Muse 现可在 Replit 上构建应用
Muse 现在可以在 Replit 上构建应用。该消息由 Amjad Masad 发布，未披露模型版本、参数规模或可用范围等细节。
#编码
#编码
今日 29 条Amjad Masad(@amasad)AI 评估 · 35/100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 · 35/100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。 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。 开发者吐槽 6 sol 写新功能引入大量 regression，改用 5.6 sol
有开发者吐槽 6 sol 表现差：让它写一个新 feature，结果引入一堆 regression，e2e 测试大量失败，改半天速度还慢，现在直接改用 5.6 sol，感觉比它好多了。
Eric Jing(@ericjing_ai)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。 Genspark 上线编码智能体 GenCode，称能力对标 Claude Code 和 Codex 且成本低至 1/10
Genspark 在 Super App 内上线编码智能体 GenCode，支持 Claude、GPT、DeepSeek 或开源权重模型，同一个账号即可使用且无需配置 API key。作者称其能力与 Claude Code、Codex 相当，开源权重方案的成本为后者的 1/10 到 1/20，并强调模型由用户按任务自行选择，而不是由智能体代为指定。
Guillermo Rauch(@rauchg)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。 ShellPerfBench：Opus 5.5 找到了其他模型漏掉的 shell 启动优化
Guillermo Rauch 发布 ShellPerfBench，用于衡量新 shell 会话的启动时间。他表示 Opus 5.5 找到了许多其他模型漏掉的优化点，并建议用户让智能体去优化 .zshrc 等配置文件。
山行AIAI 评估 · 53/100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 · 53/100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 研究：Claude Code 中真正拉开差距的是领域专长
Anthropic 发布研究《How Claude Code is used in practice》，基于 2025 年 10 月至 2026 年 4 月约 40 万次 Claude Code 会话、约 23.5 万名用户，分析人机决策分工与专长对结果的影响。
Tw93(@HiTw93)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。 Opus 5.5 上手体验：从 fabel 5.1 切换过来，能力接近但更便宜更快
Opus 5.5 被评价为近期令人惊喜的模型，作者建议从 fabel 5.1 切换过来，称两者能力接近，但 Opus 5.5 便宜很多、速度也快不少。它被认为非常适合长任务 Coding，能像老练工程师一样有条不紊地完成跨仓库迁移、大仓库审计等复杂工作。此外作者称其终于"开始讲人话"，上一个让他有此感受的模型是 GPT-6 Astra。
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 深潜：如何让百万行、数百条评论的 pull request 像普通评审一样轻松
GitHub 发布工程实践深潜，探讨如何让百万行规模、附带数百条评论的 pull request 变得像普通代码评审一样易于处理。该内容以 github.blog 工程博客形式发布，聚焦超大型 PR 的评审体验问题。
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。 GitHub Copilot 应用如何让 2200 文件、100 万行改动的 PR 依然流畅可审
GitHub Copilot 应用重建了 pull request 视图，让包含 2200 个文件、超 100 万行改动和 400 多条行内评论的超大 PR 也能快速流畅地审查。GitHub 称这一极端 diff 场景在该视图下不再卡顿。
Replit ⠕(@Replit)AI 评估 · 13/100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 · 13/100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 发起 Hacking the 7：35 位创作者在纽约 7 号线地铁上从想法到上线应用
Replit 在纽约 7 号线上发起 "Hacking the 7" 活动，邀请 35 位创作者挑战在列车抵达终点站前，用 Replit 完成从想法到应用上线。活动全程横跨整条 7 号线，创作灵感来自沿途流动的城市景观，完整视频已发布在 YouTube。
Genspark(@genspark_ai)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。 GenCode 支持一键迁移现有配置，免去重头搭建
Genspark 推出 GenCode，可读取你现有的配置，一键把 instructions、rules 和 memory 迁移过来，并提供多种模型可选，无需重新教一遍。官方称"配置税"就此消失。
bolt.new(@boltdotnew)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。 Bolt Forge 一周数据：GLM 5.3 Flash 与 DeepSeek V4.1 Flash 两款模型承接 80% 提示词
Bolt Forge 开放模型上线一周，两款 Flash 模型承接了 80% 的提示词，其中 GLM 5.3 Flash 占 63%，DeepSeek V4.1 Flash 占 17%。尽管选择器中可直接选用更大的模型，构建者仍持续选择快速模型。Bolt 同步提供 $9/月 的 lite 订阅（bolt.new/lite）。
AI Breakfast(@AiBreakfast)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 一夜一次性生成完整冒险游戏 Epicurious
Opus 5.5 被用户称为用过最有趣的模型，它一夜之间一次性生成了一款名为 Epicurious 的完整冒险游戏，体量庞大，通关预计需要 20 小时。该游戏为完整的电脑游戏形态。
Genspark(@genspark_ai)AI 评估 · 40/100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 · 40/100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 GenCode 编程智能体：Claude、GPT、DeepSeek 与开源权重任选
Genspark Super App 内上线编程智能体 GenCode，同一账号可选 Claude、GPT、DeepSeek 或开源权重模型，无需配置 API key，按任务自行选择模型，开源权重成本仅为 1/10 至 1/20。
Cursor(@cursor_ai)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。 Cursor 通过提示词收紧与缓存优化将 token 成本降低 7%，智能体质量不降
Cursor 将 token 成本降低了 7%，且智能体质量没有下降。节省来自更紧凑的提示词、选择性工具加载、更好的缓存以及压缩文件读取。
Anton Osika – eu/acc(@antonosika)AI 评估 · 13/100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 · 13/100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。 Anton Osika：采访途中任何人用 AI 都能随手做出应用
Anton Osika 称任何人都能在任何地方构建应用，@siliconvalleymm 就在采访进行到一半时和他一起做出了一个应用。该内容由 xgo.ing 提供支持，原帖获 89 个点赞、16 条回复、8 次转发，浏览量 26950。
卡尔的AI沃茨AI 评估 · 74/100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 · 74/100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。 实测小米 MiMo V2.6：Pro、Flash、Pro-UltraSpeed 三个版本发布
小米发布 MiMo V2.6 系列，包含 Pro、Flash 和 Pro-UltraSpeed 三个版本，其中 UltraSpeed 输出速度最高可达 Pro 的 20 倍。
机器之心SOTA模型精选AI 评估 · 80/100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 · 80/100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 Opus 5.5，OpenAI 推出 GPT-6 Sol 与 GPT-6 Luna
Anthropic 发布 Claude Opus 5.5，重点提升代码库级迁移、调试、审查和长时间自主任务能力，API 输入输出每百万 token 分别为 4 美元和 20 美元，官方称典型任务整体运行成本较 Opus 5 降低约 40%、输出速度提高超过 30%。
为什么值得看
同一天多款编程与办公模型集中更新，并给出具体价格与运行成本变化，便于横向比较
阿里技术AI 评估 · 29/100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 · 29/100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。 阿里发布《AI Native 研发范式实践手册》，提出企业级 Agent 基础设施三大缺口
阿里巴巴在云栖大会发布《AI Native 研发范式实践手册》，从 AIDC 数字投手、千问用增 Agent、万有无界三个业务案例提炼出环境与验证驱动、平台能力升级、提效度量、数字员工、组织配套五个共性挑战。
Genspark(@genspark_ai)AI 评估 · 45/100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 · 45/100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。 Grok 4.7 上线 Genspark，覆盖 AI Chat、Code Agent 与 Claw
SpaceXAI 的 Grok 4.7 已在 Genspark 上线，可用于 AI Chat、Code Agent 和 Claw，价格与速度与 Grok 4.6 保持一致。官方称其在困难任务上能工作更久、更仔细地检查结果，并配备迄今最强的安全防护。
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。 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。
cat(@_catwu)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。 有人用 Opus 5.5 结合 Lean 形式化验证 Claude Agent SDK
Boris Cherny 表示自己用 Opus 5.5 对 Claude Agent SDK 做形式化验证，仅用几个简短提示词就产生 16 个 PR，修复多个 bug 和竞态条件。
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。
Guillermo Rauch(@rauchg)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。 Next.js 评测：Opus 5.5、GPT 6 Sol、Fable 5.1 并列 97%，Grok 4.7 得分 94% 但便宜 2-7 倍
最新一轮 Next.js 评测结果出炉，Opus 5.5、GPT 6 Sol 和 Fable 5.1 均以 97% 并列第一，Grok 4.7 以 94% 位列其后。值得注意的是，Grok 4.7 的价格比其他模型便宜 2 到 7 倍。
Greg Brockman(@gdb)精选AI 评估 · 79/100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 · 79/100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 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格较 GPT-5.6 促销价低 50%
OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，两款模型基于 GPT-6 Astra 的技术进展，定位更快、更实惠，覆盖专业工作、事实性、编码、电脑操作和对齐等能力。OpenAI 同时优化了缓存和推理效率，并将节省直接传递给用户，Sol 和 Luna 的 API 价格比 GPT-5.6 促销价低 50%。
为什么值得看
OpenAI 发布 GPT-6 Sol 和 Luna 两款更快更便宜的模型，API 价格比 GPT-5.6 促销价低 50%，可据此判断成本结构变化。
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。
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。
Lovable(@lovable_dev)AI 评估 · 40/100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 · 40/100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 现已接入 GPT-6 Sol，0-to-1 构建基准全面超越 GPT-5.6 Sol
Lovable 现已支持使用 GPT-6 Sol 构建应用。在其 0-to-1 构建基准上，GPT-6 Sol 在每个 effort level 下得分比 GPT-5.6 Sol 高 6% 至 12%，其中意图对齐（理解需求）提升 10% 至 15%，设计基础能力提升 8% 至 10%。
Windsurf(@windsurf_ai)AI 评估 · 42/100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 · 42/100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 现已登陆 Devin Desktop 和 Devin CLI
Claude Opus 5.5 现可在 Devin Desktop 和 Devin CLI 中使用。在 FrontierCode 1.1 上，Opus 5.5 以远低于 Fable 5 的成本拿下第一。
Cognition(@cognition_labs)AI 评估 · 35/100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 · 35/100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 在 FrontierCode 1.1 以 65.3% 登顶 Extended 榜
Opus 5.5 在 Cognition 的 FrontierCode 1.1 基准上取得 Extended 65.3% 的成绩，超越 Fable 5 登顶，且成本仅为后者的一小部分。该基准针对真实工程任务，评估代码的可合并性与质量。
Cognition(@cognition_labs)AI 评估 · 45/100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 · 45/100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 上线 Devin，在 FrontierCode 1.1 登顶
Claude Opus 5.5 现已在 Devin 中可用。在 FrontierCode 1.1 上，Opus 5.5 从 Fable 5 手中拿下第一，且成本仅为其一小部分。
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。
Cursor(@cursor_ai)AI 评估 · 63/100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 · 63/100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 上线 Cursor，CursorBench 达 57.8%（Max）
Cursor 宣布 Claude Opus 5.5 已在其平台上线，该模型以 57.8%（Max）成为 CursorBench 上的新榜首。Cursor 同时表示，其每任务成本比 Opus 5 低 40%。
Mike Krieger(@mikeyk)精选AI 评估 · 76/100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 · 76/100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 Opus 5.5，主打编码与知识工作
Anthropic 发布 Claude 5.5 系列的首个模型 Claude Opus 5.5，官方称其在编码和知识工作上领先，写作能力也较强。该模型在多数任务上表现与 Claude Fable 5.1 相当，运行成本比 Opus 5 低 40%。
为什么值得看
Anthropic 新模型系列的定价与能力对照信息，可看出成本与性能的取舍方向。
Lovable(@lovable_dev)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。 Lovable 改用 Opus 5.5 构建，步骤最多减少 48%
Lovable 宣布即日起其构建流程改用 Opus 5.5，质量与 Opus 5 持平。官方称在 0 到 1 构建与迭代修码上质量不变，在已有代码库上步骤最多减少 48%；自检测试得分高出 4-6%，达成同样结果所需步骤最多减少 57%。
cat(@_catwu)AI 评估 · 74/100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 · 74/100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 成为 Claude Code 与 Claude 应用默认模型
Claude Opus 5.5 现已成为 Claude Code 和 Claude 应用的默认模型，覆盖 Cowork，面向 Pro、Max 和 Team 套餐。
AI科技大本营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。 “当年在 OpenAI 像在疯人院”：Jev 作者 Diogo Almeida 访谈谈反叛 RLHF 与可编程 AI
前 OpenAI 核心研究员、TypeSafe AI 创始人 Diogo Almeida 在播客 Latent Space 完整访谈中，解释其新模型 Jev 为何完全不做文本生成，只向程序输出带概率和置信度的决策，并以代码作为唯一消费者。
机器之心SOTA模型AI 评估 · 74/100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 · 74/100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。 小米开源 MiMo-V2.6 Pro/Flash，xAI 发布 Grok 4.7，APUS 开源决策模型 OpenJev-v1
小米发布原生全模态模型 MiMo-V2.6 Pro 与 Flash 并开放 MIT 许可权重，API 沿用 V2.5 定价；Pro 与 Flash 在长程软件工程评测 DeepSWE v1.1 中分别达到 72.6 和 65.7，较本轮训练前提升约 14 分和 17 分。
Hunyuan(@TXhunyuan)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。 腾讯混元推出 WebCraftBench：用真机探索评测 AI 生成网站
腾讯混元发布 WebCraftBench，让智能体实际操作运行中的网页应用，通过覆盖率引导探索发现未被触达的页面，再对美观度、可用性及是否满足原始需求打分。在 197 组人工校验样本上，该评测与人类偏好的一致率为 85.3%。
AK(@_akhaliq)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。 CodeMidas：从代码本身扩展智能体编程 RL 环境
论文提出 CodeMidas，一种从代码本身扩展智能体编程强化学习（RL）环境的方法，论文已发布在 HuggingFace Papers 上。
Fireworks AI(@FireworksAI_HQ)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。 Fireworks 在 DeepSWE 上测 18 个模型：理想路由达 97.6% 解决率
Fireworks 在 DeepSWE 上让 18 个模型跑 113 个真实编码任务，再假设每个任务都交给处理最好的模型，得到 97.6% 解决率、每任务 1.88 美元，而最佳单模型为 74.1%、每任务 6.52 美元。其结论是下一步方向在于路由器。完整分析见 fireworks.ai/blog/the-front…