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。
小米放出了 MiMo-V2.5-Pro，参数总量 1.02 万亿，但每次推理只激活 420 亿参数，上下文窗口能塞进 100 万个 token，用 MIT 许可证。作者拿它跑了 125 次 Claude Code 任务，走 API 总共花了 70.12 美元，处理了约 3.87 亿个 token，缓存命中率高达 96.3%。这个命中率说明大部分请求其实...
推荐理由：我会先打个折：正文没披露 MiMo-V2.5-Pro 的评测跑分，所以性能好坏只能靠参数规模猜。但这条信息本身够直接——小米把一个 1.02 万亿参数、42B 激活的模型开源，另一边作者用 Claude Code 跑了 125 次会话，3.87 亿 token 花了 70.12 美元，缓存命中率 96.3%。这两组数字摆在一起，自建成本和 API 开销的对比就出来了。对做工程的人，这种一手成本数据比技术报告更有参考价值。
上个月在新加坡一场非官方对话中，一家中国智库要求Anthropic向北京开放其最新的Mythos模型，被直接拒绝。Mythos是个擅长找软件漏洞的模型，Anthropic目前只给美国政府和40多家机构用，理由是怕引发网络安全危机。美方官员认为这次接触虽非正式外交，但背后大概率有中国政府授意，并把它看作中美AI竞赛升温的又一个迹象。文章提到，美国最新模型...
推荐理由：这条消息我会先打个折：正文没披露中国智库具体是哪家、怎么谈的、Anthropic 拒绝的细节也没展开。但核心信息够硬——Mythos 是个找漏洞的模型，Anthropic 只给美国政府和 40 多个组织用，中国想要但拿不到。这比一般的模型封锁更敏感，因为直接关系到软件供应链安全。对从业者来说，说明顶尖漏洞挖掘能力正在变成国家级的受控资源，以后这类模型可能越来越难公开拿到。
Claude Code 新上线了 /goal 功能，你下完指令后 Claude 会持续干活直到任务完成，不用人在旁边盯着。帖子没写这个功能怎么触发、哪些版本能用、要不要额外付费，也没提任务卡住或跑偏时怎么处理。
推荐理由：HKR 三项都过，因为 /goal 解决的是 Claude Code 用户常遇到的 agent 中途停摆问题。这只是 Anthropic 单功能更新，细节披露不多，所以放在 featured 低位，不算当天重磅消息。
maddiedreese 把 Andrej Karpathy 的 TinyStories-260K 模型成功跑在了一台没改过硬件的 Game Boy Color 上。他用 INT8 量化权重、定点数运算，把模型和 KV 缓存塞进 MBC5 卡带的 bank-switched ROM 和 SRAM 里，全程不靠手机、电脑、Wi-Fi 或云端推理。不过输出...
推荐理由：一个 Reddit 硬件 hack，把 TinyStories-260K 塞进原装 Game Boy Color，用 INT8 和定点数学跑推理，KV cache 放在卡带 SRAM 里。输出慢到没法用，而且基本是乱码，所以别当产品看。但能在这种老设备上把 transformer 跑起来，本身就挺酷，技术细节也给得实在，适合当一条有趣的行业花絮。
Karpathy 点出几个常见的浪费行为：每次请求都把整个代码库丢给模型、用最贵的模型干简单活、Agent 重复发送相同内容。他给的省钱思路是管好上下文、打开提示词缓存、按任务难度分模型——日常用便宜的，关键任务再上贵的，再建一个 SKILL.md 文件避免每次都重新教模型。正文没给出具体测试数据，但逻辑上确实能省。
推荐理由：Karpathy 这条吐槽本身信息量不大，但胜在把“无效上下文”这个老问题用账单浪费的角度重新讲了一遍。我会先打个折：正文没给出具体账单样本或可复现的测试，所以没法验证 90% 这个数字。不过它确实把三种典型浪费场景列清楚了——重复传代码库、杀鸡用牛刀、不开缓存——对正在付钱的开发者有直接参考价值。这点先别太激动，但值得看一眼自己的 API 调用是不是也犯了这些毛病。
OpenAI 开发者账号发了一段演示，Codex 能跨 Mac 应用点击、输入、在后台持续执行任务，不会锁住你的鼠标键盘。视频里 @AriX 和 @romainhuet 聊了这种代理能干的事，但正文没披露发布时间、权限怎么设计、以及这次开放给哪些用户。
推荐理由：我会先打个折：正文只有一段演示描述，没给发布时间、权限模型、可用范围，所以重要性停在 76 分。钩子很直接——Codex 能在 Mac 后台帮你跨应用点按钮、填文字，听着像本地 RPA 但由模型驱动。这点先别太激动，因为没交代它怎么拿系统权限、会不会误操作、有没有沙箱。对开发者来说，这要么是桌面 agent 的一大步，要么是个安全坑，得等更多细节。
Anthropic 的检测平台工程团队用 Claude Code 开发了 CLUE 威胁检测与响应平台。他们一天就做出了概念验证，一周完成交付。这个平台把安全分析员查日志的时间从几小时压缩到了几分钟。文章是团队技术负责人 Jackie Bow 写的，主要讲他们怎么用 Claude Code 自动处理告警、加速调查，但没披露具体用了哪些模型、实际误报率多...
推荐理由：这是 Anthropic 安全团队自己吃狗粮的案例，不是 Claude Code 功能发布。CLUE 平台和一天 PoC、一周交付的时间线让它刚好够上 featured 门槛，但我会先打个折——内部案例的通用性还没验证，正文也没披露误报率、处理量这些硬指标。
Anthropic 把 Claude Opus 4.7 的快速模式放出来了，现在可以在 API 和 Claude Code 里用，但还挂着研究预览的标签。正文没提模型参数量、具体定价、调用频率限制，也没说什么时候转正式版。如果是真的快又便宜，对日常开发场景会挺实用，不过这些关键信息都缺着，先别急着切生产环境。
推荐理由：我会先打个折：正文只说了开放研究预览，没披露模型大小、定价、速率限制和正式上线时间，所以别当成品看。但这条消息对用 Claude Code 干活的人很实在——快速模式意味着写代码、调工具的等待时间可能明显缩短，工作流会顺很多。信息缺口主要在成本和规模上，没这些数字就没法算账，这点先别太激动。整体判断挂在延迟改善和开发者体验上，信息不够的部分也标清楚了。
GitHub 在 2026 年 6 月 1 日调整了 Copilot 个人版套餐，Pro 和 Pro+ 用户会获得一个弹性配额，用来调用更高级的模型或功能，超出部分怎么算正文没细说。同时新加了一个 Max 计划，定位比 Pro+ 更高，但具体价格、配额上限和分配规则都没公布。简单讲就是给个人用户更多选择，但关键数字全藏着，现在没法判断性价比。
推荐理由：我会先打个折：这条更新对用 Copilot 写代码的人挺实在，弹性配额意味着可能不用被固定额度卡脖子，Max 计划听起来像给重度用户准备的。但正文没披露价格、额度上限和具体怎么分配，这点先别太激动。HKR 三项都踩中了，但信息缺口明显，所以放在 featured 低位，等价格和规则出来再重新评估。
Hypercubic 发布了 Hopper，一个把 AI 助手直接塞进大型机开发流程的桌面工具。它自带真实的 TN3270 终端，AI 能识别 ISPF 面板、写严格对齐列位的 JCL 作业、把 SDSF 里的失败信息翻译成具体的异常码和出错行，还能像查 SQL 一样查询 VSAM 数据集。编译、测试、上线可以一条指令完成，但每次改动前会暂停等你批准，...
推荐理由：Hypercubic 这个 Hopper 把 TN3270 终端、z/OS 面板和 AI agent 揉在一起，让 agent 能直接操作大型机上的 COBOL 系统，敏感步骤还得人工点个头才放行。想法挺有意思，但正文没给出任何客户、定价或实际跑起来的效果数据，目前只是 Show HN 阶段的小团队产品展示。我会先打个折，等有真实案例再往上调。
Google 在 I/O 大会前办了一场 Android Show，把 Gemini 助手塞进了更多地方。新发布的 Googlebooks 笔记本主打 AI 优先，但正文没披露具体配置、价格和上市时间。Gemini 变得更“代理化”，意思是它能跨 App 帮你完成一连串操作，不过实际效果还得看落地。Android 桌面小部件现在支持“vibe codi...
推荐理由：Google 在 I/O 前一口气甩出好几个 Gemini 相关的 Android 更新，我会先打个折：正文没给参数、没标价格、也没说什么时候能用上，所以只能当产品信号看。比较有意思的是 vibe-coded widgets，等于让用户用自然语言描述就能生成桌面小组件，门槛降得很低；Googlebooks 则像是把笔记和 Gemini 的搜索/总结能力缝在一起，能不能打还得看实际体验。整体属于有话题但缺验证的 mid-weight 产品更新。
Anthropic 在旧金山的年度开发者大会上宣布了几项更新。Claude Code 的速率限制直接翻了一倍，Opus 模型的 API 调用上限也提高了，对重度用户来说不用那么频繁撞墙了。Claude 平台上的托管智能体（hosted agents）这次加了四个新功能：记忆审查，让智能体能回顾之前的对话；多智能体委派，可以把任务分给其他智能体去干；输出...
推荐理由：Anthropic 这次更新有具体数字和功能列表，不是画饼。速率翻倍对重度用户是实打实的改善，托管智能体加 4 项功能也说明他们在推 agent 落地。没有新模型发布，所以重要性在 78–84 这个区间合理。
一个 GitHub 工程师拿 Copilot CLI 做了个扩展，能把任意代码仓库解析成 Roguelike 风格的地牢地图。核心机制是程序化生成关卡——说白了就是让代码结构自动变成房间和走廊。这更像一个创意编程和游戏原型 demo，展示 Copilot CLI 除了敲命令，还能用来快速搭出带交互的终端小玩意。正文没披露生成一张地图要多久、支持多大的代...
推荐理由：HKR-H 和 HKR-K 都成立：GitHub 官方教程里藏了个新奇的 Demo，机制也讲清楚了。但它不是 Copilot 核心能力的大更新，正文没给性能指标、定价或基准数据，就是个教程级别的 featured，我会先打个折，别当重磅发布看。
Reddit 用户 grumd 在一张 RTX 5080（16GB 显存）和 64GB 内存的单机上同时跑了两套模型：Qwen2.5-Coder-7B Q6 做代码补全，Qwen3.6-35B-A3B Q8 做智能体编程（让模型自己规划步骤、调用工具写代码）。35B 那个模型用了内存卸载，上下文能撑到约 145k，速度是每秒 35.29 个 token...
推荐理由：这是一篇 Reddit 个人实验帖，不是系统评测，没有对比其他方案或验证稳定性，所以我会先打个折。但作者把模型、量化方式、上下文长度和吞吐都列清楚了，对想在自己机器上搭本地编程助手的开发者有直接参考价值。正文没披露功耗、并发表现和长上下文下的准确率，这点先别太激动。
这是一个刚在 Hacker News 上展示的开源项目，核心思路是用 Rust 写一个状态机引擎，把 Claude Code 能调哪些工具、能跑多少轮、怎么跳转、什么条件下才能执行下一步，全部用状态图管起来。作者说 130 亿到 200 亿参数的模型在真实的 SWE-bench 任务上表现都有稳定提升，但正文没披露具体的基准分数、样本量和评测流程，这点...
推荐理由：我会先打个折：SWE-bench 具体分数没披露，没法判断改进幅度有多大。但用状态机硬约束工具调用这个思路本身靠谱，尤其对 Claude Code 这类编程 agent 的稳定性有帮助。小模型能跑是个加分项，说明不是堆算力的玩法。整体值得推荐，但别把“一致改进”当成碾压性提升。
Anthropic 工程师 Thariq 发了条推，列出 5 个理由主张模型输出 HTML 而不是 Markdown，Karpathy 随后转发表示认同。他的核心论点是 Markdown 的语法歧义太多，解析器各家实现不一致，模型生成时容易出错；HTML 虽然啰嗦但结构明确，对自动化处理和前端渲染更友好。正文没披露具体是哪 5 个理由，只提到生成 HT...
推荐理由：Anthropic 工程师 Thariq 主张用 HTML 替代 Markdown，Karpathy 也表态支持，这事在开发者圈子里容易吵起来。我会先打个折：这不是模型发布或产品更新，只是一场格式辩论。但文章给了具体数字——HTML 生成时间是 Markdown 的 2 到 4 倍，说明成本差距不小，从业者会关心 token 消耗和维护复杂度。正文没披露实验环境或代码，所以别太激动，目前只是一篇 Reddit 帖子，没有独立复现或论文支撑。
安全机构 Socket 发现一起名为“Mini Shai-Hulud”的供应链攻击，攻击者利用 GitHub Actions 的三个漏洞，在 npm 上发布了近 373 个恶意版本，覆盖 160 多个包名。受影响的不只是 TanStack 旗下的 84 个包（其中 @tanstack/react-router 周下载量超 1200 万次），还包括 Mi...
推荐理由：这条是实打实的安全事件，不是模型或产品发布，所以分数没往上拉。Socket 的发现够硬，但正文里没提有独立复现或公开的论文/代码仓库，我会先打个折，78 分合理。
作者三月底开始严重失眠，每晚只能睡两三个小时，辞职后也没好转。他没靠瞎猜，而是让 AI 花五分钟写了个 app，把苹果手表和手机里 HealthKit 的健康数据（咖啡因、酒精、入睡时间、深睡时段等）全导出来，再让 AI 跑多变量回归分析，看哪些因素和睡眠时长负相关最明显。结果发现，晚饭后最后一次用 AI 的时间是头号变量——用得越晚，睡得越差；而喝咖...
推荐理由：这篇是个人量化实验，不是行业大新闻，但数据很具体。作者先写了个 app 拉出 HealthKit 数据，做回归发现晚饭后最后一次用 AI 的时间越晚，当晚睡眠越短；停用后平均多睡 1 小时 40 分钟。我会先打个折：这只是单人数据，没有复现，也没公开代码或论文，所以重要性停在 78。但 HKR 三项都成立，角度新鲜，数字也够硬，对开源微调那批人来说，既戳中 AI 过劳的焦虑，又给了个可复现的追踪思路。
OpenAI 搞了个叫 Parameter Golf 的机器学习挑战赛，规则很硬：模型加代码总大小不能超过 16MB，训练时间只有 10 分钟（用 8 张 H100），看谁能在固定数据集上把测试损失压到最低。超过 1000 人提交了 2000 多次结果。我会先打个折，正文没披露最终冠军的具体分数，但重点讲了技术路数。最卷的方向是训练优化，有人把前人的好...
推荐理由：OpenAI 的 Parameter Golf 复盘靠一场实打实的比赛、1000多名参与者和2000多份提交撑住了 HKR 三项。它属于研究/基准信号，不是模型或产品发布，所以 78 分放在 featured 里偏低的那一档是合理的。我会先打个折：目前只有一篇 Reddit 帖子，没有独立复现，也没看到论文或代码放出来。
OpenAI 推出 Daybreak 安全项目，把 3 月发布的 Codex Security AI 智能体用起来，先给组织代码建威胁模型、梳理可能的攻击路径，再自动验证和检测高风险漏洞。这距离 Anthropic 公布 Claude Mythos 安全模型仅一个多月——Anthropic 当时说这模型太危险不能公开，只放在自家 Project Gla...
推荐理由：H/K/R 全中：Daybreak 有明确的竞品对标、具体的 agent 工作流，也戳中代码安全审计的共鸣点。不过这只是 Reddit 单帖，没有独立复现或论文/代码放出来，所以分数压在 82 没往上走。