迈阿密初创公司 Subquadratic 放出第三方跑分,声称解决了让大模型又慢又贵的“注意力瓶颈”
Subquadratic 之前说自己的 SubQ 模型能打破大模型里那个让成本随文本长度平方级暴涨的“密集注意力”瓶颈,当时没给证据,被很多人叫“AI 版 Theranos”。
推荐理由:Subquadratic 此前宣称 SubQ 模型能打破密集注意力的平方级成本瓶颈却未给证据,如今放出第三方跑分,让这一争议有了可核查的测试数据。
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。
Subquadratic 之前说自己的 SubQ 模型能打破大模型里那个让成本随文本长度平方级暴涨的“密集注意力”瓶颈,当时没给证据,被很多人叫“AI 版 Theranos”。
推荐理由:Subquadratic 此前宣称 SubQ 模型能打破密集注意力的平方级成本瓶颈却未给证据,如今放出第三方跑分,让这一争议有了可核查的测试数据。
智谱的 GLM-5.2 被多个独立来源认为是第一个在日常使用中摸到前沿水平的开源模型。Jeremy Howard 觉得它至少不输 Opus 4.8 和 GPT-5.5,但缺视觉能力。Artificial Analysis 在一个知识工作评测里把它排在 GPT-5.5 之上。
推荐理由:GLM-5.2 被 Jeremy Howard 和 Artificial Analysis 分别给了正面评价,是少有的开源模型被独立来源推到和 GPT-5.5、Opus 4.8 同一档。扣分是因为原文是付费 newsletter,细节有限,但判断本身有多个信源交叉验证,可信度不低。
DeepSeek研究员Deli Chen放出了一个叫AutoResearch的实验协议,让AI智能体在285B参数的模型上独立跑完了一整套强化学习研究闭环——自己设计实验、写代码、提交GPU任务、修bug、写总结,全程没人插手。系统用了GRPO这个工具。
推荐理由:DeepSeek研究员Deli Chen开源的AutoResearch协议,让AI智能体在285B参数模型上独立完成强化学习研究闭环,从设计实验到写总结全程无人干预。
Steve Yegge 认为,Fable 模型被美国政府短暂关停是一个分水岭,说明模型智能已经危险到需要管控了。他预测,最多再过两三代模型,最前沿的 AI 就会像核武器一样被政府严格管制,绝大多数财富 500 强公司都拿不到访问权限。开源模型虽然能追到 Fable 这个级别,但受限于算力壁垒和供应链封锁,很难再往上突破。
推荐理由:Steve Yegge 把 Fable 被短暂关停视为分水岭,并预测最前沿模型将在两三代内受到政府严格管制,多数财富 500 强公司难以获得访问权限。
Claude Code 开始支持 artifacts 了。你在终端里干活时,它可以把你当前的进度——比如代码改动说明、系统架构解释、数据看板——直接生成一个能交互的网页。这个网页带着完整的对话上下文,队友不用装 Claude Code 就能看。官方没说明这个功能是默认开启还是需要手动触发,也没提生成一个 artifact 会吃掉多少 token。
推荐理由:Anthropic 为 Claude Code 加入 artifacts,终端里的代码改动说明、架构解释或数据看板能直接生成可交互网页,队友无需安装即可查看完整对话上下文。
Anthropic 这篇博客把调教 Claude Code 的方法拆成了五块:CLAUDE.md 文件用来写项目级的全局指令,告诉模型这个项目的代码风格、架构和约定;技能(skills)是把重复的任务流程模板化,让模型按固定步骤执行;钩子(hooks)能在模型执行操作前后自动触发检查或脚本,比如提交代码前跑一遍测试。
推荐理由:Anthropic 把调教 Claude Code 的方法拆成 CLAUDE.md、技能、钩子、规则和子智能体五块,逐项说明各自负责的环节,想给项目里的模型加上固定流程和自动检查的人可以照着搭。
Alex Ellis 用一块 RTX 6000 Pro 跑本地模型,两三个月就回本了。Qwen 27B 在 SWE-Bench 上只比 Claude Opus 4.8 低 12%,但一到他写的 Go 分布式系统里,量化后的模型就会陷入死循环和幻觉——他仍然不敢让它无人值守干活。正文没披露 token 速度和延迟数据。
推荐理由:Alex Ellis 用一块 RTX 6000 Pro 跑本地模型两三个月回本,Qwen 27B 在 SWE-Bench 上只比 Opus 4.8 低 12%,但在他自己的 Go 分布式系统里量化后仍会死循环和幻觉。
苹果在 WWDC 2026 的一个讲座里演示了 Xcode 27 的新 AI 功能。这个 AI 助手直接嵌在工具栏里,支持多轮对话,可以跨多个文件改代码,也能根据你的文字描述加上图标等素材,直接生成一个完整的 App。生成之后还能继续用对话让它加背景、特效、动画和翻译。
推荐理由:苹果在 WWDC 讲座中演示 Xcode 27 内置 AI 助手,支持多轮对话跨文件改代码,并能按文字描述生成完整 App,展示了开发工具与 AI 结合的一种具体形态。
Hugging Face 把自家的 transformers 库当成考场,让开源模型驱动的编程助手去写代码、调接口、自己改 bug,看它们到底要绕多少弯路、花掉多少 token 才能把活干完。他们没只看最终答案对不对,而是把整个解题过程拆开看:不同模型、不同版本的库、不同任务下,成功率和成本差了多少。
推荐理由:Hugging Face 用自家 transformers 库测试开源模型编程助手,把解题过程拆开比较不同模型和库版本下的成功率与 token 消耗,为评估编程智能体提供了可复用的方法。
Anthropic 给 Claude Design 加了两个实用能力:一是它能跨项目记住你的设计系统,比如颜色、字体、组件这些,不用每次都重新教它;二是它现在能和 Claude Code 协同,你可以在编辑器里直接改设计稿。正文没提具体上线时间,也没说这是免费功能还是付费功能。
推荐理由:Anthropic 为 Claude Design 加入跨项目记忆设计系统与 Claude Code 协同编辑,设计团队可省去重复交代品牌规范,并在编辑器内直接改动设计稿。
Anthropic 在 Claude 里塞了个叫 Claude Design 的设计功能。它主要干三件事:跨项目自动保持品牌视觉一致,不用来回对色卡和字体;支持在画布上直接编辑,不用导出到别的软件;还能跟 Claude Code 同步,但正文没解释同步具体是怎么实现的、支持哪些第三方工具,也没说什么时候正式上线。
推荐理由:Anthropic 在 Claude 中加入 Claude Design,跨项目自动统一品牌视觉并支持画布直接编辑,省去对色卡字体和导出到其他软件的步骤。
Charity Majors 澄清她没让人跳过代码审查。她回顾了 AI 写代码从 2025 年初的“废料”到年底 Opus 4.5 发布后达到普通工程师水平的过程,代码生产成本几乎降为零。她强调,软件团队真正的产出是共享理解,而不是代码行数。正文没有列出她具体推荐的新纪律,但指出当代码变得像一次性耗材时,靠读代码来理解系统已经不够用了。
推荐理由:Charity Majors 回顾 AI 写代码从 2025 年初的废料到 Opus 4.5 达到普通工程师水平,提出代码生产成本趋近于零后,软件团队的产出是共享理解而非代码行数。
Z.ai 的 GLM-5.2 在 Artificial Analysis 的 Intelligence Index v4.1 上拿了 51 分,超过 MiniMax-M3 和 DeepSeek V4 Pro(都是 44 分),成了目前最强的开源权重模型。
推荐理由:GLM-5.2 在 Artificial Analysis 的 Intelligence Index v4.1 上以 51 分超过 MiniMax-M3 和 DeepSeek V4 Pro 的 44 分,成为当前得分最高的开源权重模型。
Z.AI 开源了 GLM-5.2,一个为长周期编程任务设计的模型。它把上下文窗口做到了 100 万 token,而且不是光能塞进去,是在 agent 跑一长串操作后质量依然稳得住。架构上用了两个新东西:IndexShare 让每四层稀疏注意力共用一个索引器,在 100 万 token 长度下把每个 token 的计算量砍到了原来的约三分之一。
推荐理由:Z.AI 开源的 GLM-5.2 把上下文做到 100 万 token,并让 agent 连续操作后输出质量保持稳定,IndexShare 在同等长度下把每 token 计算量压到约三分之一。
Anthropic 的 Fable 5 模型上线大约 72 小时就被撤下,正文没披露具体原因。群友实测下来,它在复杂推理、编程和写作上明显强过 Opus 4.8 和 GPT-5.5:有人卡了两个月的难题它两分钟解决,MindStudio 测出多步编程自纠率 81%,Vellum 直接说这是“代差级跃升”。
推荐理由:Anthropic 的 Fable 5 上线约 72 小时即被撤下,群友实测显示其在复杂推理、编程和写作上强过 Opus 4.8 与 GPT-5.5,多步编程自纠率达 81%。
Z.ai 周末扔了个 MIT 许可的 GLM-5.2,744B 参数的 MoE 模型,主攻编程和长流程任务。第三方评测显示,它在 Code Arena 前端榜上把 Claude Opus 所有版本都超了,总榜也只比 Opus 4.8 差一点。
推荐理由:Z.ai 以 MIT 许可开源 744B 参数的 MoE 模型 GLM-5.2,主攻编程与长流程任务,第三方评测显示其在前端编程榜上超过 Claude Opus 各版本。
Stephen Wolfram 亲自写了篇长文介绍 15 版更新。最大的变化是每个笔记本里都塞了一个 AI 助手,用的是 Wolfram 自家的大模型,能帮你写代码、解释结果、生成图表。这次还新增了“符号音乐”,你可以用代码写乐谱、做音频分析。新加的 ModelFit 是个超级函数,把回归、分类、时间序列预测这些活统一到一个接口里了。
推荐理由:Stephen Wolfram 撰文介绍 15 版更新,每个笔记本内置自家大模型驱动的 AI 助手,可写代码、解释结果和生成图表,并新增符号音乐与统一回归、分类、预测接口的 ModelFit。
智谱把 GLM-5.2 用 MIT 协议开源了。它在 Code Arena 前端开发盲测里拿了公开可用模型第一,代码能力卡在 Claude Opus 4.7 和 4.8 之间。模型支持 100 万 token 无损上下文,能跑跨天的长任务。在 FrontierSWE 上只比 Opus 4.8 低 1%,超过了 GPT-5.5 和 Opus 4.7。
推荐理由:智谱以 MIT 协议开源 GLM-5.2,在 Code Arena 前端盲测中位列公开可用模型第一,代码能力介于 Claude Opus 4.7 与 4.8 之间,并支持 100 万 token 上下文。
Sumi 是第一个从零开始、用 1.5 万亿 token 预训练出来的 7B 参数均匀扩散语言模型。均匀扩散的意思是,模型在生成文本时每一步都可以修改任意位置的词,不像传统模型只能从左往右写,理论上更灵活。团队把模型权重、训练检查点和完整配方全公开了,包括用了哪些公开数据集、怎么混合的。
推荐理由:Sumi 团队从零预训练出 7B 均匀扩散语言模型,生成时每步可改任意位置词,并公开权重、检查点和完整数据配方。
智谱把 GLM-5.2 放出来了,代码开源,MIT 协议,可以商用。这个模型在 Artificial Analysis 综合榜上拿了 51 分,跟 Anthropic、OpenAI 排在前三,是开源模型里目前最好的。前端开发盲测 Code Arena 上拿了全球可用模型第一。
推荐理由:智谱以 MIT 协议开源 GLM-5.2,可商用,在 Artificial Analysis 综合榜以 51 分与 Anthropic、OpenAI 同列前三,是当前排名最高的开源模型。