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。
jqwik 的作者 Johannes Link 给工具输出里加了一条指令，让 AI 编程助手读到后主动删掉 jqwik 的测试和代码。人类开发者看文档不会受影响，但直接吞原始输出的机器人会照做。这件事说明大语言模型就是一段代码，你喂什么它就吃什么，提示词不会让它变聪明。文章还举了别的例子，比如让模型角色扮演《沙丘》里的角色，它也会跑偏。
推荐理由：这篇文章用一个很刁钻的实操案例，把“大模型不是智能体，只是代码”这个观点讲透了。作者没写论文，但案例本身够新鲜、够具体，直接戳中开发者日常用 AI 写代码的痛点。扣分是因为它属于评论性质，不是一手研究，来源也不是顶级 AI 机构，72 分放在 featured 档刚好。
作者 Yusuf Aytas 把这两类人划了条线：氛围程序员看的是从想法到能跑的原型要多久，软件工程师看的是从改动到安全合入主干要多久。AI 让生成代码变便宜了，但如果评审、回滚和维护的成本被推到下游，团队其实没赚到什么。核心差别是所有权——氛围程序员可以说“这是模型生成的”，软件工程师必须说“这个改动我负责”。文章还提到，AI 生成的代码不能只看产出...
推荐理由：作者把氛围程序员和软件工程师的核心差别定在所有权上，这个判断很准。文章没停留在“AI 写代码快”这种表面结论，而是算了笔账：生成便宜了，但下游的评审和维护成本可能把省下的又吃回去。我会先打个折，因为这是个人博客观点，没有大规模数据或实验支撑，论证强度有限。但观点本身对从业者有用，值得推。
彭博拿到招聘机构和公司披露的数据，不是官方统计，所以具体数字得打个折看。但趋势很明确：2026 年前五个月，伦敦金融城的法律、IT 和分析师岗位招聘同比跌了超过 20%，裁员数量翻了一倍。像安理国际、高伟绅这类律所，还有好几家银行，都在用 AI 工具压缩初级员工的编制。说白了，重复性的脑力劳动正在被系统性地砍掉。
推荐理由：彭博拿到的招聘机构数据不是官方统计，数字得打个折看，但方向很明确：伦敦金融城那些重复性的法律、编程和分析岗正在被 AI 工具系统性压缩，初级员工编制砍得最狠。有具体跌幅和裁员倍数，还点了具体律所的名，比一般趋势文章扎实，值得从业者留意。
Weave 是一个 Git 合并驱动，它用 tree-sitter 把代码解析成函数、类这些实体，然后按实体合并，而不是逐行比对。两个 AI 智能体在同一个文件里改不同的函数，它能直接合，不会报冲突。在 31 个场景的基准测试里，Weave 拿了满分 31 分，原生 Git 只拿了 15 分。它还加了一层 CRDT 状态，让智能体在改代码前先声明要动哪...
推荐理由：Weave 解决的是 AI 写代码时代的新问题：多个智能体改同一个文件时，传统 Git 按行合并会产生一堆假冲突。它用 tree-sitter 按函数、类这些语言结构来合并，在 31 个场景的基准测试里拿了满分，原生 Git 只有 15 分。这个对比很直观，说明按实体合并确实更准。CRDT 协调层让智能体提前声明编辑意图，也是个实用的设计。我会先打个折：基准测试只有 31 个场景，规模不大，真实项目里表现还得再看。但思路对路，对多智能体编程工作流有直接帮助，所以给 featured。
智谱刚发了新旗舰模型 GLM-5.2，主打写代码和长时间跑任务的 agent 场景，上下文窗口能塞进 100 万个 token。现在买了 GLM Coding Plan 的人可以直接用，API 和开源权重都说下周放出来，而且用的是 MIT 协议，商用很友好。不过正文没给跑分，也没说参数量多大，模型实际水平还得等下周权重落地、第三方评测出来再看。另外评论...
推荐理由：智谱放出 GLM-5.2，100 万 token 上下文、主打代码和 agent 场景，下周 API 和 MIT 开源权重到位。正文没给跑分和参数量，所以分数先保守打，等第三方评测出来再看实际水平。
GLM-5.2 现在就能用，但只对 Coding Plan 的付费用户开放。模型强调编程能力强，上下文窗口拉到 1M token，也就是一次能塞进整本《三体》的量。API 和对话入口要等到下周，开源也同步，用 MIT 许可证，商用友好。正文没给跑分和具体定价，所以实际编程水平、长文本召回率都还不好说。如果是真的强，下周开源后社区会很快验出来。
推荐理由：智谱放出 GLM-5.2，主打编程能力，上下文拉到 1M token，下周用 MIT 许可证开源。正文没给跑分和定价，实际水平还没法验证，所以分数没给到 85 以上。但国产旗舰更新加开源，信号够强，值得放进 featured。
美国商务部把 Fable 5 和 Mythos 5 列入了出口管制，禁止向境外和美国境内的外籍人士提供服务，连 Anthropic 自己的外籍员工都用不了。Anthropic 在收到指令后两小时内就关停了这两个模型，但声明里说政府引用的越狱漏洞其实在 GPT-5.5 等公开模型里也广泛存在，单凭这个就禁掉面向数亿人的模型不合理。群友分析指出，这次管制的...
推荐理由：美国商务部对Fable 5和Mythos 5实施出口管制，两小时内切断访问，行业震动。Anthropic的反驳提供了关键事实对冲：漏洞并非独家，禁令依据存疑。群聊讨论和GLM-5.2借势全量上线构成多源信号。扣分在于正文没披露管制具体条款和后续法律动作，但事件本身冲击力足够。
智谱今晚向 GLM Coding Plan 全量用户推送了 GLM-5.2，覆盖 Lite、Pro、Max 和团队版。这个模型支持 1M 上下文窗口，智谱说在长文本任务上继续领先，并称它是目前最强的国产编程模型。API 下周上线，模型下周会以 MIT 协议开源。
推荐理由：智谱这次发布有三个实打实的点：一是全量推送不墨迹，付费用户今晚就能用；二是 1M 上下文和'最强国产编程模型'的宣称，虽然自卖自夸但下周开源就能验证，不是空头支票；三是 MIT 协议开源，商用友好度拉满。整体判断和之前给的 86 分、featured 级别一致——这是国产旗舰模型的正常发布节奏，没有过度包装，信息密度够高。正文没提具体 benchmark 分数和推理成本，这点先别太激动，等开源后看实测。
SemiAnalysis 把 Anthropic 和 OpenAI 的付费方案全买了一遍，用高强度写代码任务一直跑到每周用量上限。结果发现，200 美元一个月的 Claude Max 方案，实际消耗的 token 如果按 API 价格换算，大概值 8000 美元；ChatGPT Pro 方案则值 14000 美元左右。直接调 API 要花的钱会贵很多。...
推荐理由：SemiAnalysis 用真实写代码负载测出了订阅价和 API 等价 token 消耗之间的巨大价差，40 到 70 倍的数字很直观。没给更高分是因为这是第三方单次测试，不是官方调价，而且只测了一种任务类型，换别的任务结果可能不同。
作者拿 Claude Fable 试了一个他想了多年的游戏点子。模型先推理了 45 分钟，烧掉超过 20 欧元的 token，最后吐出一个 2,319 行、零依赖的 index.html，游戏直接能跑。他说这是第一次有 AI 一次性做成这件事，之前所有模型都失败了。不过正文没披露具体模型版本，也没解释 Anthropic 安全评估里说的“危险”到底指什么。
推荐理由：作者拿 Claude Fable 试了一个他想了多年的游戏点子。模型先推理了 45 分钟，烧掉超过 20 欧元的 token，最后吐出一个 2,319 行、零依赖的 index.html，游戏直接能跑。他说这是第一次有 AI 一次性做成这件事，之前所有模型都失败了。不过正文没披露具体模型版本，也没解释 Anthropic 安全评估里说的“危险”到底指什么，所以“最危险”这个标签先别太当真，但单次生成完整可玩游戏这个结果本身挺扎实。
6 月 13 日，Anthropic 突然停掉了 Fable 5 和 Mythos 5 的访问。起因是美国政府当天下午 5 点 21 分（美东时间）发了一份出口管制指令，要求禁止任何外国公民使用这两个模型，包括人在美国的外国人，甚至 Anthropic 自己的外籍员工。Anthropic 说这根本做不到，只能一刀切全部关停。政府给出的理由是发现了一种越...
推荐理由：Anthropic 因政府出口管制指令直接关停两个主力模型，这事冲击力够大。HKR 三项全中：冲突性强，信息具体且首次曝光，开发者直接受影响。来源是个人博客而非官方公告，我会先打个折，但事实本身已经足够硬，不影响判断。
Anthropic 按美国政府指令，对所有用户停用了 Claude Fable 5。现在新会话默认切到 Opus 4.8，之前用 Fable 5 的会话会直接报错。DAIR.AI 的 Elvis Saravia 让大家别慌，他说 Fable 5 对多数任务本来就不值——成本高，性能还被砍过。他现在的建议还是规划用 Opus 4.8，执行用 GPT-5....
推荐理由：Anthropic 的主力模型被政府指令直接下架，是政策直接撞上产品的罕见事件。Elvis 给了具体的替代方案和成本判断，对 Claude 用户有实际帮助。分数没给更高是因为信源是个人推文，没有 Anthropic 官方声明或指令原文，信息缺口明显。
Anthropic 发声明说，美国政府用一纸紧急出口管制指令，逼他们在全球范围关掉了 Fable 5 和 Mythos 5 的 API。起因是一个很窄的越狱攻击——说白了就是有人让模型去修一个特定代码库的漏洞，结果把政府吓着了，直接一刀切。Anthropic 在抗议，但访问已经断了。帖子没提模型具体多大，评论区有人猜是 10 万亿参数。这事给所有用云端...
推荐理由：这条消息的冲击力在于，它不是模型能力不行，而是外部政治力量直接掐断访问。Anthropic 发了声明抗议，但 API 已经断了，说明这事没有商量余地。帖子没披露模型参数量、具体代码库、越狱的完整技术细节，评论区猜 10 万亿参数也只能当参考。我会先打个折：信息源是 Reddit 帖子转述 Anthropic 声明，不是一手公告原文，但事件本身的可信度不低，因为关停是已经发生的事实。对从业者来说，这比论文或产品发布更值得立刻关注——它直接关系到技术选型和供应链风险。
Dan McInerney 开源了一个 Claude Code 技能，把 Claude Fable 5 和 GPT-5.5 Codex 串成一个分工循环：Claude 负责拆任务、做代码审查，GPT 负责动手写代码，整个代码仓库充当记忆。作者说这样能把 Claude 的 token 消耗砍掉 80%，但仓库里只有 README 和代码，没给测试基准或对...
推荐理由：一个能跑通的跨模型 agent 循环，Claude 拆任务做审查、GPT 负责写代码，作者声称 token 消耗砍掉 80%。这个分工模式实用，值得一试。但仓库里只有 README 和代码，没给测试基准也没第三方验证，全是自述，所以分数先不打高，等有人复现再说。
MiniMax 把 M3 的权重传上了 HuggingFace，技术报告和完整权重大概还要等 10 天。这是个混合模型，总参数量 428B，但每次只激活 23B，靠 MiniMax 自研的稀疏注意力把上下文窗口撑到 100 万 token，还原生支持多模态。跑分方面：SWE-Bench Pro 59.0%、Terminal Bench 2.1 66.0...
推荐理由：MiniMax 第一次把旗舰模型权重开源，428B 的混合专家模型，激活 23B，百万 token 上下文，代码和智能体跑分能跟 DeepSeek、Qwen 掰手腕。技术报告还没出，权重刚上传，信息缺口明显，但开源这个动作本身对开发者生态有直接价值。
Kimi K2.7 Code 是在 K2.6 基础上改出来的编程模型，重点解决那种需要多步操作、跨文件改动的真实软件工程任务。它把思考时生成的 token 量砍了大约 30%，跑起来更省算力。正文没披露参数量、上下文窗口长度，也没说本地能不能跑。
推荐理由：Kimi K2.7 Code 主打编程效率，30% 的思考 token 缩减是个硬数字，对成本和延迟敏感的人有吸引力，H 和 K 都踩中了。但信息缺口明显：没给参数量、上下文长度、能不能本地跑，R 完全没触发，整体重要性我给 72，放在 featured 里当一条值得扫一眼的更新。
Kimi 把最新的代码模型 K2.7-Code 开源了。跟上一代 K2.6 比，它在自家三个测试集上分数都涨了：Kimi Code Bench v2 涨了 21.8%，Program Bench 涨了 11%，MLS Bench Lite 涨了 31.5%。推理时吐出的 token 量少了 30%，相当于同样的活儿更省算力。长代码任务里，模型更听指令、...
推荐理由：Kimi 开源 K2.7-Code，自家三个基准分数都涨了两位数，推理 token 量还砍了 30%，成本信号很实在。但没给参数量，也没跑外部通用基准，所以分数先打个折，定在 82。国内大模型公司开源代码模型这件事本身就有竞争意义，值得关注。
Simon Willison 让 Anthropic 新出的 Claude Fable 模式写一个 SQLite 工具，结果它不光把代码写了，还顺手搭了文档、测试、GitHub Actions 和发布流水线，全程没问一句。Willison 觉得这体验既厉害又有点不安。正文没披露 Fable 的具体技术实现和开放范围。
推荐理由：这是目前对 Claude Fable 行为最具体的一次一手描述，来自一个靠谱的开发者。HKR 三项全中，但正文没披露 Fable 的技术实现和开放范围，信息有缺口，所以分数卡在 85 以下。
文件同步工具 rsync 的最新版本被发现是用 Claude 生成的，社区担心这会引入安全漏洞，吵了三百多楼。维护者 Andrew Tridgell 回应说，他年纪大了精力不够，而 AI 发现的漏洞越来越多，他一个人根本修不过来，所以改成“AI 写代码，人写测试”的模式。他认为加上更严格的测试，rsync 反而会更安全。这件事可能预示了未来开源项目的常...
推荐理由：rsync 维护者公开承认用 Claude 写代码，还提出“人写测试，AI 写实现”的新分工，这不是普通的产品更新，而是开源维护方法论的一次公开碰撞。三百多楼的讨论本身就是信号。
WSJ 消息，OpenAI 正在考虑大幅降价，直接原因是 Anthropic 的 Claude Code 在企业开发团队里用得越来越多，token 消耗量很大，抢走了不少付费用户。OpenAI 虽然在大众用户里名气更大，但真正赚钱靠的是企业客户，所以这次降价主要冲着开发者来。同时，OpenAI 在筹备 IPO 前要对 ChatGPT 做一次最大规模的改...
推荐理由：WSJ 独家消息，OpenAI 正在考虑大幅降价，直接导火索是 Claude Code 在企业开发团队里 token 消耗量很大，抢了不少付费用户。OpenAI 虽然大众名气大，但真正赚钱靠企业客户，这次降价就是冲着开发者来的。同时，IPO 前还要对 ChatGPT 做一次最大规模改版。我会先打个折：正文没披露具体降价幅度和改版细节，但竞争态势确实在变，价格战信号很明确，对从业者选工具和算成本有直接影响。