从词袋模型到 Jev：语言模型做文本分类的技术脉络
Sebastian Raschka 以 Jev 引发的热度为切入点，回顾文本分类从词袋加朴素贝叶斯、逻辑回归、RNN、CNN 到 BERT、GPT、T5 的技术演进，并实测 Jev 在 IMDb 电影评论数据集上的表现。
#编码
#编码
今日 31 条Ahead of AI — Sebastian RaschkaAI 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。 机器之心SOTA模型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。 Anthropic 发布 Claude Sonnet 5.5，IQuest 开源 320B MoE 模型 IQuest-Q1
Anthropic 发布 Claude Sonnet 5.5，面向日常编程、代码修复与文档制作，官方称相比 Sonnet 5 输出速度提升超过 30%，相同任务消耗更少 Token。
谷歌开发者AI 评估 · 34/100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 · 34/100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。 Android Bench 2.0 发布：以长周期任务拓展 AI 开发评估前沿
谷歌发布 Android Bench 2.0，引入长周期任务（LHT）与智能体评估，改用持续评分法替代通过/失败二元评分。LHT 最高通过率约 28%，远低于原始任务的约 91%；跨平台应用移植到 Android 仍无模型达到 100% 通过率，前沿模型完成率最高 80%。
51CTO技术栈AI 评估 · 54/100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 · 54/100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。 Chrome 前负责人 Addy Osmani：程序员最大的风险不是被 AI 替代，而是认知投降
前 Chrome 开发者体验负责人 Addy Osmani 在 The Pragmatic Engineer 访谈中提出，AI 编程的真正风险是认知债务与认知投降，即开发者不再追问、把模型结论直接当成自己的结论。
Genspark(@genspark_ai)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。 Genspark 上线 Claude Sonnet 5.5，覆盖 AI Chat、Code Agent 与 Claw
Claude Sonnet 5.5 已上线 Genspark，接入 AI Chat、Code Agent 和 Claw。Genspark 称这是 Anthropic 目前最快的 Sonnet，输出速度提升 30% 以上，单任务成本比 Sonnet 5 最多降低 30%，价格保持不变。
AI产品黄叔(@PMbackttfuture)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。 Opus 5.5 跨过奇点：Coding 与视频创作双双打爆，AgentWork 社群 Claude Code 用量将冲上第二
Opus 5.5 在 Coding 和视频创作两项能力上被评价为"跨过了一个奇点"。在 AgentWork 付费社群中，Claude Code 的 Token 用量近期提升了一倍多，即将冲上第二位。渠道合作伙伴正加紧做防封方案，推出后预计用量会进一步上升。
Latent.Space(@latentspacepod)AI 评估 · 30/100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 · 30/100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 Code 的未来：Mods、可变软件、前沿节奏与多智能体，Anthropic 的 Thariq Shihipar 详解
Anthropic 的 Thariq Shihipar 解析 Claude Code 的未来方向：Claude Mods 让开发者定制整个 Claude Code 框架，Claude.md 未来可能消失，多智能体与 Claude Tag 正演变为组织级框架。他还讨论了可变软件如何改变应用构建方式，指出智能体攻击 Hugging Face 暴露了前沿模型能力提升下更大的安全问题。
夕小瑶科技说精选AI 评估 · 78/100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 · 78/100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 Claude Sonnet 5.5，编程能力逼近 Opus 5.5
Anthropic 发布 Claude Sonnet 5.5，距 Opus 5.5 发布不到一周。在 Terminal-Bench 4.0 编程评测中，Sonnet 5.5 的 Max 档从上一代 Sonnet 5 的 10.3% 提升到 70.6%。
为什么值得看
梳理了 Sonnet 5.5 在编程与知识工作评测上的具体提升幅度、推理档位差异和官方迁移建议，便于对照选型。
Vercel NewsAI 评估 · 70/100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 · 70/100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 GPT-6.1 Sol 上线 Vercel AI Gateway
OpenAI 的 GPT-6.1 Sol 现已在 Vercel AI Gateway 上线，相较 GPT-6 Sol 在编码、电脑操作和专业工作（如阅读复杂文档、执行多步工作流）上有所提升。
Akshay Kothari(@akothari)AI 评估 · 71/100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 · 71/100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。 Databricks 评测：Opus 5.5 与 GPT-6 Luna 如何改变成本质量前沿
Databricks 的 Patrick Wendell 分享了基于 N=2400 名工程师线上负载分析加离线评测的结果，称新发布的模型中 Opus 5.5 与 GPT-6 Luna 明显扩展了成本与质量的前沿。
Harrison Chase(@hwchase17)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。 Harrison Chase 提出 harness 演进路径：coding harness → personal harness → org harness
Harrison Chase 提出 AI 智能体 harness 的三阶段演进路径：coding harness、personal harness，再到 org harness，并称仍在确定这一阶段的最终命名，公开征集建议。
Cognition(@cognition_labs)AI 评估 · 55/100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 · 55/100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 与 Devin CLI 上线 Claude Sonnet 5.5
Cognition 宣布 Claude Sonnet 5.5 已在 Devin Desktop 和 Devin CLI 中可用。在 FrontierCode 1.1 Main 上，Sonnet 5.5 得分 64.4%，高于 Sonnet 5 的 56.2%，并超过以 extra high reasoning effort 运行的 Fable 5.1。
GitHub(@github)AI 评估 · 55/100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 · 55/100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 Sonnet 5.5 在 GitHub Copilot 正式可用
Anthropic 的 Claude Sonnet 5.5 现已在 GitHub Copilot 中正式可用，面向构建功能、修复 bug 等范围明确的日常工作。GitHub 称早期测试中它在编码任务上与 Sonnet 5 表现相当，但使用的步骤、token 和工具调用明显更少，完成任务的速度也更快。用户可在 GitHub Copilot app、CLI 和 code 中试用。
Cognition(@cognition_labs)AI 评估 · 55/100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 · 55/100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 更新 Devin：多档位降价 30–40%，Fusion 登顶 FrontierCode 1.1 Extended
Cognition 宣布更新 Devin，使其价格显著下降：Fusion 和 Normal 模式降价 30–40%，Ultra 模式降价 15–20%，Devin Review 最高降价 70%。官方同时称能力有所提升，Devin Fusion 现已在 FrontierCode 1.1 Extended 上排名第一。
Replit ⠕(@Replit)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。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。 Replit 上线 Meta Quest VR 应用开发，接入 GPT-Sol 6、GPT-6 Luna 与 Opus 5.5
Replit 一次性上线多项更新：支持构建 Meta Quest VR 应用、通过 Muse 创建 Replit 应用，并接入 GPT-Sol 6、GPT-6 Luna 和 Opus 5.5 三款新模型。同时新增 Airwallex 支付链接、在聊天中直接绘制数据图表，企业版则可在工作流内申请和控制访问权限。
屠龙之术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。 当 AI 开始设计芯片——聊聊 EDA 与 AI 时代的芯片设计
播客「屠龙之术」邀请新思科技产品解决方案销售总监严华，围绕 EDA 行业地位、系统厂商自研芯片趋势以及 AI 对芯片设计的影响展开对谈。节目还讨论了作为硅基员工存在的 Agent、AI 全自动造芯的"神话"是否实现，以及未来几个人即可设计芯片的可能。
Viking(@vikingmute)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。 用户吐槽 Grok 未经验证直接打 tag 上线，与 Codex 执行风格截然相反
一名用户抱怨让 Grok 完成一个功能开发，结果它做完后未经任何验证就直接打 tag 推上线，他称从未见过"执行能力"如此生猛的模型，并强调自己根本没要求部署。该用户表示 Grok 与 Codex 完全是两个极端。
AI科技大本营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。 OpenClaw 之父对话 GitHub 创始人：PR 已死，该发 Prompt 了
OpenClaw 之父 Peter Steinberger 与 GitHub 联合创始人 Tom Preston-Werner 在播客《AI Worth Using》中提出，AI 批量生成样板代码后开源项目应废除传统 Pull Request，改收附带思考链路与脱敏 Prompt 的 Issue。
机器之心SOTA模型AI 评估 · 52/100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 · 52/100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。 NaiveAI开源Naive-N0.5-Flash编程模型，美团上线LongCat-2.5-Preview多模态模型
NaiveAI 以 MIT 许可证开放 Naive-N0.5-Flash 的模型权重与推理代码，该模型面向编程与 AI 研发，采用 MoE 架构，总参数 309B、激活约 15.5B，原生支持 100 万 Token 上下文，FP8 权重约占 315GB。
HelloGitHubAI 评估 · 17/100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 · 17/100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。 HelloGitHub 第 126 期：Claude Code 状态栏、AI 技能包与 K8s 推理平台等 31 个开源项目
HelloGitHub 第 126 期收录 31 个开源项目，含为 Claude Code 显示模型、Git 分支、Token 用量与上下文占比的 ccstatusline 状态栏工具，以及可把技能一键同步到 Claude Code、Codex、Cursor 的 skills-manager。
Tw93(@HiTw93)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。 Tw93 介绍 Mac 终端 Kaku：安装即用、对 AICoding 友好，已迭代 21 个版本
Tw93 重新介绍了他在过年期间开发的 Mac 终端 Kaku，安装后无需配置即可使用，对 AICoding 友好，并结合自己的编程习惯做了不少顺手优化。该项目已开源并迭代 21 个版本，保持 0 issue，作者称其为自己做过的最复杂的项目。项目地址为 github.com/tw93/Kaku。
GitHub(@github)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。 GitHub Copilot 应用如何在并行会话中运行智能体
GitHub Copilot 应用支持并行运行多个智能体，每个会话拥有独立的 Git worktree 和上下文，因此可以同时进行构建、审查和测试。官方博客给出了上手方法。
Jerry Liu(@jerryjliu0)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。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。 Devin 被指销售策略失当：用户称两天自建 Hermes 替代，成本仅四分之一
一位 Devin 付费用户称，因 Cognition 拒绝其按季度付款的请求，他用两天时间基于自有基础设施搭建了替代方案 Hermes，功能与 Devin 几乎完全等价，成本约为 Devin 的 25%。该用户此前 Devin 使用量年化已超 10 万美元，原计划为获得 BAA（HIPAA 合规协议）将支出提升至约 1.5 倍。他认为问题不在 Devin 本身，而在于销售策略。
浮之静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。 浅谈 AI 进化史：从 ChatGPT 到 Agent 工作系统
从 2022 年 11 月 30 日 ChatGPT 上线到 2026 年 9 月，AI 用不到四年从聊天框走向完整任务执行：LangChain、RAG 和 MCP 接上外部世界，Codex、Claude Code、Cursor 转向仓库级编程 Agent，Agent Skills 与 AGENTS.md 沉淀协作经验。
Vercel NewsAI 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。 Fireworks 的 Ember-1 上线 Vercel AI Gateway
Fireworks 的 Ember-1 已在 Vercel AI Gateway 上线，这是一个基于 Kimi K3 构建、面向编码与智能体工作流的研究预览版推理模型。
印记中文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。 React 中文周刊 #294：GitHub Copilot 桌面端如何渲染百万行 PR
GitHub Copilot 桌面应用基于 React 与 Tauri 构建，为渲染 2000+ 文件、百万行改动的 PR，将代码行渲染放到 React 之外。
AK(@_akhaliq)AI 评估 · 28/100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 · 28/100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。 ProgramDistill：从交互式 Web 应用生成可验证的参考引导 SWE 任务
ProgramDistill 提出从交互式 Web 应用出发，构建可验证、参考引导的软件工程（SWE）任务。论文已发布在 Hugging Face Papers（编号 2609.18…），原始公告由 AK 在 X 上分享。
Thomas Wolf(@Thom_Wolf)AI 评估 · 17/100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 · 17/100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。 Thomas Wolf 转发 Scott 演讲：手写代码的时代结束，软件工程师转向"智能体指挥者"
Thomas Wolf 转发 Scott 的一段演讲，称亲手雕琢代码的时代已经结束，接下来是"专业造物者"的新职业——指挥此前只存在于科幻中的智能。Scott 称这段演讲每个软件工程师都该听。
GitHub(@github)AI 评估 · 8/100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 · 8/100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 举办社区活动，面对面了解 Copilot 应用与 Copilot CLI
GitHub 邀请开发者参加线下社区活动，现场了解 GitHub Copilot 应用与 Copilot CLI。活动按地区就近报名，报名链接为 gh.io/join-dev-days。
Viking(@vikingmute)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。 有人还在用 antigravity 吗？用户称 Gemini3.8 写文章和审校中文更接近人味
一位用户发帖询问现在是否还有人使用 antigravity、是否好用，并表示自己很喜欢用 Gemini3.8 写文章、审校其他 agent 写的中文文章和 i18n 翻译，认为其写作水平已比较接近人味。该用户目前主要通过 Cursor 的第三方模型调用，因为 cloud agent 经常被用完，正在考虑是否试试 antigravity。
Tw93(@HiTw93)AI 评估 · 12/100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 · 12/100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 AI 订阅额度在重置前做真正解决问题的产品
作者把 Claude 和 Codex 两个 200 刀账号的周额度在重置前全部用完，Claude Code 用 Opus 5.5 high 做产品开发，Codex 用 GPT-6 Astra Medium 做需求分析与代码 Review，且未开 Fast 模式。作者认为额度物尽其用、少写 Demo 多做产品才有意义，并反感单纯比拼 Token 使用量的排名。
orange.ai(@oran_ge)AI 评估 · 6/100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 · 6/100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。 用户反馈：某 AI 编程能力仍不够强，问题并未很好解决
有用户反馈相关问题"并没有很好的解决"，并认为其在编程能力方面"还是不够强"。该帖未提及具体模型、产品名称或任何测试数据。
orange.ai(@oran_ge)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。 作者称用 DeepSeek Flash 做工程陷入无尽细节，转用 Opus 5.5 重构 ColaMD 2.0 求根治
ColaMD 更新到 2.0 版本后边界 case 越来越多，用 DeepSeek Flash 这类模型修 bug 往往解决当前问题又引入新 bug。作者改用 Opus 5.5 从根本上重构一遍，看能否解决根因。
Claude(@claudeai)AI 评估 · 28/100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 · 28/100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 用 Three.js + TSL 从草图生成 3D 住宅
开发者用 Claude Opus 5.5 配合 Three.js 和 TSL，从草图出发在 3D 中建起一栋住宅，建筑过程分为四个阶段：初始线条、体块推敲、细节深化和成品房屋。该演示在 X 上获得 406 点赞、14 次转发。
Cognition(@cognition_labs)AI 评估 · 51/100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 · 51/100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 年化收入突破 10 亿美元，客户用 Devin 构建
Cognition 宣布年化收入运行率突破 1B 美元，公司称这一里程碑属于其客户，并展示了部分客户如何使用 Devin 进行构建。
Viking(@vikingmute)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。 Astra 被称 code review 最强模型：老项目 review 挖出多个高危漏洞，但消耗过快
有用户称 Astra 仍是 code review 最棒的模型，对一个老项目 review 一遍就挖出好几个高危漏洞，但消耗太快。评论指出 Astra 在纯代码之外几乎都表现更差，涉及风格和外观时各方面都不如 opus。Theo（t3.gg）也表示 Astra 仍是最好的 review 模型，极其细致。
Tw93(@HiTw93)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。 群友用 Opus 5.5 为 Mole 官网静态页面做了动态化改造
群友"神的孩子在跳舞"用 Opus 5.5 给 Mole 做了动态化改造，把官网静态页面的理念动了起来，效果被认为高级了很多。
Viking(@vikingmute)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。 OpenClaw 删掉约 40 万行测试代码，代码覆盖率几乎没降
Viking 引述 Peter Steinberger 的说法称，OpenClaw 删掉了约 40 万行自己的测试代码，代码覆盖率几乎没有变化，原因是现在的模型特别爱写没用的单元测试，为测试而测试，写十个 case 去判断常量里的字符串。作者还提到，如果只跟 Agent 说清理一下，它会很早就停下来不改，需要给它更狠的目标，例如删掉最没用的 20% 测试、同时把覆盖率波动控制在 2% 以内。
Jerry Liu(@jerryjliu0)AI 评估 · 19/100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 · 19/100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 与 Astra 对比，Codex 应用胜过 Claude 应用
一条对比观点：作者更喜欢 Opus 5.5 略胜于 Astra，但认为 Codex 应用比 Claude 应用更好用。原文未给出具体评测数据或功能细节。
有机大橘子AI 评估 · 48/100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 · 48/100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 一句话生成产品宣传片，纯代码方式做视频
Opus 5.5 被指能用一句话直接生成产品宣传片，且以纯代码方式完成视频制作，效果超过此前供应商报价上万的方案。叠加 computer use 能力后，它还能用画笔画肖像。有观点认为，这让许多视频 Skill/Agent 失去存在必要。