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 661–680 条 · 共 1,426 条

7月11日星期六

AI HOT 精选

OpenAI 最新 Agent 模型把一位 AI 创始人的 Mac 硬盘清空了

AI 创业者 Matt Shumer 让 GPT-5.6-Sol 的 subagent 帮忙清理文件,给了 Full Access 权限。结果 shell 里 $HOME 路径解析出错,Agent 直接跑了 rm -rf /Users/mattsdevbox,数年代码、文件、照片全没了。

推荐理由:AI 创业者 Matt Shumer 给 GPT-5.6-Sol 子 agent 开放 Full Access 权限清理文件,因 $HOME 路径解析出错,agent 执行 rm -rf 删光整台 Mac 数据,为 agent 权限边界提供了具体案例。

Computing Life · Share · 鸭哥调研

31 秒自愈攻击:JADEPUFFER 撕掉了传统防御的最后一块遮羞布

Sysdig 记录了一次真实攻击:黑客利用 Langflow 漏洞(CVE-2025-3248,评分 9.8)扔进一个恶意 agent,这个 agent 在 31 秒内自己改代码、绕过防御、建后门、删数据库。这是首个真实世界里 agent 加密本地数据的案例。入口是一个没打补丁的 Langflow 实例,网上还有约 7000 个节点裸奔。

推荐理由:Sysdig 记录的攻击中,恶意 agent 借 Langflow 未修补漏洞在 31 秒内自行改代码、建后门并删库,网上仍有约 7000 个同类节点暴露。

Hacker News 首页

12 个模型写 4 个同样的 App:GPT-5.6、Grok 4.5、Claude 和 Muse Spark 现场比试

TryAI 让 12 个模型各试 5 次,去写一个伪 3D 迷宫、一个魔方、一个计算器和一个生命游戏。GPT-5.6 Sol 最稳,迷宫 5 次全过,但每次跑要花 1.35 美元;Grok 4.5 也是 5 次全过,只要 0.27 美元,性价比很高。

推荐理由:TryAI 让 12 个模型各写 4 个应用并各试 5 次,GPT-5.6 Sol 与 Grok 4.5 都 5 次全过,单次成本分别为 1.35 美元和 0.27 美元。

7月10日星期五

AI 群聊日报

GPT-5.6 Sol 发布日:跑分领先但群友实测还是给 Fable 打工,有人让它读完整个 GitHub 写遗书

OpenAI 把 Codex 客户端改名叫 ChatGPT,GPT-5.6 Sol 正式上线。

推荐理由:OpenAI 把 Codex 客户端改名为 ChatGPT 并上线 GPT-5.6 Sol,这条群聊日报记录了官方跑分之外社区实测的对比结果。

Latent Space

OpenAI 发布 GPT-5.6 三款模型,Codex 并入 ChatGPT 超级应用

OpenAI 在 7 月 10 日推出了 GPT-5.6 系列,按规模分 Sol、Terra、Luna 三个版本。旗舰款 Sol 在 Agents' Last Exam 上拿到 53.6 分,比 Claude Fable 5 高出 13.1 分,但成本只有后者的四分之一左右。

推荐理由:OpenAI 发布 GPT-5.6 系列三款模型,旗舰款 Sol 在 Agents' Last Exam 上以 53.6 分领先 Claude Fable 5 达 13.1 分,成本约为后者四分之一。

AI HOT 精选

OpenAI 发了 GPT 5.6,ChatGPT 应用改版学 Claude 分 Tab,交互反而更绕了

OpenAI 把 Codex 应用直接改名叫 ChatGPT,布局上明显在跟 Anthropic 的产品形态。新应用硬拆成 Work 和 Code 两个 Tab,但切换时只有左上角图标变一下,聊天窗口被缩到右下角一个小弹窗里,不少用户反馈找不到旧的聊天记录。

推荐理由:OpenAI 将 Codex 应用改名为 ChatGPT 并拆出 Work 与 Code 两个 Tab,聊天窗口缩为右下角弹窗,用户反馈找不到旧聊天记录。

AI HOT 精选

Meta 放出 Muse Spark 1.1,一个会拆任务、能跨设备操作的 agent 模型,价格压得很低

扎克伯格亲自在 X 上官宣了这个模型,通过新的 Meta Model API 开放。它的核心思路是让模型自己把复杂任务拆给多个子 agent 并行干,还能跨设备控制图形界面。上下文窗口给到 100 万 token。

推荐理由:Meta 通过新的 Meta Model API 开放 Muse Spark 1.1,模型可自行把复杂任务拆给多个子 agent 并行执行,并支持跨设备控制图形界面。

Computing Life · Share · 鸭哥调研

聊天框在拖 AI Agent 的后腿:该换成邮件式异步协作了

文章认为 Cursor、Claude Code 这类工具的聊天框界面,会诱导人只写模糊指令、期待秒回,让 AI 没时间自己编译、跑测试和纠错。作者提出把一问一答改成邮件式异步流程:把详细任务、附件和本地路径一次性发给 Agent,然后关掉窗口等结果。

推荐理由:文章指出 Cursor、Claude Code 的聊天框会诱导人只写模糊指令并期待秒回,挤压 AI 自行编译、跑测试和纠错的时间,并给出邮件式异步协作的替代思路。

TechCrunch · AI

OpenAI 发布 GPT-5.6 系列,分三档,主打编程和省 token

OpenAI 这次一口气发了三个模型:Sol 是主力干活用的,Terra 算中配,Luna 是便宜版。Sam Altman 对 CNBC 说,Sol 在写代码任务上 token 效率提升了 54%,也就是说跑同样的活能省不少钱。公司还把它称为目前最强的网络安全模型,能干威胁建模、代码审查和蓝队演练(自己模拟攻击找漏洞)。

推荐理由:OpenAI 一次发布 Sol、Terra、Luna 三档模型,主力 Sol 在写代码任务上 token 效率提升 54%,并具备威胁建模、代码审查等网络安全能力。

AI HOT 精选

Bun 宣布从 Zig 转向 Rust 重写,起因是内存安全 bug 修不完

Bun 的作者 Jarred Sumner 发了一篇博客,说他们要把整个 Bun 从 Zig 语言换成 Rust 重写。直接导火索是 v1.3.14 版本修了一大串内存相关的崩溃和泄漏,比如释放后继续使用、重复释放、内存泄漏,问题集中在垃圾回收和手动内存管理混用的地方,太容易出错了。

推荐理由:Bun 作者 Jarred Sumner 宣布将整个项目从 Zig 换成 Rust 重写,起因是 v1.3.14 集中修复的一批内存崩溃与泄漏,问题出在垃圾回收和手动内存管理混用。

AI HOT 精选

OpenAI 把 Codex 和 ChatGPT 塞进了一个叫 ChatGPT Work 的桌面应用,背后是 GPT-5.6

ChatGPT Work 是一个新的桌面 agent,把 Codex 和 GPT-5.6 合在一起,能跨应用、跨文件干活,复杂项目可以连续跑好几个小时。它还带了一套新的编码流程、一个 Chrome 扩展、一个升级过的内置浏览器,以及用 GPT-5.6 加速的 Computer Use 功能。正文没提什么时候上线、怎么收费,也没说对电脑配置有什么要求。

推荐理由:OpenAI 把 Codex 与 GPT-5.6 整合进 ChatGPT Work 桌面 agent,可跨应用跨文件连续处理复杂项目,并配套编码流程、Chrome 扩展与升级版 Computer Use。

7月9日星期四

Hacker News 首页

Meta 发布 Muse Spark 1.1:一个能自己用工具、写代码、管多步骤任务的多模态推理模型

Meta 超级智能实验室推出了 Muse Spark 1.1,相比上一代在工具调用、电脑操作和写代码上提升明显。这个模型能直接上手没见过的工具和 MCP 服务器(一种让模型调用外部服务的协议),不需要额外训练。它支持 100 万 token 的上下文窗口,能记住之前干过什么,还会主动压缩记忆,只保留关键步骤。

推荐理由:Meta 超级智能实验室发布 Muse Spark 1.1,无需额外训练即可调用陌生工具和 MCP 服务器,并支持 100 万 token 上下文与主动记忆压缩。

Ben's Bites

SpaceXAI 和 Cursor 联手训出 Grok 4.5,成本只有 Opus 的六分之一

SpaceXAI 和 Cursor 一起训了个新模型 Grok 4.5,性能大概卡在 Opus 4.7 和 4.8 之间,但按 token 算钱的话,比 Opus 便宜 6 倍,比 GPT-5.5 便宜 3 倍。现在 Cursor 里能用,API 也开放了。

推荐理由:SpaceXAI 与 Cursor 联合训练的 Grok 4.5 已上线 Cursor 并开放 API,性能介于 Opus 4.7 和 4.8 之间,按 token 计费比 Opus 便宜 6 倍。

AI HOT 精选

OpenAI 发布 GPT-5.6 系列:Sol、Terra、Luna,主打用更少的钱跑出更高的分

OpenAI 在 7 月 9 日推出了 GPT-5.6 系列,包含旗舰模型 Sol、均衡型 Terra 和低成本 Luna。旗舰 Sol 在 Agents' Last Exam(一个覆盖 55 个专业领域的长流程测试)上拿了 53.6 分,比 Claude Fable 5 高出 13.1 分,但预估成本只有后者的四分之一左右。

推荐理由:OpenAI 一次发布 Sol、Terra、Luna 三款 GPT-5.6 模型,旗舰 Sol 在长流程 agent 测试上比 Claude Fable 5 高 13.1 分,预估成本约为后者四分之一。

Latent Space

SpaceXAI 发布 Grok 4.5,跟 Cursor 联手训了个主打编程和干活儿的模型

SpaceXAI 赶在 GPT-5.6 发布前一天放出了 Grok 4.5。这是个 1.5 万亿参数的大模型,比上一代 Grok 4.3 大了三倍,专门冲着编程和让模型进业务流程干活儿去设计的。Cursor 说这是他们头一回把模型能力扩展到纯写代码之外。

推荐理由:SpaceXAI 与 Cursor 联手推出 Grok 4.5,Cursor 的模型能力拓展从代码编写延伸到业务流程任务。

Computing Life · Share · 鸭哥调研

代码干净不会让 AI 编程助手更聪明,但能让它少走弯路

SonarSource 用 Claude Code 跑了 660 次对照实验,比较干净代码和脏乱代码对 agent 的影响。结果有点反直觉:两边任务通过率几乎没差别,差距不到 1 个百分点。但干净代码让 agent 少消耗了 7.1% 的输入 token 和 8.5% 的输出 token,反复打开同一个文件确认的次数也少了 34%。

推荐理由:SonarSource的对照实验区分了代码整洁度对任务成功率与执行开销的影响,干净代码主要减少了token消耗和重复查阅文件。

Computing Life · Share · 鸭哥调研

GPT-5.5 的推理卡在 516 个 token:模型“想”的那一层会单独坏掉

开发者 vguptaa45 审计了 39 万条 Codex 响应,发现 GPT-5.5 在 44% 的编程任务里,推理部分刚好在 516 个 token 处截断,而 GPT-5.4 是 19.8%,GPT-5.2 只有 0.34%。被截断的任务全部答错,同一道题如果完整跑完 6000 到 8000 个 token 则全对。

推荐理由:开发者vguptaa45审计Codex响应发现GPT-5.5推理截断的编程任务全部答错,同题完整推理时全对。

Hacker News 首页

我们让 Grok 4.5、GPT-5.5 和 Claude 写同样的三个小应用,比速度和成本

TryAI 给 Grok 4.5、GPT-5.5、Claude Opus 4.8 和 Fable 5 发了三个相同的编程任务:一个 3D 魔方、一个粒子重力沙盒、一个打砖块游戏,要求一次生成、不调提示词。

推荐理由:TryAI 用相同的三个小应用任务比较多款模型的速度与成本,并以一次生成、不调提示词的条件减少提示调整对比较的干扰。

AI HOT 精选

Anthropic 秘密提交 IPO 申请,三季度利润预计超 10 亿美元

SemiAnalysis 的报告说,Anthropic 今年第三季度利润会超过 10 亿美元,并且在 6 月 1 日已经秘密交了上市申请。它和 OpenAI 两家现在的年度经常性收入加起来快 1000 亿美元了。Anthropic 能跑在前面,主要靠 Claude Code 在开发者里用得特别猛,帮它在企业生意上赚到了钱,成了 B2B 市场的领跑者。

推荐理由:报告将 Anthropic 抢先提交上市申请与 Claude Code 带来的企业业务盈利联系起来,交代其上市进程的商业背景。

Hacker News 首页

Anthropic 的 Fable 模型在计算机科研任务上接连翻车,作者直呼“没用”

Rob Patro 用亲身经历吐槽 Fable 的安全审核机制。他第一次想让 Fable 帮忙把一个 C++ 生物信息工具移植到 Rust,结果因为提示词里包含 RNA-seq 这类生物学术语,直接被安全分类器拒了。他花了 15 到 30 分钟反复改提示词都没用,最后用 Opus 4.8 顺利完成了任务。

推荐理由:Rob Patro 的工具移植经历记录了 Fable 因生物术语拒绝请求、Opus 4.8 顺利完成同一任务的差异。