技术方向
用 AI 写代码：编程助手、Vibe Coding、代码模型评测，以及开发方式的变化。
784 条精选近 30 天 83 条共收录 4,561 条
Josh Woodward@joshwoodward精选AI 评分6969我们正在推出三款新模型，旨在让 AI 智能体在大规模应用中更快、更智能、更经济： 🔵 Gemini 3.6 Flash：它比 Gemini 3.5 Flash 使用更少的模型 token，就能以完全相同的成本提供更高质量的工作成果。 🔵 Gemini 3.5 Flash-Lite：一款快速、经济高效的选择，适用于处理文档和智能体搜索等日常任务。 🔵 Gemini 3.5 Flash Cyber：一款专为网络安全打造的模型，用于发现并修补关键软件漏洞。
推荐理由：Google一口气扔出三个Gemini Flash新模型，3.6 Flash把复杂编码token砍了65%，做Agent的成本敏感型选手可以直接收益，Cyber模型专攻漏洞修复是个有意思的细分信号。
Prime Intellect 发布 research-environments，通过 verifiers v1 的 taskset API 将 SWE、终端和搜索三类共 23 个任务集统一到一套运行时和沙箱钩子下，总计约 365,000 个任务，包括约 198,000 个软件工程任务、约 28,600 个终端任务和约 137,600 个搜索任务。
推荐理由：原文给出 23 个任务集统一为一套 API 的整合方法，以及 gold patch 验证和 reward hack 防护的具体做法，可复用于 RL 环境搭建。
Anthropic 的 Cat Wu 和 Thariq Shihipar 在炉边对话中透露，Claude Tag 现已承担 Claude Code 团队 65% 的产品工程 PR。Claude Code 系统提示词最近缩减了 80%，团队越来越多地依赖自动化代码审查处理产品“外层”变更。Fable 已能一次性完成大量功能实现，Thariq 还用它编辑了自己的产品发布视频。
推荐理由：Anthropic Claude Code团队首次公开内部工作流和评估细节，系统提示精简80%、自动审查取代人工，对每个用编码代理的团队都有直接参考价值。
Cognition 推出 Devin Outposts，让 AI 软件工程师 Devin 的执行环境迁移到用户自控环境，推理仍留在 Cognition 云端；Modal 是启动合作伙伴，7 月 21 日起开放 alpha。
推荐理由：官方发布方介绍了 Devin 执行环境迁入自有 Modal Sandbox 的方式，GPU 按需启动和会话快照是可对比的实际能力变化。
过去六个月多项数据显示，AI 工程生产力提升远超常态：NVIDIA 报告 3 万开发者提交代码量增加 3 倍且缺陷率持平，Anthropic 内部采用 Claude Code 后人均代码量提升 2.5 倍。多数公司仅分发 AI IDE 时效率提升约 20-30%，而构建智能体编排的前沿公司可实现 3 倍产出，软件工厂模式如 Devin 在 Nubank 带来 8 倍效率提升和 20 倍成本降低。
推荐理由：作者汇总多家公司的公开数据，把 AI 编程提效分成三个梯队，读者可对照自身团队判断所处位置与差距。
Cursor 测试了新型 AI 智能体集群，将任务分解为规划者（使用最强模型）和执行者（使用快速廉价模型）。使用 Grok 4.5 时，新集群在 4 小时内通过了 80% 的 SQL 测试套件，而旧集群在第二小时前失败。该系统已用于构建浏览器、修复漏洞和生成数十亿 token 合成训练数据。
推荐理由：Cursor首次公开agent swarm的内部架构和协调失败模式，把835页规格文档变成可运行的SQLite数据库并开源，对做AI编程工具的团队和agent架构师来说，这些细节是金矿。
Moonshot AI 于 7 月 16 日发布旗舰模型 Kimi K3，2.8 万亿参数，以 1679 分登顶 LMArena Frontend Code Arena，成为首个在该榜超越 Claude Fable 5 和 GPT-5.6 Sol 的开源权重模型，在 Artificial Analysis Intelligence Index 排名第 3（约 57 分）。
推荐理由：作者从架构、定价和定位三个层面拆解 K3，指出它是中国首个以能力而非价格竞争的开源旗舰模型。
OpenAI 为 Codex Code Review 推出自定义仓库规则功能，可在 AGENTS.md 中写明审查指导，Codex 在审查时应用相关规则并在 finding 中引用依据。官方测试显示规则引导下可找回 98% 的应报告问题，基线为 58.3%；文中还给出规则应小范围划分、写明不变量和安全路径、机械检查留给 CI 等撰写建议。
推荐理由：官方给出规则写法与实测数据，团队可以照着把反复口述的审查经验沉淀进 AGENTS.md 交给 Codex。
Cursor 的模型评估负责人 Nate Schmidt 发现，Claude Fable 5 在其内部基准 CursorBench 上以 Max effort 模式达到 72.9%，创下新高。该模型在模糊的真实编程任务中表现出全局推理能力，例如在航天模拟器中仅凭一句提示自主规划并成功登月，而此前 Claude Opus 运行 12 小时以上仍无结果。
推荐理由：Cursor 工程师用自家基准和太空模拟器实打实测试了 Claude Fable 5，从全局推理到自主规划路径的能力跃迁很具体，做编码 agent 的可以看看这个‘p99 问题’解法。
首届“小有可为”大赛乡村教育赛道一等奖作品“智绘科普”采用 Qwen3.5-397B-A17B 大语言模型与 Manim 动画引擎，通过多Agent分阶段协作与自动修复机制，将知识主题转化为可控、可编辑的教学动画。系统包含规划、草稿、实现、审查、合成五个阶段，渲染失败时可自动提取日志并修复，该工程范式可迁移至其他赛道。
推荐理由：这是官方出品的实战教程，拆解了一套多Agent协作+门控+自修复的工程流水线，技术思路通用，做AI应用的可以直接抄作业。
月之暗面推出迄今能力最强的开源模型 Kimi K3，拥有 2.8 万亿参数、100 万 token 上下文窗口，基于 KDA 混合线性注意力机制构建，原生支持视觉理解。它在长程编程、知识工作等场景表现前沿，但整体仍落后于 Claude Fable 5 和 GPT-5.6 Sol。即日起可通过 kimi.com 等渠道使用，完整权重将于 2026 年 7 月 27 日前发布。
推荐理由：K3 把 2.8 万亿参数开源，并展示了从内核优化到芯片设计的连贯长程能力，为评估开源模型在复杂工程任务中的实际上限提供了参照。
月之暗面推出迄今最强模型 Kimi K3，拥有 2.8 万亿参数和 100 万 Tokens 上下文窗口。该模型在 Frontend Code Arena 中以 1679 分超越 Claude Fable 5 位居第一，在 7 个前端领域中的 6 个排名 #1。API 定价为每 100 万 Tokens 输入 2 元（缓存命中）或 20 元（缓存未命中），输出 100 元。
推荐理由：Kimi K3 的 2.8T 参数和 100 万上下文不是数字游戏，前端跑分实打实地压过 Claude Fable 5，七个子领域拿六个第一，这对做前端和长文档处理的人是个明确信号，可以下场试了。
月之暗面发布 Kimi K3，一个 2.8T 参数的开源模型，采用 Kimi Delta Attention 和 Attention Residuals 架构，支持原生视觉能力与 100 万 token 上下文窗口。
推荐理由：首个开源 3T 级模型，架构上有 KDA 和 AttnRes 创新，在超长程编码和知识工作上比肩闭源。权重两周后放出，所有做 agent 的都该盯紧。
Anthropic 工程师用 Claude Code 在两周内将 Bun 的百万行 Zig 代码迁移至 Rust，100% 现有测试通过，合并后出现 19 个回归问题已全部修复。另一工程师用周末将 Python 代码库迁移至 16.5 万行 TypeScript。迁移消耗约 16.5 万美元 API 成本，但编译时间从八分钟降至两秒，二进制启动快 6 倍。
推荐理由：Anthropic 用自家 Claude Code 把百万行 Zig 代码迁到 Rust，两周搞定，这不仅是案例展示，更是开发者如何用 AI 重构代码库的实操指南，尤其适合那些被遗留代码拖累的团队。
Replit 发文称其内部智能体系统已覆盖全公司职能，从 1 月初到 6 月底代码贡献行数增长 5.8 倍，剔除招聘效应后固定作者群体为 2.9 倍，同时 PR reversion 率与事故量保持平稳。
推荐理由：Replit 以自身工程、销售、支持团队的一手数据，展示智能体全面融入公司运营后的产出与质量变化，可用于对照组织落地的路径。
MiniMax Code 2.0 桌面端发布，基于 Pi Agent 框架重构底层架构，显著提升会话启动速度与长程复杂任务的执行稳定性。新版本优化了图表加载与文件预览框选编辑功能，并已与恒生金融数据库、企查查 MCP 打通，金融模块即将上线，支持多源数据实时检索与专业报告生成。桌面端现已开放下载，本月还将上线远程控制、浏览器操控等功能。
推荐理由：MiniMax Code 2.0 把底层推倒重来，金融模块直接打通恒生和企查查，从写代码变成能出分析报告，做二级市场的可以认真看看。
Elon Musk@elonmusk精选AI 评分7676我们已将 Grok Build 开源，并为所有用户重置了使用限制。 开源 Grok Build 让任何人都能帮助打造一个可靠且健壮的 harness。欢迎查看我们的代码，包括 Grok Build CLI 的 Git 仓库。 http://x.ai/open-source
推荐理由：xAI 把 Grok Build 直接开源了，虽然还没说明详细功能，但代码已经能看，做 AI 编程的开发者可以提前摸一摸架构。
xAI 已将 Grok Build 的源代码在 GitHub 上开源。Grok Build 是 SpaceXAI 的编程智能体与终端用户界面（TUI），开源后用户可自行编译并完全本地运行，指向本地推理引擎并通过 `config.toml` 配置。
推荐理由：Grok Build 开源让 xAI 的编码智能体变成完全可定制、可本地运行的套件，对想自己拼装开发环境的工程师是个实锤福利，但社区能玩多大还得看后续。
火山引擎升级 Doubao-Seed-Evolving，新增 1M 超长上下文支持，可单次处理大型代码仓库、长篇文档等大规模信息。该模型在长程任务中表现更稳定，开发者众测质量评分超越 Doubao-Seed-2.1-pro，且消耗 tokens 更少、工具调用轮次更简洁。现已上线火山 Agent Plan，单月套餐限时 9.9 元起，参与体验奖励计划可享调用成本立减 20%。
推荐理由：1M上下文将大型代码仓库和长文档纳入单次处理范围，长程任务稳定性的提升更直接地影响智能体复杂步骤的可靠性，统一ID则省去了频繁切换模型版本的工程开销。
作者每天Vibe Coding约16小时，认为Claude Fable 5在大型方案初版设计上“当世独一档”，GPT-5.6 Sol能有效纠错并优化方案。核心流程为：Fable 5出方案初版 → GPT-5.6 Sol审查纠错 → 在Codex中开启“目标模式”全自动化执行，最长曾连续运行17小时。
推荐理由：卡兹克把每天16小时Vibe Coding磨出的流程讲透了，Claude出方案、GPT纠错、Codex目标模式全自动执行，这条流水线能让你的开发瓶颈从写代码转移到测试和方案设计上，值得一试。