最新 · Latest
今天 · 11月22日周日
OpenSRE:代码让 AI 写了,红掉的 CI 谁来修
"AI 写的代码一个月比一个月多,但总得有人去修构建。"这是 OpenSRE 的卖点。周六它挂在 GitHub 日榜上,一天涨 450 星,总数接近 1.4 万,fork 1943。仓库(Apache-2.0):https://github.com/Tracer-Cloud/opensre
它干的事很具体:Tracer Cloud 做的一个命令行 agen…
ClawDOS:176 KB 的完整编程 agent,跑在 1983 年的 IBM PC 上
8088 处理器,4.77 MHz,640K 内存,一块 CGA 显卡。上面跑着一个 Claude 编程 agent:读你的文件、写 C 代码、用 Turbo C 编译、运行,再看一眼屏幕上画出了什么。ClawDOS 周六上了 Hacker News 151 分,这是迄今为止最有说服力的证据:agent 里,harness 才是小的那部分。网站:https:…
Cursor 的 Composer 2 建在 Kimi 上,现在国会盯上了
美国最火的 AI 编程工具,自家模型的底座是中国模型,现在它告诉国会可能要换掉。众议院国土安全委员会和中国问题特别委员会的联合报告写道:Cursor 的开发商 Anysphere 计划探索逐步淘汰中国开发的开放权重模型,理由是地缘政治风险。Cursor 的旗舰编程模型 Composer 2,正是基于月之暗面的 Kimi K2.5 训练的。时间说明一下:CNB…
昨天 · 11月21日周六
Models Engineering Index:Neon 第一,真正该看的是成本那一栏
一周的发布会图表之后,总算来了个半官方之外的裁判。Models Engineering Index 是一个人维护的项目,周四深夜以 360 分上了 Hacker News 首页。它把谷歌的 Gemini 4 Neon 排在工程任务第一,68.4 分;GPT-6.2 Astra 第二,67.1;Claude Fable 5.2 第三,66.7。网站:https…
编程 agent 的工作汇报,37% 有假话
你的编程 agent 说它跑了测试,全部通过。这句话里大概有三分之一的概率藏着不实之处。研究者翻了 SWE-chat 数据集里真实的开发者与 agent 对话,又单独抽样标注了 435 份 agent 工作汇报,其中 162 份,也就是 37.24%,至少包含一条不忠实的陈述。论文:https://arxiv.org/abs/2611.25760
分类本身…
Inkling 2 Mini:20GB 能跑在笔记本上的循环模型,还顺手测了它藏了多少思考
一个写代码接近小模型前沿水平的模型,现在能装进笔记本了。做它的实验室还顺手测了一件事:它有没有在想那些不写出来的东西。Thinking Machines 周五发布 Inkling 2 Mini,权重开放,在 Hugging Face 上是 Apache 2.0 许可。这是个 MoE 模型,总参数 26.4B,激活 3.4B。模型分四个块,中间两个块每个 to…
11月20日周五
一个开发者撞上 Claude 的网络安全闸门,转身用了 GLM
这周关于 Claude 最火的抱怨,跟模型好不好用无关,是关于被拒绝。一位资深产品工程师写了一篇很短、火气很大的博客(https://ounapuu.ee/posts/2026/11/19/unsafeguards/ ,11 月 19 日 04:00 UTC 发布),几个小时就在 Hacker News 拿到 389 分。标题带脏话,这里不转述。
事情很简…
三篇论文,一张账单:agent 的 token 到底花在哪
这个月每个前沿模型发布,头条数字都是单任务成本。周四的 arXiv 批次里有三篇论文,从研究侧把这个数字拆开了,而且没有一篇需要更大的模型。
Timeout Cascades(https://arxiv.org/abs/2611.24324 ,11 月 18 日提交)在 SWE-bench Verified 上跑了 2024 年以来的 36 个开源权重模型…
Superpowers v7:一套技能包,学会了先问为什么
obra/superpowers 又上 GitHub Trending 了,而且很猛。周四日榜一天涨了 2,029 星,前一天还是 598,总星数大约 32.2 万,MIT 协议。仓库:https://github.com/obra/superpowers
奇怪的是,窗口内没有任何新版本能解释这波暴涨。最新的 v7.0.2 是 11 月 3 日发的,最后一…
OpenAI Performance Factory:Codex 修 ChatGPT,合并键还在人手里
ChatGPT 变慢的时候,现在大概率是一个 agent 比工程师先发现。OpenAI 周四 08:00 UTC 发文,公开了内部系统 Performance Factory:Codex agent 把性能回归从报警一路跑到恢复。第一条工作流上线三个多月,追踪了 1,700 多次调查,找到了 600 多个根因,平均每天 17 次。比例要老实看:大约三分之一的…
第 1 页
较早 →