacker News 首页

GLM-5.3-Flash 在 AA 智能指数上排第一,价格也压得很低

Z AI 在 2026 年 8 月放出的 GLM-5.3-Flash,在 Artificial Analysis 的智能指数上拿了 57 分,173 个模型里排第一。这个分数靠的是 9 项评测,包括写代码、用工具、科学推理和长上下文理解。

推荐理由:Z AI 的 GLM-5.3-Flash 在 Artificial Analysis 智能指数上以 57 分位列 173 个模型第一,评测覆盖写代码、用工具、科学推理和长上下文理解。

TechCrunch · AI

那个匿名屠榜的 Ox Alpha 模型,背后是 Z.ai

周末大家还在猜 Ox Alpha 是谁做的,现在确认了:是 Z.ai 的 GLM 系列最新版。这个模型之前匿名挂在 OpenRouter 上,一上线就冲到排行榜第一。Z.ai 说会在周三放出模型权重,开发者可以直接拿来用。官方定位是给写代码、长时间跑任务(agentic work)和需要结合图文推理的场景准备的。

推荐理由:Z.ai 确认匿名登顶 OpenRouter 的 Ox Alpha 出自其 GLM 系列,并计划周三放出模型权重,该模型面向代码、长时间任务与图文推理场景。

AI HOT 精选

智谱开源GLM-5.3-Flash:320B原生多模态模型,能力对标Claude Opus 4.8,价格只要四十分之一

智谱上线并开源了GLM-5.3-Flash,一个总参数320B、激活参数18B的原生多模态模型。它在AA综合智能指数上拿了57分,和Anthropic的Claude Opus 4.8持平,编程表现也相当,但API定价只有Opus 4.8的四十分之一。模型用了稀疏注意力和线性注意力的混合架构,长文本下的注意力计算量比GLM-5.3低了3倍多。

推荐理由:智谱开源GLM-5.3-Flash,320B总参数、18B激活参数,AA综合智能指数57分与Claude Opus 4.8持平,API定价仅为后者四十分之一,开源模型与闭源前沿模型的能力和成本差距由此可比。

AI HOT 精选

通义千问放出 Qwen3.8-Flash,125B 参数每次只用 6B,训练费打骨折

Qwen3.8-Flash 是 Qwen4 架构的早期预览版,总参数 125B,但每次推理只激活 6B 参数,相当于用很小的算力跑一个大模型。原生上下文窗口 262K,能拉到 1M。训练成本只有 Qwen3.7-Plus 的九分之一,官方说写代码和办公任务表现反而更好。权重已经开放。正文没给具体跑分和开源协议细节,这点先别太激动。

推荐理由:通义千问发布 Qwen3.8-Flash,125B 总参数每次只激活 6B,训练成本降到 Qwen3.7-Plus 的九分之一,权重已开放。

AI HOT 精选

Qwen 开源 Qwen3.8-Flash-Next:总参数 125B,每次只激活 6B,提前预览 Qwen4 架构

Qwen 放出了 Qwen3.8-Flash-Next 的权重,这是 Qwen4 架构的早期预览版。模型总参数 125B,但每次推理只激活 6B 参数,另外还带了一个 51B 的 N-gram 词表,可以卸载到内存里异步调用,不占显存。

推荐理由:Qwen 开源 Qwen3.8-Flash-Next 权重,作为 Qwen4 架构的早期预览,125B 总参数每次仅激活 6B,另配可卸载内存的 51B N-gram 词表。

Hacker News 首页

AI 编程真正的危险不是替你写代码,而是替你思考

作者认为,争论 AI 写代码好不好用都跑偏了。写代码从来不是程序员的核心能力,查文档、抄 Stack Overflow 都很正常,真正让你成为系统“主人”的是理解它为什么这样运行。危险在于 AI 太容易让人把“理解”也外包出去:遇到报错就丢给机器,来回打补丁直到跑通,表面看代码能用了,实际上你根本没建立对系统的心理模型。

推荐理由:作者指出写代码并非程序员核心能力,危险在于 AI 让人把对系统的理解也外包出去,只靠来回打补丁跑通代码,却未建立系统的心理模型。

Hacker News 首页

Bun 用 11 天把 100 万行 Zig 代码转成 Rust,Paul Dix 说手工写代码的时代快结束了

Paul Dix 认为程序员一行行手写代码、再由人逐行审查的做法正在走向消亡。他拿 Bun 1.4 版本举例:开发者 Jarred Sumner 一个人用还没公开发布的 Fable 5 模型,在 11 天内让多个 AI 智能体并行工作,产出了 6,778 次提交,把原本用 Zig 写的 Bun 重写成了 Rust,生成了超过 100 万行新代码。

推荐理由:Paul Dix 以 Bun 用 11 天、6778 次提交从 Zig 重写为 Rust 并生成超 100 万行代码为例,讨论手写代码与人工审查的处境。

Hacker News 首页

我怀念以前的 Claude Code:一位开发者对 Anthropic 功能膨胀的批评

作者 Alex Kras 说他被 Anthropic 吸引,是因为 Sonnet 回答简洁、Opus 总结书很到位,Claude Code 用起来像大脑的延伸。但现在 Opus 5 变得啰嗦、爱过度设计,Anthropic 甚至推出了“简洁输出风格”当创可贴。

推荐理由:开发者 Alex Kras 以 Sonnet 简洁回答、Opus 5 啰嗦和官方推出简洁输出风格为例,讲述 Claude Code 使用体验的退步。

8月25日星期二

Dwarkesh Patel 播客

Dylan Patel:到 2028 年,Anthropic 和 OpenAI 会吃掉全球大部分算力

SemiAnalysis 创始人 Dylan Patel 在 Dwarkesh Patel 播客中判断,Anthropic 与 OpenAI 今年合计拿下约 30% 的新增算力,明年将升至 40% 至 50%,到 2028 年底可能控制全球大部分可用 FLOPs。

推荐理由:SemiAnalysis 创始人 Dylan Patel 给出算力集中化的量化路径,从今年约 30% 新增算力升至 2028 年全球大部分可用 FLOPs。

Hugging Face 博客

Multiverse 搞了个“量化感知修复术”,让 4-bit 压缩模型跑赢了原版全精度模型

Multiverse Computing 在 Hugging Face 博客发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》,提出 QAH 方法:不再从恢复后的 bfloat16 检查点蒸馏,而是直接从压缩前的原始全精度模型蒸馏,师生架构可以不同。

推荐理由:Multiverse Computing 提出 QAH 方法,从压缩前的原始全精度模型蒸馏来修复 4-bit 量化模型,师生架构可不同,为压缩后性能恢复提供了一条可迁移的路径。

Hacker News 首页

Steve Yegge:管 AI 要用“围栏”,别用“沙盒”

Steve Yegge 自己掏钱养了 50 到 60 个 AI 智能体帮他做游戏,用的都是目前最强的 Claude Fable 模型,折算下来每月 token 开销相当于 12.2 万美元。他发现,即便用上最好的模型,这些智能体每天还是会至少出一个大岔子,比如上周有个智能体没打招呼就搞了个更新,把所有人的东西都搞崩了。

推荐理由:Steve Yegge 自费运行 50 到 60 个 AI 智能体开发游戏,每月 token 开销折合 12.2 万美元,并记录下即便用最强模型,这些智能体每天仍会出大岔子。

8月24日星期一

Hacker News 首页

AI 编程工具正在制造“专家级新手”,堵死真正的成长路径

Lars Faye 接着他上一篇《Agentic Coding 是个坑》往下聊,这次把焦点放在初级开发者身上。他引用了 JetBrains 分享的一项研究:学生越依赖 AI,越会跳过规划阶段,最后产生一种“我好像会了”的错觉;表现最好的反而是那些大幅限制或直接无视 AI 建议的人。

推荐理由:Lars Faye 引用 JetBrains 研究指出,学生越依赖 AI 越会跳过规划阶段,产生已经学会的错觉,而限制或无视 AI 建议的人表现更好。

AI HOT 精选

GPT-5.6 全家桶上线 AWS 编程助手 Kiro,跑终端测试成本砍了八成

OpenAI 把 GPT-5.6 系列的 Sol、Terra、Luna 三个模型都接进了 AWS 的编程智能体 Kiro。Kiro 的工作方式是先把你的想法拆成需求、设计和具体任务,再让模型去规划、写代码、审查和测试。官方说在 Terminal-Bench 2.1 这个测试集上,GPT-5.6 Terra 完成任务的同时,成本比之前低了大约 82%。

推荐理由:OpenAI 将 GPT-5.6 的 Sol、Terra、Luna 三个模型接入 AWS 编程智能体 Kiro,官方称 Terra 在 Terminal-Bench 2.1 上完成任务成本降低约 82%。

TechCrunch · AI

匿名推理模型 Ox Alpha 突然上线,没人知道是谁做的

一个叫 Ox Alpha 的免费推理模型周四在 OpenRouter 上线,介绍里说它专为写代码和长时间跑业务流程(agentic work)设计。Stripe 的 CEO Patrick Collison 在 X 上夸它“非常厉害”。OpenRouter 的页面只写了这是匿名第三方提供的“隐身模型”,没透露开发者身份。

推荐理由:一个匿名第三方提供的免费推理模型 Ox Alpha 在 OpenRouter 上线,主打写代码和长时间跑业务流程,Stripe 的 CEO Patrick Collison 公开称赞,开发者身份未公开。

8月23日星期日

Hacker News 首页

我用一台工作站跑 Qwen 3.8 27B 做逆向工程,它半小时就搞定了

作者在一台联想 ThinkStation PGX 上本地部署了 Qwen 3.8 27B 模型,让它去破解一款商业软件的授权校验。模型一开始拒绝了,但在作者假称自己是开发者后,它不仅接下了任务,还在半小时内写出了可用的绕过方案,并自己修掉了过程中的错误。

推荐理由:作者在联想 ThinkStation PGX 上本地部署 Qwen 3.8 27B,让模型破解商业软件授权校验,模型先拒绝后接下任务并在半小时内写出可用绕过方案。

彭博科技

一个叫 Ox Alpha 的神秘模型冲上 LMSYS 榜单,数学和编程跑分超过 GPT-5.1 和 Gemini 3.0 Pro,而且完全免费

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:一个身份不明的模型 Ox Alpha 在 LMSYS 榜单的数学和编程测试中超过 GPT-5.1 和 Gemini 3.0 Pro 并免费开放,开发者正猜测它是否来自某家大厂。

Hacker News 首页

Simon Willison 启动“智能体工程模式”项目,整理用编程智能体写代码的最佳实践

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。

推荐理由:Simon Willison 新开《智能体工程模式》项目,记录 Claude Code、Codex 这类编程智能体的使用实践,并区分了 vibe coding 与智能体工程两种路径。