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。
彭博社援引知情人士消息称，SpaceX 打算在上市 30 天后买下 AI 编程助手 Cursor。这篇报道没披露交易金额、IPO 时间表，也没提监管审批条件。Cursor 是目前程序员圈子里很火的 AI 写代码工具，如果交易落地，SpaceX 等于直接把一套成熟的 AI 开发工具塞进自己的工程体系里。不过现在连 SpaceX 什么时候上市都还没定，这个...
推荐理由：Bloomberg 的信源加上 SpaceX 在 IPO 后立刻买 Cursor 这个奇怪安排，让消息本身够硬、够新、也够有话题性，所以 HKR 全中。不过正文没披露价格、IPO 时间表和监管条件，信息缺口明显，分数就停在 84，不到 85 的 P1 线。
Claude Code 团队发现让模型直接生成 HTML 页面，比用 Markdown 更能把事说清楚。文章举了四个具体用法：用表格做对比、用 CSS 控制排版样式、用 SVG 画图表、用 JavaScript 加交互操作。他们没说性能数据或成本变化，更像是一篇内部实践分享，告诉你“我们这么用下来效果不错”。
推荐理由：Claude Code 团队把默认输出从 Markdown 切到 HTML，这篇官方博文列出了表格、CSS、SVG 和 JS 交互四种用法，说明 HTML 在展示结构化结果和可交互内容上比纯文本强。对写代码的人有实操参考价值，但不算重大产品发布，放在 featured 档合适。
Google Research 在《自然》杂志上发表了他们基于 Gemini 的“经验研究助手”（ERA），同时通过 Google Labs 的可信测试者计划开放了早期访问。这个工具想帮研究人员自动完成文献综述、提出假设和设计实验这些耗时的工作。文章主要讲了 ERA 从一篇 Nature 论文走向实际计算发现工具的过程，但正文没披露它在真实科研场景里的...
推荐理由：Google Research 把基于 Gemini 的 ERA 发在了 Nature 上，同时通过 Google Labs 的可信赖测试者计划开放初步试用。我会先打个折：正文没给出具体指标、基准测试设置，也没讲可复现的工作流细节，所以没法判断它到底有多能打。但这件事本身值得关注——它不是在秀一个 demo，而是试图把论文里的研究助手推到真实科研场景里去验证。这点先别太激动，等看到实际使用反馈和量化结果再说。
Google 宣布 Gemini CLI 将在 2026 年 6 月 18 日停止服务，个人免费用户和 Pro/Ultra 订阅用户届时都无法再使用。这个命令行工具去年发布后攒了超过 10 万 GitHub 星标和 6000 个合并请求，但 Google 认为用户现在需要的是多个 AI 代理互相配合干活，而不是单打独斗，所以决定把精力集中到新的 Ant...
推荐理由：Google 开发者博客扔出一个 Gemini CLI 的停用日期，并指向 Antigravity CLI 作为替代。标题本身就是一个硬截止日，对依赖这条命令行的开发者冲击不小，所以 HKR 三项都站得住。不过正文除了日期和迁移目标外，没解释怎么迁、兼容性如何、旧项目会不会断，信息量其实很薄。我会先打个折，把它放在 featured 的低位，因为截止日本身就有新闻性，但细节缺口太大，不值得给更高分。
谷歌 AI 在 X 上宣布推出 Gemini 3.5 系列，首发的是 Gemini 3.5 Flash。官方说这个版本重点强化了智能体（让模型进业务流程干活）和编程能力。正文没披露参数量、价格、跑分成绩和上下文窗口大小，所以实际提升有多大、成本划不划算，现在还没法判断。
推荐理由：Gemini 3.5 系列是 Google 的正代更新，Flash 版先出，定位在智能体和编程，这两个方向现在很热。但正文没披露价格、上下文长度和参数量，我会先打个折——信息不全，实际落地成本不好判断。这点先别太激动，等补上关键数字再重新评估。
Google 在 I/O 后开放了 Gemini 3.5 Flash，产品端和 API 都能用。官方说它在多数基准测试上比 3.1 Pro 强，编程能力提升明显，每秒吐 token 的速度是其他前沿模型的 4 倍。不过帖子没给具体跑分数字和测试条件，这点先别太激动。
推荐理由：Google 在 I/O 后放出了 Gemini 3.5 Flash，产品和 API 都能用。最抢眼的数字是每秒吐 token 的速度是其他前沿模型的 4 倍——我会先打个折，因为正文没披露跟哪些模型比、在什么条件下测的，也没给价格和上下文窗口。这点先别太激动，但速度翻几倍对降低延迟和成本确实有用，所以这条消息值得从业者看一眼。
谷歌在 I/O 开发者大会上推出了 Gemini 3.5 Flash，官方说这是他们目前写代码和驱动 AI 智能体（让模型进业务流程干活）最强的模型。它能独立跑通编程流程、管理研究项目，内部测试里甚至从零搭建了一个操作系统。这标志着谷歌的重心从聊天转向了能自主执行复杂任务的智能体。不过，正文没披露这个模型的参数量、上下文窗口和具体定价，所以实际成本和规...
推荐理由：我会先打个折：正文没披露参数量、价格和上下文窗口，所以性能上限和实际成本都还看不清。但 Google 这次把 Gemini 3.5 Flash 直接押在 agent 和从零写软件上，等于说“别只把我当聊天工具，我能进业务流程干活”。对做 agent 和代码生成的人来说，这个方向比单纯刷榜更有看头。不过没给技术细节和定价，现在只能当信号看，别太激动。
Google 在 I/O 上把去年 10 月亮相的代码安全工具 CodeMender 的 API 开放给一批专家测试，定位是“能自己发现漏洞并修好”的 AI agent。DeepMind CTO 说目标是帮全球代码库做安全加固。文章拿它跟 Anthropic 突然发布的 Claude Mythos Preview 对比，但正文没披露 CodeMende...
推荐理由：HKR 三项都踩中了，但正文只确认了封闭内测和标记修复机制，开放时间、价格、评测结果全都没披露，所以先放在 featured 这一档。
谷歌在 I/O 大会上掏出了 Gemini 3.5 系列的第一个模型 Flash，定位很明确：让模型进业务流程干活，处理那种步骤多、周期长的任务。在 Terminal-Bench 和 MCP Atlas 这两个考编程和代理能力的测试里，它的分数压过了自家上一代的 3.1 Pro。速度方面，比别家顶尖模型快 4 倍，如果放在谷歌自己的 Antigravi...
推荐理由：谷歌在 I/O 大会上扔了个 Gemini 3.5 Flash，专门给那种要跑很久、步骤很复杂的 agent 工作流用的。我会先打个折：跑分是谷歌自己给的，第三方还没复现，但 Terminal-Bench 上超 3.1 Pro、速度是其他前沿模型 4 倍这些数字，如果属实确实省钱省时间。Antigravity 环境里飙到 12 倍，这点先别太激动，正文没披露那是啥场景、跟谁比。整体看，这是个同日发布的重要模型更新，对做 agent 落地的人有直接参考价值，但还没到改写行业规则的程度。
Google 给 AI Studio 加了个新功能：你输入想法，它直接生成一个能在安卓手机上跑的 App。平台里内嵌了安卓模拟器，写完可以先预览；想真机体验的话，把手机连上电脑就能安装。Google 说后续还会开放测试邀请功能，但目前还没上线。这次首发主要面向个人小工具类应用，不是啥都能做。
推荐理由：Google AI Studio 现在能靠提示词直接吐出可安装的 Android 原生应用，还带模拟器预览和真机安装。初版只覆盖个人工具类应用，不是完整开发环境，所以算中等分量的产品更新，不是 P1。
Google 在 I/O 大会上把 Android CLI 推到了 1.0 稳定版。这东西是个命令行工具，主要作用是让各种 AI 编程助手（比如 Claude Code、OpenAI Codex，或者 Google 自家的 Antigravity）能直接通过命令行来构建安卓应用，不用非得打开 Android Studio 的图形界面。它内置了一个“an...
推荐理由：我会先打个折：正文没给版本号、发布时间，也没性能数据，所以只能当个信号看。但 Google 加 Android 加 agentic coding 这个组合，本身就够上 featured 线。它不是在秀技术指标，而是在开一扇门——让 agent 从命令行直接插手 Android 构建，这对移动端开发者的工作方式冲击不小。
Google 在 I/O 2026 上给自家的网页版 AI Studio 加了个新功能：直接用自然语言描述需求，几分钟就能生成一个原生的安卓应用。以前搭环境、写代码可能要几周，现在把门槛压到了“会打字就行”。不过正文没披露背后用的是哪款模型、生成的应用能复杂到什么程度、有没有代码审查机制，也没提收费方式。另外 Google 还提到会用 Gemini 帮...
推荐理由：Google AI Studio 这次更新把代码生成直接落到安卓原生应用上，速度卖点很明确。正文没披露模型、价格和发布范围，所以只能算中等体量的产品更新，先放在 featured 档。
Google 在 I/O 大会上推出了编程助手 Antigravity 的 2.0 版本，主要更新了桌面应用、命令行工具和一个用来搭自定义流程的 SDK。同时，他们新加了一个每月 100 美元的 AI Ultra 套餐，使用额度是 AI Pro 套餐的 5 倍。不过，这篇报道没具体说桌面应用和命令行工具到底更新了哪些功能，也没提 SDK 能接入哪些外部系统。
推荐理由：HKR 三项都踩中了，但正文没写桌面应用和 CLI 具体能干什么，功能细节是空的，所以分数压一压，不上 78。Google I/O 的发布节点加上 100 美元套餐和 5 倍额度，够上 featured。
Google 把顶配 AI Ultra 套餐从每月 250 美元降到 200 美元，同时加了一个每月 100 美元的新档位。新档位把 Gemini 应用的使用上限提到 Pro 套餐的 5 倍，主要面向编程和创作场景，还附带新功能抢先体验、20TB 存储和 YouTube Premium。正文没说明 5 倍限额具体对应多少调用次数，也没提新功能抢先体验的...
推荐理由：这是订阅价格和配额打包调整，不是模型或能力发布，但官方来源、价格数字都实在，对用 Google 生态干活的人有直接影响。降价幅度和新增档位让信息够硬，放在 featured 没问题。
Codegraph 的做法是提前给代码建好一张知识图谱，把符号关系、调用链和代码结构都索引好。在 VS Code 的测试里，工具调用从 52 次降到了 3 次，运行时间从 1 分 37 秒缩短到 17 秒。不过正文没披露具体测试的代码规模和任务复杂度，这个 94% 的降幅能不能在别的项目里复现还不好说。
推荐理由：HKR 三条都过了，但证据目前只有 Reddit 帖子和公开仓库的自测结果，没有独立复现或第三方验证。94% 的降幅和 52→3 的调用次数足够上 featured，但还不到 p1 的确定性。我会先打个折：数字好看，但别太激动，等有人复现再说。
Google DeepMind 推出 Gemini 3.5 系列，首发的是 3.5 Flash。官方说这是他们目前最适合让模型进业务流程干活和写代码的模型。正文没披露参数量、价格和上下文窗口，实际能力还得等跑分和实测。
推荐理由：HKR 三项都成立。Google DeepMind 把 Gemini 3.5 的首发押在 Flash 版本上，并且直接挂上 agent 和 coding 的标签，钩子够清晰。新事实是 3.5 Flash 先跑出来，但参数、价格、上下文窗口一概没提，信息有缺口，所以重要性我给 88，没往更高拉。对做模型选型和 agent 落地的人来说，这条更新会直接影响后续决策，相关性没问题。
有 Reddit 用户扒了 API 日志，发现 Cursor 和 Claude Code 的 agent 干活时，会在上万行的代码库里反复用 grep 搜大约 40 个文件，有时为了改 5 行代码就把整个 2000 行的文件塞进上下文。更夸张的是，在真正开始写代码前，光工具定义和操作日志就先吃掉大约 3 万个 token。帖子认为工具本身没降智，是这种...
推荐理由：这篇 Reddit 帖子没走“模型降智”的老路，而是从 API 日志里挖出一个更扎心的解释：agent 在工作时自己把上下文窗口塞满了。我会先打个折——这只是单帖爆料，没附原始日志，也没第三方复现，所以不能当定论。但它的价值在于把模糊的“变慢变蠢”翻译成了可排查的结构性问题：仓库一大，递归检索就失控，工具描述和日志占掉大量 token，留给真正写代码的空间反而不多。对正在用这类工具的从业者来说，这比猜模型更新管用，因为它指向了可以动手优化的地方，比如裁剪工具定义、限制检索深度。正文没披露具体复现步骤，这点先别太激动，但作为一线信号已经够格上 fea...
作者给 Claude Code 下了一段精确的提示词，两分钟就吐出一个单文件 HTML 页面，暗色主题、时间线、可折叠表格全都有，没有外部依赖，拿来就能用。他以前在 Notion 里搭同样的模板要花 30 到 40 分钟，效率差了近 20 倍。核心是把视觉、内容结构和交互细节一次性写进提示词里，让模型直接交付成品。正文没披露具体提示词全文，也没说生成后...
推荐理由：HKR 三项全中：有具体的 Claude Code 实操钩子，有 2 分钟 vs 30-40 分钟的硬数字对比，对一线干活的人直接有用。范围虽小，但信息密度够，放在 featured 没问题。
Kimi 正在进行一笔 20 亿美元（约 136 亿人民币）的融资，已接近收尾。新股东名单里出现了国智投、北京人工智能基金等国资机构，以及中国移动这样的央企。今年 1 月和 2 月，Kimi 已经密集完成了三轮融资，分别拿了 5 亿、7 亿和 7 亿美元。加上最新这笔，不到半年融资总额超过 39 亿美元，估值比去年 11 月的约 43 亿美元翻了四倍多...
推荐理由：Kimi 这轮融资还没完全 close，所以先不打满分。但国智投和中国移动出现在股东名单里，加上半年估值从不到 10 亿跳到 40 亿左右，说明国资在加速给头部模型公司兜底。我会先打个折：正文没披露具体估值计算方式和交割时间，这点先别太激动。
Vlad Feinberg 写了一篇求职笔记，把进前沿实验室的门槛讲得很直白：核心能力是底层性能调优，也就是能动手改内核（kernel），让模型训练真的跑得动。他给了一道具体的面试题——先推导 Chinchilla 缩放定律，并比较它在稠密模型和 MoE（混合专家）架构下的区别；然后用 JAX 从零实现，最后写一个 Pallas 内核，要求在专家维度 ...
推荐理由：这篇文章把“进前沿实验室做预训练”拆成了可操作的技能清单：手写 JAX 内核、自己推一遍 Chinchilla 定律、用 Pallas 给 MoE 的 up/down 投影做融合。我会先打个折——正文没披露这些建议是 Vlad Feinberg 的个人经验还是 Google 的普遍要求，也没说这些技能在面试里占多大权重。但光是这份清单本身，对想往预训练方向走的人就有参考价值，尤其是把“懂缩放定律”从一句空话落到“自己推导过”这个动作上。