Clauday.

AI 做的前端隔着一个房间都认得出来：满屏 Inter 字体，紫到蓝的渐变，卡片套卡片，彩色背景上的灰字，每个标题上方一个圆角方块图标。Impeccable 就是一个教 coding agent 别再这么干的 skill。今天 GitHub 涨了 602 星，总数约 7.36 万。 它从 Anthropic 的 frontend-design skill …

终端 agent 有个聊天模型没有的麻烦：动作做错了，世界就变了。装错一个包，后面每一步都在坏掉的环境里干活，哪怕模型换一次就能给出正确命令。论文《Mid-Harness》（arXiv 2609.39982，Hugging Face 96 赞）把算力恰好放在这个位置：先采样多个候选动作，验证一遍，再把其中一个交给 harness 执行。生成模型不动，harn…

谷歌最强的模型发了，但几乎没人用得上。Gemini 4 Argon 9 月 30 日发布，只开放给 Fairwind 计划里的可信网络安全防守方。等护栏再加固、美国政府的自愿性发布前审查走完，谷歌说会「尽快」扩大开放。这已经是固定剧本：Anthropic 的 Mythos 这么做过，谷歌现在照着来。 基准分数全冲着 agent 去。长周期软件工程测试 De…

Meta 直接挖了一位在任的上市公司 CEO 来卖 agent。9 月 28 日，Meta 发布 Meta Enterprise Platform，把 Muse、Meta Business Agent、Muse API 和 Muse Code 打包卖给企业，由周一之前还是 MongoDB CEO 的 Chirantan “CJ” Desai 带队。Mongo…

老二把老大打了。Anthropic 9 月 28 日周一发布 Claude Sonnet 5.5，Terminal-Bench 4.0 跑出 70.6%，Opus 5.5 是 66.4%。被它替代的 Sonnet 5 是多少？10.3%。不是打错字，这就是整件事的核心：长时间终端任务，一代之间涨了七倍。 价格是每百万输入 token 2 美元、输出 10 …

一个 agent 要从零做出前沿模型，最少需要多少人？iCoder-27B 认真给出了一个答案。人不跑实验，人只写规则：目标、分阶段的脚手架、权限边界、操作规程，打包成可复用的“研究技能”。剩下全是 agent 干的：演化训练数据，跑 SFT、在线自蒸馏和可验证奖励的强化学习，读结果，改计划。 产出是一个 27B 模型，干两件一点都不性感但非常值钱的活：R…

harness 包住模型，rig 包住你的 harness。这是 OpenRig 的一句话介绍，它点出的这一层，大多数用编码 agent 的人其实已经手搓过了：一堆终端标签页，有的跑 Claude Code，有的跑 Codex，中间一个人在来回复制粘贴。 OpenRig 把这一堆变成一个 YAML 文件。定义好团队，一条命令拉起来，每个 agent 都有一…

会思考的模型想得太多了。Fireworks 说，Kimi K3 的输出里，有时超过 90% 的 token 都花在内部推理上。放进 agent 循环里这笔账会滚雪球，因为每一轮都要把之前的推理重新塞回上下文。Ember-1 就是 Fireworks 给的答案：基于 K3 训出来的模型，推理用更少的 token，答案不变。 数字是那种会让采购部门坐直的数字。…

这个代理背后到底是谁家的模型？上周这不再是学术问题了：有篇博客声称 Meta 的 Muse 暗地里跑的是一个标着 muse-special 的 OpenAI 模型。Chuyi Wang、Yong Cui 等人 9 月 23 日挂出的论文，给这类指控提供了一套方法。 传统的模型指纹看的是文本和 token 分布。放进编程代理里，这些信号会被系统提示词、控制逻…

在画布上写一句「AGENT: 把这里改成时序图」，图就在你眼前变了。Drawgent 是 9 月 26 日的一个 Show HN，它把你自己的 Claude Code、Codex 或 opencode 代理接到一块实时的 Excalidraw 白板上。可以在聊天面板里跟它说话，也可以直接在画布上、紧挨着想改的东西随手写指令。 底层是一个 Rust 单文件程…