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。
OpenAI Codex 发布了 Python SDK，安装命令是 pip install openai-codex。这意味着开发者可以直接在自己的代码里调用 Codex 的编程和生图能力，不用再单独打开 Codex 界面。更省事的是，SDK 能复用你已经在 Codex 上的登录状态，省去再搞一套鉴权的麻烦。不过正文没提 API 怎么收费、用的是哪个模...
推荐理由：我会先打个折：正文只说了怎么装和怎么登录，没给 API 价格、模型版本或限流条件，所以别急着算账。但这件事本身挺实在——Codex 不再只是个聊天窗口，而是能当零件用，pip 一装就能集成。对开发者来说，复用登录态省了一步鉴权麻烦，但没写清楚调用上限，真上生产还得自己测。整体是实用的产品更新，信息有缺口但不妨碍它值得关注。
Codex 现在可以把你的工作内容、想法和计划直接转成一个交互式网站或应用，团队通过一个链接就能打开、使用和分享。这个功能会先推给 Business 和 Enterprise 用户，正文没提价格，也没说什么时候开放给其他套餐。
推荐理由：我会先打个折：正文没披露定价、权限边界，也没给实际效果案例，所以别急着把它当成成熟的生产力工具。但 Codex 从写代码延伸到直接出可交互站点，这个方向本身挺省钱——省掉了从代码到可演示原型中间的那一步。对企业和团队用户来说，一个 URL 就能让非技术人员上手试用，协作摩擦会小很多。这点先别太激动，等看到具体质量表现和计费方式再说。
OpenAI 给 Codex 应用上线了六个新插件，分别瞄准数据分析、创意产出、销售、产品设计、股票投资和投行业务。每个插件都打包了工具集成、操作指令和上下文，让 Codex 能模拟特定岗位的工作流。正文没提定价和开放范围，我会先打个折——没看到实际跑通的效果和成本之前，别急着把它当正式员工用。
推荐理由：OpenAI 把 Codex 从程序员工具扩成白领插件包，六个方向覆盖了数据、创意、销售、产品、股票和投行，动作不小。但正文没提定价、实际效果和推送范围，所以我会先打个折，把它放在中等权重的产品更新档。
Anthropic 发了新模型 Claude Opus 4.8，主要卖点是 Claude Code 现在能先写一个调度脚本，再同时拉起多个子代理并行处理复杂任务。不过有开发者提醒，这并不证明松散的 multi-agent 架构靠谱，反而是围绕小代理循环的确定性工作流更稳。模型本身被 Simon Willison 评价为“温和但有用的升级”，更诚实、更少...
推荐理由：HKR 三项都成立，因为这是一次有实质内容的 Anthropic/Claude 发布和 Claude Code 代理更新。文章没给基准测试、定价和上下文窗口数据，所以分数压在 85–94 这个区间。
Anthropic 把 Project Glasswing 的合作范围从约 50 家扩到约 150 家新机构，覆盖超过 15 个国家，新增了电力、水务、医疗、通信和硬件等关键基础设施行业。这些机构都有一个共同点：一旦代码库被攻破，影响可能超过 1 亿人。前期合作方用 Claude Mythos Preview 已经扫出超过 1 万个高危或严重漏洞，现在...
推荐理由：Anthropic把Project Glasswing铺到约150个新组织，横跨15个以上国家，HKR三项都有实打实的数字和行业支撑。不过正文没披露具体的安全机制或模型能力变化，所以分数就停在featured低段，先别太激动。
作者用一张 RTX 3090 跑 Qwen3.6-27B，在 47 个多步骤编程工作流里顶替 Claude 试了两周。计划生成的结构合规率大约 95%，但工具调用格式错误率有 12% 左右，而且上下文一超过约 12k token，实际表现就开始明显下滑。正文没披露具体任务难度和对比基准，所以 95% 这个数只能当个参考，别直接当成“接近 Claude”...
推荐理由：这篇值得看，因为它是真人两周实测，不是跑分。作者用一张消费级显卡把 Qwen3.6-27B 塞进多智能体编排里，替换 Claude，给出了能用的上限和会翻车的点。95% schema 合规听着不错，但 12% 工具调用格式错误意味着每八九次就有一次格式炸了，生产环境还得加校验层。长上下文到 12k tokens 就吃力，复杂任务得拆。正文没披露延迟数据和总 token 消耗，这点先别急着算成本账。整体是份诚实的工程笔记，不是公关稿。
作者用Codex扫了自己的MacBook，发现B站缓存等一堆可删文件，激进方案能清出超140G。他干脆把清理逻辑做成一个开源skill，Mac和Windows都能用。工具会扫描文件生成可交互的HTML报告，用绿黄红三色标出哪些能放心删、哪些要人工判断、哪些千万别动，还带安全执行按钮。实测清出近120G，而CleanMyMac只扫出15.8G，信息透明度...
推荐理由：这篇东西不是平台级大新闻，但 H、K、R 三点都踩中了：120 美元的替代钩子够抓人，扫描报告和 120G 实测结果给了具体信息，开源 skill 的思路对想用 AI 省钱的开发者有直接复用价值。放在 featured 门槛附近没问题，属于那种实用开源工具类的推荐。
这套流程把 Claude Code 定位成“高效又聪明的老师”，目标不是替你写完代码，而是确保你能把问题、方案和影响讲清楚、辩得动。它沿着问题域、方案域和语境域三条线，拆成 8 个可执行步骤，用增量教学、用户复述、清单加测验的方式，在进入下一步前先确认你真的懂了。这么设计是为了对抗长会话里人慢慢变成“审批按钮”的问题，强制把决策上下文沉淀下来，让理解过...
推荐理由：我会先打个折：这不是产品发布，是一篇实操分享，所以放在 featured 低位。HKR 三项都踩实了——钩子把“人变按钮”这个痛点讲得很透，知识部分有 8 步工作流和验证循环，相关性直击开发者对 agent 失控的担忧。正文没披露这套流程在复杂项目里的失败率，这点先别太激动，但作为可落地的教程，信息密度够。
OpenAI 宣布，它的前沿模型和 Codex 编程助手已经在 AWS 上正式开放使用。这意味着企业可以直接在自己熟悉的 AWS 环境里调用 GPT-5.5 等模型，走现有的安全、合规和采购流程，省去另起炉灶的麻烦。Codex 也一并上线，这个每周有超过 500 万人用的编程智能体，现在能在 AWS 里帮团队写代码、做审查和修 bug。正文没披露具体定...
推荐理由：这条消息本身挺有意思，OpenAI 上 AWS 意味着企业多了一个不用 Azure 也能用前沿模型的选择，对多云策略和采购谈判都有影响。但正文实在太薄，只给了个链接和 56 分、17 条评论，没写可用区域、价格、模型清单，也没说清楚是 Bedrock 里的托管版还是别的接入方式。所以我会先打个折：信息缺口太大，没法判断实际落地程度和性价比，这点先别太激动。
Perplexity 公开了一套叫 Search as Code 的搜索架构。它的做法是让 AI 代理直接写 Python 代码去调用自家的搜索栈，而不是像以前那样一步步循环调用函数。这套东西已经上线 Perplexity Agent API，并且成了 Computer 功能的默认选项。正文没披露具体性能对比数据，但思路很直接：省掉中间环节，让搜索更快...
推荐理由：我会先打个折：这篇只有 Perplexity 自己的公告，没给性能对比、定价细节和实际铺开范围，所以只能算一个低配版的产品更新。但亮点很实在——Perplexity 把搜索从“调 API 拿结果”变成了“让模型写代码操作搜索栈”，并且已经接进 Agent API，这对正在搭 agent 的团队来说是个省事的信号。正文没披露延迟和成本数据，这点先别太激动。
MiniMax 放出了一个叫 M3 的开源模型，把代码能力、一次能读 100 万 token 的长上下文和原生多模态（能直接处理图像、音频）做在了一起。在 SWE-Bench Pro 这个代码基准上拿了 59.0%，比 GPT-5.5 的 58.6% 和 Gemini 3.1 Pro 的 54.2% 都高一点；在 BrowseComp 自主浏览任务上 ...
推荐理由：我会先打个折：目前只有一条 X 帖子，没看到官方技术报告或第三方独立评测，所以分数压在 78–84 区间。但 M3 确实把编码、超长上下文和多模态打包开源，SWE-Bench Pro 59.0% 不算顶尖但够用，成本只有 GPT-5.5 的约 1/12，对想省钱又有长上下文需求的团队是个实在选项。这点先别太激动，等正式文档和更多实测出来再调判断。
作者 Nathan Lambert 的核心判断是：在编程智能体这类对智商极度敏感的场景里，用户会一直为最聪明的闭源模型付高价，他自己就愿意每月掏 2000 美元。闭源实验室会逐渐把最好的模型藏起来，不在 API 里轻易放出，以保护利润和防止被蒸馏。他预测 5 到 10 年内，OpenAI 和 Anthropic 的估值会到 2 万亿到 10 万亿美元，...
推荐理由：我会先打个折，这是一篇个人评论，不是系统研究，所以重要性停在 featured 门槛附近是合理的。但它的 HKR 三项都站得住：观点有明确的冲突框架（h），给出了可引用的价格和估值数字（k），讨论的议题正好是当下圈子里吵得最凶的那几个（r）。正文没披露这些估值模型的具体假设，所以数字本身先别太激动，但它们作为讨论的引子够用了。
OpenBMB 跟清华 NLP、Modelbest 一起发了两个数据集，都挂在 HuggingFace 上。一个是 Ultra-FineWeb-L3，给预训练用的合成数据，总量超过 600B token，其中英文 400B+、中文 200B+，是目前最大的开源中文预训练合成数据集。另一个是 UltraData-SFT-2605，给模型做指令微调用的，有...
推荐理由：我会先打个折：正文没披露数据质量评测、去重细节和许可证，所以没法判断实际可用度。但两个数据集的体量摆在那，600B+ tokens 的网页语料和 15M+ 条 SFT 样本，对做预训练和指令微调的人是实打实的弹药。冲上 HuggingFace 趋势榜说明社区有需求，不过这点先别太激动，热度不等于质量。整体看，这是一次对开源训练数据供给的补充，尤其对中文场景，值得关注但需要等后续评测。
MiniMax 把 M3 模型开源了，权重公开可下载。它把三个能力塞进了一个模型里：编程水平摸到了 GPT-5.5 和 Gemini 3.1 Pro 的边（SWE-Bench Pro 得分 59.0%），能处理 100 万 token 的超长上下文，还原生支持图片和视频输入。长上下文不卡顿的关键是他们自研的 MSA 稀疏注意力机制——在 100 万 t...
推荐理由：MiniMax M3开源了一个把文本、图像、音频塞进同一个模型的一体方案，上下文窗口拉到100万token。最实在的点是MSA注意力机制，每token计算成本降到前代的1/20，长文本推理能省不少钱。编码和Agent跑分看着不错，但正文没给出具体对比对象和测试细节，这点先别太激动。整体是一次有诚意的开源发布，信息量够，但验证还缺一环，所以放在featured而不是P1。
OpenAI 在 6 月威胁报告里披露，他们封掉了一批很可能来自中国的 ChatGPT 账号。这批人用简体中文写提示词，让 ChatGPT 生成英文帖子和图片，在 X 上假装成各种背景的普通美国人，反复说数据中心和 AI 把电费拉高了，成本最后都摊到老百姓头上。他们还用 ChatGPT 修图、写自动化脚本，并骚扰海外异见人士。更值得留意的是，他们上传的...
推荐理由：OpenAI 的官方威胁报告，不是第三方猜测，可信度先打个底。披露的这套玩法——简体中文提示词转英文内容、批量伪装账号、专挑电费这种民生痛点反复说——把 AI 怎么被武器化做舆论影响讲得很实，对从业者来说既是安全警示，也踩中了行业正在面对的公众质疑。信息量够，冲击力强，直接给 featured。
Reddit 用户 thibautrey 分享了一个三步走的方法：编辑 Codex Desktop 的 config.toml 配置文件，存好 API 密钥，再用一个叫 multicodex 的代理别名把 gpt-5.3-codex 这个模型名映射到 MiniMax-Latest。代理跑在本地 127.0.0.1:1455，会把返回的模型名伪装成 gp...
推荐理由：这是一条可复现的开发者操作流，不是官方发布。我会先打个折：正文没披露 MiniMax-Latest 的具体成本和延迟，也没说 proxy 稳定性如何，所以别急着在生产环境照搬。但 hook 很直接——不改代码就能在 Codex 桌面端用别的模型，配置细节也够落地，对想省钱或换模型的人有实际参考价值。
Simon Willison 用 Pyodide（把 Python 编译成浏览器能跑的 WebAssembly）加上 Service Worker，让 Python 的 ASGI 网页应用完全在浏览器里运行。他让 Claude Opus 4.8 帮忙写了代码，做了两个能用的演示：一个基础 FastAPI 例子，另一个是他自己的 Datasette 1....
推荐理由：Simon Willison 用 Claude Opus 4.8 辅助开发，把 Python ASGI 应用搬进了浏览器，已经跑通了 Datasette 的演示。这件事的钩子在于：浏览器不再只是前端沙箱，可以直接当应用服务器用。技术栈交代得清楚，Pyodide、Service Worker、ASGI FastCGI 每一步都有据可查，不是概念图而是能跑的代码。我会先打个折，这目前还是个开发者实验，离生产环境还有距离，但思路对无服务器和边缘部署的人有启发。
GitHub Copilot 把计费方式从订阅制改成了按 token 算钱，开发者社区炸了。token 就是模型处理文本的最小单位，用多少收多少，但正文没披露具体单价、生效时间，也没说免费额度还在不在。我会先打个折——如果单价定得高，写代码时每补一行都可能肉疼，这对重度用户影响不小。
推荐理由：HKR 三项都踩中了：计费模式切换本身是实打实的机制变化，开发者骂“开玩笑吧”自带冲突感，而按 token 收费直接关系到每个用 Copilot 写代码的人的钱包。我会先打个折——正文没给价格、token 单价和生效时间，这些关键信息全是缺口，所以重要性只能停在 75 这一档。对从业者来说，这条消息值得看一眼，但别急着算账，等官方把数字放出来再说。
这篇文章的正文被微信环境异常页挡住了，实际内容没抓到。从标题和已有英文摘要看，沃顿商学院教授 Ethan Mollick 用 Claude Opus 4.8 生成了一个叫“历史之幕”的网站，把人类历史上约 1170 亿次出生做成加权随机模拟，跑了 4000 轮蒙特卡洛来估算你投胎到不同地区和时代的概率。但具体怎么算的、模型代码怎么写的、有没有幻觉或偏差...
推荐理由：HKR 三项都成立：Mollick 的投胎模拟器是个有梗的钩子，不是常规的“模型又变强了”；1170亿人口和4000轮模拟给了可验证的数字；对开发者来说，这种一夜搭出复杂原型的效率比跑分更有说服力。这不是 Anthropic 官方发布，所以留在 featured 低位没问题。
SemiAnalysis 爆料 xAI 已经不用 JAX 在 NVIDIA GPU 上训练模型了，转而用 Grok Build 写了一套 C 语言训练框架。报道说 xAI 的 JAX 方案模型浮点利用率（MFU）不到 10%，这个数字很低，意味着大部分算力都浪费在调度和通信上，没真正花在训练上。NVIDIA 的 JAX 团队过去两年几乎全员扑在支持 x...
推荐理由：xAI 换训练框架是个强钩子，MFU 不到 10% 这个数字够扎眼，但来源是单条推文，复现条件也没给，所以定在 80 分，不上 P1。我会先打个折看后续：如果真有实锤，这事对训练成本的讨论会很大。