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 681–700 条 · 共 1,426 条

7月9日星期四

TechCrunch · AI

SpaceXAI 发布 Grok 4.5,马斯克说它是“Opus 级别”的模型

SpaceXAI 上市几周后推出了 Grok 4.5,定位是能写代码、做文书、搞研究和写东西的通用模型。公司说它的 token 效率是其他头部模型的两倍,如果属实,用起来会便宜不少。马斯克管它叫“Opus 级别”,直接对标 Anthropic 的旗舰系列。不过正文没公布价格、参数量和第三方跑分,这个效率翻倍的宣传我建议先观望,等独立评测出来再说。

推荐理由:SpaceXAI 宣称 Grok 4.5 的 token 效率是其他头部模型的两倍,若该说法成立,同类任务的使用成本可能降低。

Hacker News 首页

SpaceXAI 发布 Grok 4.5,主打编程和自动化任务,用更少的输出 token 解决问题

Grok 4.5 是 SpaceXAI 目前最强的模型,专门为写代码、让模型进业务流程干活和知识类工作优化。

Hacker News 首页

Cognition 发布 SWE-1.7:用 Kimi K2.7 训出的编程模型,性能逼近 GPT-5.5,成本低一大截

Cognition 推出了新的编程模型 SWE-1.7,它是在 Kimi K2.7 的基础上用强化学习(RL)做后训练得到的。在 FrontierCode 1.1 这个编程基准上,SWE-1.7 的通过率是 42.3%,很接近 GPT-5.5 的 43.0%,比自家上一代 SWE-1.6 的 9.4% 高出一大截。

推荐理由:Cognition 在 Kimi K2.7 上做强化学习后训练得到 SWE-1.7,FrontierCode 1.1 通过率从上一代 9.4% 升到 42.3%,与 GPT-5.5 的 43.0% 接近。

7月8日星期三

OpenAI News

OpenAI 审计 SWE-Bench Pro,发现约三成题目本身有毛病

OpenAI 对编程评测集 SWE-Bench Pro 做了一次质量审查,估计里面大约 30% 的题目是坏的。他们先用自动管线筛出 286 道可疑题目,再让基于 Codex 的调查 agent 和五位资深工程师分别复核。工程师最终标记出 249 道(34.1%)有缺陷的题目,主要毛病是测试太死板、题目描述漏要求、测试覆盖不足,以及题目描述误导模型。

推荐理由:OpenAI 审计 SWE-Bench Pro 时结合自动筛查与人机复核,给出了定位编程评测题目缺陷的分层审查流程。

AI HOT 精选

Claude 团队公开两种多智能体用法:一个当顾问省钱,一个当指挥冲高分

Claude 开发者分享了他们内部高频使用的两种多智能体模式。第一种叫 Advisor,让便宜的 Sonnet 5 干活,遇到难题时通过工具调用去问贵的 Fable 5。在 SWE-bench Pro 测试上,这套组合拿了 84% 的分数,花了 1.40 美元。

推荐理由:Claude 开发者分享了低成本模型执行任务、遇到难题再向高成本模型求助的顾问模式,将模型分工落实到按需调用的协作流程。

Hacker News 首页

三个老工程师一周收一万美元,专删 AI 生成的烂代码

Slopfix 是三个波兰工程师搞的服务:一周时间、一万美元,把 AI 胡乱堆出来的代码库重构到人能维护的状态。他们会先免费帮你分析代码,给出一个明确的瘦身目标,比如“10 万行砍到 3.5 万行,功能不变”。收费按目标完成度算,承诺砍 50% 只做到 20%,你只付 4000 美元。

推荐理由:三个波兰工程师将 AI 代码重构拆成免费分析与明确的精简目标,并以功能不变为约束按目标完成比例收费。

AI HOT 精选

Liquid AI 开源 Antidoom:用“最终 Token 偏好优化”修掉推理模型的死循环毛病

推理模型有时会卡在“死循环”里,反复输出无意义的 token 直到把上下文窗口塞满。Liquid AI 开源了 Antidoom,用最终 Token 偏好优化(FTPO,一种教模型在推理结束时学会停下来的训练方法)来解决这个问题。

推荐理由:Liquid AI 开源 Antidoom,通过最终 Token 偏好优化教模型在推理结束时停下,为修复无意义重复输出提供训练方法。

Hacker News 首页

Liquid AI 用“末位偏好优化”把推理模型的死循环率从 10.2% 压到 1.4%

Liquid AI 针对小参数推理模型在解难题时容易陷入“死循环”(反复输出同一段话直到窗口耗尽)的问题,搞了个叫 Antidoom 的方法。它不调全局参数,而是精准定位到循环开始的第一个 token,用“末位偏好优化”(FTPO)教模型在那个位置选一个更合理的词,其他地方基本不动。

推荐理由:Liquid AI 将偏好优化集中在死循环起点的单个词元,为小参数推理模型提供尽量不改动其他位置的局部修复思路。

7月7日星期二

Hacker News 首页

Craig Mod 花了五天用 Claude Code 给自己写了个记账软件 TaxBot2000

作家 Craig Mod 用 Claude Code 自己动手写了个叫 TaxBot2000 的记账工具,前后只花了五天。他管自己叫“软件狂人”,过去一年里用 Claude Code 搭了一堆小工具,比如一个帖子七天自动消失的类 Twitter 社区、视频内容搜索工具,还有各种日常用的效率小脚本。

推荐理由:Craig Mod 用 Claude Code 五天写出记账工具,延续了他过去一年围绕社区、视频搜索和日常效率自建工具的实践。

Hacker News 首页

用确定性工具把大模型的笨手笨脚自动化掉

作者在开发 Beagle SCM 时发现,Claude 这类大模型虽然聪明,但做事不精确、不稳定,比如会把 build/ 目录重复提交两次。这种笨拙是模型本身的特性,不会随着进步消失。解决办法是用快速、可靠的确定性工具把模型夹在中间:下层是工具层,上层是工作流层,让模型在严格的流程里干活。如果模型反复做同一组操作,就写成脚本自动化。

推荐理由:一篇工程师视角的实战反思,用 Claude 的翻车案例引出“用确定性工具夹住模型”的架构思路。不是产品发布或研究突破,但问题真实、解法具体,对正在把 AI 接入开发流程的团队有直接参考价值。

AI HOT 精选

Claude Code 现在可以按任务选模型和“用力程度”了

Anthropic 给 Claude Code 加了两项控制:模型选择和努力级别。你可以把 Opus 这种大模型派去跨文件重构,Sonnet 处理日常编辑,Haiku 做快速小修。努力级别分低、中、高三档,调的是模型思考深度和工具调用次数。高努力配 Opus 会触发多步代码库搜索和测试运行,但烧的 token 也最多。

推荐理由:Anthropic 为 Claude Code 增加模型与努力级别选择,让跨文件重构和日常小修能按任务复杂度分配模型与思考投入。

AI HOT 精选

推理成本趋近于零,数据库系统该怎么变?

伯克利 BAIR 实验室发了一篇研究路线图,核心判断是:当模型推理便宜到几乎免费,数据库系统会面临三重变化。第一是“为 Agent 服务的系统”:一个用户请求可能让 Agent 自动发出上千条 SQL 查询,但其中 80% 到 90% 的子查询是重复的,系统可以通过复用结果或返回近似答案来提速。

推荐理由:伯克利 BAIR 将 Agent 发起的大量重复子查询作为数据库优化切入点,提出通过复用结果或返回近似答案来提速的方法。

Hacker News 首页

YC 老板吹嘘 AI 一天写 3.7 万行代码,开发者一看:全是水分和低级错误

YC 的 CEO Garry Tan 在 X 上晒战绩,说自己靠 AI 编程助手每天能交付 3.7 万行代码,已经连续 72 天不断更。波兰开发者 Gregorein 不信邪,去扒了他那个 AI 主题博客的前端代码,结果发现一堆问题。用户打开这个网站,浏览器要发出 169 个请求、下载 6.42 MB 的数据。

推荐理由:波兰开发者检查了 YC CEO 的博客前端,将其宣称的 AI 代码行数产出与网页请求数、下载数据量放在同一案例中比较。

Product Hunt · AI

美团发布 LongCat-2.0:1.6 万亿参数 MoE 模型,MIT 开源,全程用自研 AI 芯片训练

美团在 Product Hunt 上线了 LongCat-2.0,一个总参数 1.6 万亿的 MoE 模型,每次推理激活约 480 亿参数,上下文窗口 100 万 token。模型用 MIT 协议开源,训练没碰英伟达 GPU,全跑在美团自己的 AI 专用芯片集群上。技术亮点是 LongCat 稀疏注意力机制,能省计算量。

推荐理由:美团发布的LongCat-2.0采用总参数1.6万亿的MoE架构,每次推理激活约480亿参数参与计算。

Hacker News 首页

上手 GLM 5.2:第一个用起来像 Opus 和 GPT 的开源模型,推理暴利时代快到头了

作者把 GLM 5.2 当主力用了两周,发现大部分任务上跟 Claude Opus 几乎分不出区别。切换成本极低,把 API 地址指向兼容的服务商就能直接在 Claude Code 里跑。两个硬伤:不支持图像识别,内置的网页搜索又慢又差,导致依赖看图或实时查资料的自动化流程跑不起来。

推荐理由:作者记录了将 GLM 5.2 接入 Claude Code 的切换路径,通过更换兼容服务商的 API 地址完成模型迁移。

7月6日星期一

Import AI

Fable 写出首个 GPU 大核,AI 在线工作自动化八个月翻四倍

Fable 在 KernelBench-Mega 上提交了第一个真正意义上的 GPU 大核,单次协作式内核启动就比优化过的 PyTorch 基线快了 18.71 倍。作为对比,Claude Opus 4.8 做到 14.4 倍,GPT-5.5 只有 4.34 倍。这个基准测的是 AI 自己写底层算子的能力,是观察 AI 能不能自己改进自己的一个信号。

推荐理由:Fable 编写的 GPU 大核在基准测试中的加速比高于两款对照模型,比较聚焦模型自行编写底层算子的运行效率。

Hacker News 首页

代码干不干净,会影响 AI 编程 agent 干活吗?

SonarSource 的研究人员用 Claude Code 跑了 660 次实验,在 33 个任务里对比了“脏代码”和“干净代码”的仓库。结论是:代码干不干净,不影响 agent 最终把任务做对的通过率。但干净代码能让 agent 少用 7% 到 8% 的 token,重复打开同一个文件的次数也少了 34%。

推荐理由:SonarSource 对比了干净与脏代码仓库的任务通过率和执行开销,干净代码的收益集中在减少 token 消耗和重复打开文件上。

7月5日星期日

AI HOT 精选

美团 LongCat-2.0 完全开源,1.6T 参数的 MoE 模型,权重和推理代码都放出来了

美团把 LongCat-2.0 整个开源了,MIT 协议,权重和推理代码都能直接用。这是个 1.6 万亿参数的 MoE 模型,每次推理只激活大约 480 亿参数,上下文窗口能塞进 100 万 token。

推荐理由:美团以 MIT 许可开放 LongCat-2.0 的权重与推理代码,为自主部署和二次开发提供了可直接使用的模型基础。

Hacker News 首页

Simon Willison 用 Claude Fable 修了个丢数据的致命 bug,花了 149.25 美元把 sqlite-utils 4.0 推到稳定版

Simon Willison 在发布 sqlite-utils 4.0 稳定版前,让 Claude Fable 做了一次最终审查。模型发现了一个会丢数据的严重 bug:delete_where() 方法执行后从不提交事务,导致后续所有写入操作都会被静默回滚。整个修复过程用了 37 次提示、34 次提交,改了 30 个文件,总共花了 149.25 美元。

推荐理由:Simon Willison 用 Claude Fable 做发布前审查,记录了从发现数据丢失漏洞到修复的提示次数、提交数量与成本。

Computing Life · Share · 鸭哥调研

AI 把造轮子变便宜了,Infra 组该去铺 agent 能跑的路

GitClear 分析了 2.11 亿行代码变更,发现 AI 辅助编程让重复代码激增、重构减少。造内部工具的边际成本被压到接近零,业务组不再需要等 Infra 组交付成品平台,自己花十分钟就能让 AI 生成一套能用的东西。Infra 组过去“别自己造轮子”的底气被掏空了。

推荐理由:文章讨论 AI 降低内部工具生成成本对 Infra 组的影响,业务组自行生成工具正在减少对集中交付平台的依赖。