GitHub Podcast 回应三大热门争议：AI 生成代码该不该审查、RAG 是否过时、Skills 是否让 MCP 淘汰
GitHub Podcast 针对三个热门议题做出回应：AI 生成代码是否需要审查、RAG 是否已经过时、Skills 是否让 MCP 变得多余。相关讨论发布在 GitHub 博客的 AI 与 ML 栏目。
#Agent
#Agent
今日 0 条GitHub(@github)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阿里研究院AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 2026云栖大会首日：Qwen4训练中，平头哥发布真武V900芯片，阿里云推出AgentCore
2026云栖大会首日，阿里公布大模型系列进展：基于新一代架构的Qwen4已在训练中，未来Qwen4.5、Qwen5等版本将扩展至5-10T参数；Qwen3.8-Max在人类零参与下自主迭代超1个月、完成33轮有效迭代，并在平头哥新款GPU上自主优化Qwen3.8-Flash推理框架，单实例推理吞吐量提升96%。
cat(@_catwu)AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 如何试用 Opus 5.5 与 Slack 中的 Claude Tag
Boris Cherny 用 Opus 5.5 对 Claude Agent SDK 做形式化验证，几段简短提示词就产出 16 个 PR，修复多个 bug 和竞态条件，TLA+ 同样适用，他还常把 Lean 与 TLA+ 结合排查数据流、并发与状态管理问题。他表示自己并不熟悉这两门语言，但 Claude 都很擅长，认为这种方式能发现人眼难以察觉的 bug。
Browser Use(@browser_use)AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Browser Use Bench v2 帕累托前沿被重画：Claude Opus 5.5 与 GPT-6 系列上榜
Browser Use Bench v2 的帕累托前沿被重画，Claude Opus 5.5 得分 59.4，GPT-6 Sol medium 得分 66.9 且成本低 3.5 倍，GPT-6 Luna xhigh 得分 57.6，比 Opus 便宜 22 倍。这些模型均可在其云端试用，横轴为对数刻度。
卫诗婕｜商业漫谈Jane's talkAI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 网易阮良谈 AI 原生组织与企业 Agent 实战：个人提效 500%，交付为何只从 20 天变 17 天
网易集团副总裁、网易智企 CEO 阮良在访谈中披露，网易内部统计个人用 AI coding 效率提升 300% 甚至 500%，但整个软件交付流程只从 20 天缩短到 17 天。
腾讯云开发者AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI 写得快不等于真正提效：Harness 的记忆与验证闭环
作者认为用 AI 写代码时记忆缺失、改完即停、会犯错是三个主要断点，因此给 AI 套上一层 Harness 系统。做法上先建两级索引知识库并只记阴性知识、代码位置索引和隐含关联关系，再用 hook 硬拦截让 AI 先读索引；随后用访问、提交、等待、本地验证四个 skill 补上手脚，并把排查到线上验证的步骤写死成 close-loop 等 command。
AI炼金术AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 任鑫×徐文浩对谈：OPC 降温因找不到付费方，FDE 只是阶段性填缝
任鑫与徐文浩对谈认为，OPC（一人公司）降温的核心原因是找不到谁给你付钱，多数人只是失业后自我包装，重要的是赶紧卖而不是积累技能。徐文浩判断 FDE 与外包并无区别、只是填补企业渗透 AI 缝隙的阶段性职能，缝填完就会消亡；两人分歧在于他看终局、任鑫看窗口期。徐文浩表示国产模型已能胜任其日常约 80% 的开发工作，日常任务分不出与 GPT、Claude 的差别，但长程复杂大任务仍是例外。
Epoch AIAI 评估 · 59/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 59/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Epoch AI 发布宜家组装基准 FAB：GPT-6 Astra 得分 80%
Epoch AI 发布家具组装基准 FAB，用 60 张宜家家具组装照片（含故意设置的错误）测试模型能否识别装配错误并获得装配手册与查看工具。
Modal BlogAI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Modal 如何为万亿参数编码智能体服务万亿 token：Kimi K2.6 推理优化实践
Modal 分享了为 Moonshot AI 的 Kimi K2.6 模型优化推理服务以支撑编码智能体的实践，单副本每用户性能提升 2.8 倍、跨用户提升 5.6 倍。
Vercel NewsAI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Vercel Sandbox 的 Drives 持久化存储进入公测
Vercel Sandbox 的 Drives 持久化存储现已开放公测，Hobby、Pro、Enterprise 用户均可使用。Drive 可跨沙箱实例挂载复用，用于保存智能体工作区或复用数据集、模型和依赖树；每个沙箱最多挂载 4 个 Drive，默认上限 1 TiB（Hobby 为 1 GiB），可配置至 16 TiB。
花叔精选AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 84/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Anthropic 发布 Opus 5.5，OpenAI 随后推出 GPT-6 Sol 与 GPT-6 Luna
Anthropic 更新 Opus 5.5，每百万 token 输入 4 美元、输出 20 美元，比 Opus 5 降 20%，缓存读取从 0.5 美元降到 0.2 美元，已在 Claude Code 2.1.280 中设为默认 Opus 模型，支持 1M 上下文。
为什么值得看
作者用11道题横测Opus 5.5、Opus 5与Fable 5.1，给出真实账单与失败案例，可据此判断默认档位的取舍。
数字生命卡兹克精选AI 评估 · 87/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 87/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claude Opus 5.5、GPT-6 Sol 与 Luna 同日发布
Anthropic 发布 Claude Opus 5.5，OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，两款 GPT-6 新模型已上线 Codex，但尚未在 ChatGPT 聊天中提供。
为什么值得看
同一晚两家旗舰同代下放，对比价格、终端任务分数与实测体验，可看前沿能力下放的性价比取舍。
Suhail(@Suhail)AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 用提示引导自蒸馏训练 Computer 模型，工具调用失败率降低 21.2%
Perplexity 通过提示引导自蒸馏（hint-guided self-distillation）对 Computer 模型进行后训练，让模型从自身错误中学习。在一次线上 A/B 测试中，较晚训练的 checkpoint 相比早期 checkpoint 将工具调用失败率相对降低 21.2%。
Augment Code(@augmentcode)AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 的 GPT-6 Sol 与 Luna 上线 Cosmos
Augment Code 宣布 OpenAI 的 GPT-6 Sol 与 Luna 已在 Cosmos 中可用。该公司表示将在未来几天把全部工作流从 GPT-5.6 系列模型升级到新模型，并评估其对软件工厂的影响。
Aravind Srinivas(@AravSrinivas)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 发布后训练新研究：让 Computer 智能体从真实会话的错误中学习
Perplexity 公布其 Computer 智能体后训练方法，结合拒绝采样微调（RFT）与提示引导自蒸馏，让模型模仿优质轨迹并显式纠正错误工具调用。在线 A/B 测试中，后训练 checkpoint 将工具调用失败率相对降低 21.2%。
Perplexity(@perplexity_ai)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 研究：用提示引导自蒸馏后训练 Computer 模型，工具调用失败率降低 21.2%
Perplexity 通过提示引导自蒸馏（hint-guided self-distillation）对 Computer 模型进行后训练，让模型从自身错误中学习。在线 A/B 测试中，较晚训练出的 checkpoint 相比早期 checkpoint 将工具调用失败率相对降低 21.2%。
LangChain BlogAI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 医疗 AI 的可靠性层：LangSmith 的典型用例
LangChain 发文介绍 Included Health 与 Abridge 如何用 LangSmith 将稀缺的临床专家评审转化为可复用资产，包括标注数据集、校准后的评估器和自动化发布门禁。
NVIDIA AI(@NVIDIAAI)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 NVIDIA Nemotron 3 Ultra 打造 AI 供应商智能体 Lucy，核算数据中心碳足迹
Sluicebox 构建了名为 Lucy 的 AI 供应商智能体，用于梳理零部件清单、文档和供应商邮件等数据，帮助工程师在设计阶段就了解数据中心碳足迹。Lucy 基于 NVIDIA Nemotron 3 Ultra，在 Sluicebox 测试中提升了准确率，成本降低 51–80%，响应速度最高提升 2 倍。
eric zakariasson(@ericzakariasson)AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 xAI 用 Grok Bot 重建客服，不增人手实现自主处理工单
xAI 围绕 Grok Bot 重建客户支持体系，由其自主响应客户、解决工单并管理队列，从而在不增加人手的情况下扩展业务。团队回忆约 1.5 年前为应对巨大咨询量曾做出第一版粗糙实现，当时总结的「爬、走、跑」经验至今仍适用，并强调要找到持续改进的飞轮、保持系统运转。
Citrini ResearchAI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Citrini Research：Meta 消费级智能体 Muse 或成智能体拐点
Meta 消费级智能体 Muse 以每周 1 亿 token 免费额度上线，首日下载量超过 70 万并登上 App Store 榜首。Citrini Research 认为，Muse 的意义不在技术能力，而在于触达规模，标志着大众首次真正从消费级智能体中获益。该机构同时复盘其 2023 年 6 月提出的“AI 冲击”框架，认为由智能体消除摩擦带来的商业模式颠覆正在逐步被市场定价。
Augment Code(@augmentcode)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Anthropic Claude Opus 5.5 上线 Cosmos，智能体任务成本降至 Opus 5 的 40%
Anthropic 的 Claude Opus 5.5 现已在 Cosmos 上线，运行其上的智能体任务成本仅为 Opus 5 的 40%。官方称这是 Claude 重度用户的必选升级，并期待该模型为客户的软件工厂带来更好的结果。
Harrison Chase(@hwchase17)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LangSmith 更新追踪视图，清晰展示 Jev 类决策模型调用
LangSmith 更新了追踪视图，用于更清晰地展示 Jev 类决策模型的调用，呈现状态、问题、选项与输出等信息。这些 Jev 类调用出现在由大量 LLM 调用组成的 LangSmith 智能体复杂系统中。
Lovable(@lovable_dev)AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Lovable 接入 Claude Opus 5.5 与 GPT-6 Sol 两个新模型，并支持 Fable 5.1
Lovable 宣布其构建能力现由 Claude Opus 5.5 和 GPT-6 Sol 两个新模型驱动，用户无需自行选择用哪个模型。Lovable 会对每个新模型进行测试、调优并决定路由方式，以保证构建效果最佳，同时平台也已支持 Fable 5.1 构建。
GitHub(@github)AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GitHub Copilot 上线 GPT-6 Sol 与 GPT-6 Luna 两款模型
GitHub 宣布 GitHub Copilot 的 GPT-6 系列新增两款模型并正式开放使用。GPT-6 Sol 定位为兼顾交互与智能体编码的均衡模型，GPT-6 Luna 则是面向较小任务的轻量低成本模型，为该系列中成本最低的选项。用户可在 GitHub Copilot 应用或 code 中使用。
Sam Altman(@sama)AI 评估 · 68/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 68/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Sam Altman 称 GPT-6 Sol 和 Luna 在多项能力上较 5.6 家族大幅提升
Sam Altman 表示 GPT-6 Sol 和 Luna 相比 5.6 家族前代，在智能、对齐、工作产出、编码和计算机操作等方面都有大幅提升，每 token 价格减半，按任务计费则更低。他还称若按每任务价格这一应当关键的指标衡量，市场上没有可竞争的产品，并希望人们能大量使用 AI。
Sam Altman(@sama)AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Sam Altman：GPT-6 Sol 与 Luna 在智能、对齐、代码等能力上大幅超越 5.6 系列，价格减半
Sam Altman 称 GPT-6 Sol 和 Luna 在智能、对齐、工作产出、编程、计算机操作等方面均大幅超越 5.6 系列前代模型。两者每 token 价格为前代的一半，单任务成本更低。
Cognition(@cognition_labs)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Devin Desktop 和 Devin CLI 现已可用
Cognition 宣布 Devin Desktop 和 Devin CLI 现已开放使用，用户可通过 devin.ai/download 下载体验。
Cognition(@cognition_labs)AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Cognition 评测：GPT-6 Sol 比 GPT-5.6 Sol 少读约 17% 上下文
Cognition 表示，在其评测中 GPT-6 Sol 达到相同分数时读取的上下文比 GPT-5.6 Sol 少约 17%，且最后一次编辑后很少留下测试失败的仓库。GPT-6 Luna 的最大提升出现在低和中等推理强度下，会编写真实的回归测试而非基于 mock 的测试。更多内容见 devin.ai/blog/gpt-6-sol。
Cognition(@cognition_labs)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GPT-6 Sol 与 Luna 接入 Devin，FrontierCode 1.1 上成本最高降约 75%
GPT-6 Sol 和 Luna 已在 Devin 上线。在 FrontierCode 1.1 上，GPT-6 Sol 与 GPT-5.6 Sol 得分持平，但每任务成本低 61%；GPT-6 Luna 得分高于 GPT-5.6 Luna，成本约为后者的四分之一，每任务低于 $0.10，是该榜单上最便宜的模型。
OpenAI(@OpenAI)精选AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 在 ChatGPT Work 与 Codex 上线 GPT-6 Sol 和 Luna
OpenAI 面向 Plus、Pro、Business、Enterprise 和 Edu 用户，在 ChatGPT Work 与 Codex 中上线 GPT-6 Sol 和 Luna，两款模型同时开放 API。Free 和 Go 用户可在桌面应用试用 GPT-6 Luna。
为什么值得看
OpenAI 官方公布 GPT-6 Sol 与 Luna 的开放范围，读者可据此确认不同订阅档位和 API 的可用差异。
Lovable(@lovable_dev)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Lovable 如何用 GPT-6 Sol 等模型构建：模型路由与选型思路
Lovable 披露其模型选型流程：每周测试新模型并调优，再决定路由方式，以保证构建效果最佳。文中提到 Lovable 现已支持 Fable 5.1，并附上官方博客对其模型理念的完整说明。
Taranjeet(@taranjeetio)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DolphinBench 发布：面向智能体记忆的动作评测基准，同时衡量准确率、成本与延迟
DolphinBench 是一个新的智能体记忆基准，在长历史对话后直接评测智能体的动作是否正确，而非问答式打分，并把准确率、成本与延迟放在同一张榜单上。它针对现有记忆评测已趋于饱和、且忽略选型时最关键的成本与延迟问题，主张关注工具调用中真正决定成败的事实。
Alex Albert(@alexalbert__)AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claude Cowork 与聊天合并为统一 Claude
Anthropic 的 Claude Cowork 和聊天将合并为一个统一的 Claude，用户既可以快速提问，也可以把一份报告交给 Claude 处理，即使合上笔记本它也会继续推进。遇到不清楚的地方 Claude 会主动询问，最终决定权仍归用户，该功能将在未来几周内向 Pro 和 Max 用户逐步推出。Alex Albert 提醒用户确认已更新到该版本，尚未更新的也即将全面推送。
Alex Albert(@alexalbert__)AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Opus 5.5 可在 Claude.ai 中用单条提示词驱动 Blender 制作黏土动画
Opus 5.5 现在能在 Claude.ai 中用单条提示词驱动 Blender 制作黏土动画。发布者 Alex Albert 展示了这一效果，相关推文获得 2639 次点赞和 26.6 万次浏览。
Y Combinator(@ycombinator)AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Firecrawl 完成 7500 万美元 B 轮融资，并推出知识库 Alexandria
Firecrawl 完成 7500 万美元 B 轮融资，其 API 已服务超 150 万名开发者，用于把网页转成 AI 智能体可用的结构化数据。同时推出知识库 Alexandria，让智能体可搜索实时网页、官方数据源以及科学论文、开发者文档和政府记录等专用索引。数据提供方可在智能体使用其数据时获得付费，Firecrawl 计划向所有愿意共享知识的人开放这一机制。
AK(@_akhaliq)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 RRSI：Agent Harness 的正则化递归自我改进论文发布
论文《RRSI: Regularized Recursive Self-Improvement of Agent Harnesses》已在 Hugging Face 论文页发布，提出对 Agent Harness 进行正则化递归自我改进的方法。该工作由 AK(@_akhaliq) 分享，发布当日在社交平台获得 8 条回复、21 次转发和 80 次点赞。
GitHub(@github)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Claude Opus 5.5 在 GitHub Copilot 正式可用
Anthropic 的 Claude Opus 5.5 已在 GitHub Copilot 中正式可用。GitHub 称早期测试显示它在效率上表现突出，任务解决能力与 Claude Opus 5 相当，但所用步骤和 token 明显更少，在多步任务中还能快速从错误中恢复。
AI SDK(@aisdk)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI SDK 新增 Anthropic Claude 支持
AI SDK 新增对 Anthropic Claude 的支持，相关提供方文档已在 ai-sdk.dev 上线。该条信息由 AI SDK 账号发布，并同时提及 Anthropic、Claude 与 Vercel。
Akshay Kothari(@akothari)AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 4 个强大智能体，1 个共同的家
Daniel Hunter 晒出自己当前的配置：4 个强大智能体共用一个家。该帖被 Akshay Kothari 转发引用，附带的引用推文显示互动量为 8 条回复、6 次转发、151 次点赞、16405 次浏览。
屠龙之术AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AICC2026 观察：从 Chat 到 Agent，智能、算力与芯片走向何处
AICC2026 人工智能计算大会上，播客屠龙之术梳理出三条主线：从 Chat 到 Agent 的需求侧结构性跃迁、智能从概率拟合转向可信生产、以及算力与芯片在系统、器件、生态上的突围。会上 IDC 与浪潮信息联合发布《中国人工智能计算力发展评估报告》，并提到浪潮信息的智算系统双唯进化主张与新产品、芯算一体、让计算走进存储，以及 FlagOS 生态下的国产模型与国产芯片 Day 0 适配。