Concitech AI · Long reads
深度
长文
不追逐每一个热点，只拆解真正改变产品、工程和产业方向的信号。
深度长文 · 2026/10/09 09:52
REA：AI 编程助手的逆向工具箱，应用行为的证据链
开源项目 REA 连接 AI 编程助手与逆向分析引擎，支持 JavaScript、Electron、APK 和原生二进制等目标。Notion 剪贴板案例展示调用关系的追踪过程。文章介绍工具分工、安装要求、证据边界与数据隐私。
深度长文 · 2026/10/09 09:38
AI 编程的分水岭：业务知识决定交付质量
AI 生成代码，业务知识定义目标、约束与验收。一个订单取消示意功能展示状态、权限、退款和异常的区别。文章讨论领域学习、需求决策与生产交付的分工。
深度长文 · 2026/10/09 09:08
AI 写代码，AI 写测试：“全绿”背后的同源错误
代码与测试共享需求误解，绿色结果形成虚假的安全感。文章解析同源错误、回归资产、测试驱动开发和变异测试的边界，提出需求契约与验收分工。
深度长文 · 2026/10/08 08:22
DeepSeek 长文检索的“相位弱点”：字节论文测出四 Token 周期
字节 Seed 论文发现分块 KV 缓存模型的周期性检索差异。DeepSeek-V4 基础模型的最大相位差距为 40.2 个百分点，后训练版本为 19.1 个百分点。本文解析实验、机制与边界。
深度长文 · 2026/10/08 08:14
Claude Haiku 5.5 降价 90%？10 万 Token 分界线决定账单
Anthropic 发布 Claude Haiku 5.5。短请求输入价格为每百万 Token 0.1 美元，长请求采用另一档费率。本文核对价格、性能与使用场景。
深度长文 · 2026/10/07 07:54
Agent 的新瓶颈：Git、SSD、内存和网络
Agent 任务包含模型推理、Git 操作、工作区创建、进程运行和网络传输。模型提速改变各环节的耗时比例；并发任务增加 SSD 与内存压力。本文拆解延迟账本、工作区成本、资源配额和截图上行瓶颈。
深度长文 · 2026/10/07 07:27
Agent 声称退款成功，工具日志显示超时：Jev 裁判看什么？
DAIR.AI 的 Jev-as-a-Judge 案例包含 Agent 的最终回复与工具轨迹。论文数据显示，Jev 适合部分低成本初筛任务；复杂推理、写作风格和错误置信度构成核验边界。
深度长文 · 2026/10/07 07:20
OpenAI 公开 722 篇数学手稿：独立顾问团划清责任边界
OpenAI 的数学仓库收录 722 篇手稿、372 个成果系列，包含论文、部分 Lean 形式化文件和推理摘要。独立顾问团强调咨询与背书的区别。证明核验、学术归属和人类理解构成后续任务。
深度长文 · 2026/10/06 10:47
Meta Claude Code 的 28 天账单超 1 亿美元，微软削减内部预算
《The Information》披露 Meta 与微软的内部 Claude 用量变化。Meta 的 Claude Code 28 天费用超过 1.05 亿美元；微软下调内部支出预测。企业客户需求与员工预算属于两本账。
深度长文 · 2026/10/06 10:37
200 美元 AI 编程订阅：Claude 与 Codex 的额度差约五倍？
SemiAnalysis 测量 Claude 与 OpenAI 订阅的 Token 额度。约五倍的差距属于主力模型的 API 等价价值，与模型能力评分分属两类指标。OpenAI Pro 额度调整改变了比较结果。
深度长文 · 2026/10/05 06:39
AI 提效 9.6%，岗位净减 5%：摩根士丹利调查揭示什么
摩根士丹利 AlphaWise 调查聚焦银行、科技与专业服务企业。岗位裁撤、停止补录和新增招聘构成一份就业账本。数字背后的样本边界值得关注。
深度长文 · 2026/10/05 06:27
Opus 5.5 官方指南：任务终点、长流程与安全切换
Anthropic 的 Opus 5.5 官方指南讨论任务终点、长流程控制、结果核验与安全模型切换。官方测试提供部分体验判断；使用者承担验收标准与高风险操作边界的定义责任。
深度长文 · 2026/10/05 06:18
2500个PR与一套验证系统：AI代码质量谁来负责？
Lauren Tan自述：月度PR合并量为2500个。访谈与pstack仓库呈现一套质量控制方法：真实场景验证、代码结构约束、人工抽查。这个数字缺少独立审计材料，公开插件与内部生产流程存在边界。
深度长文 · 2026/10/04 07:15
AI写代码：“测试通过”与“完成任务”的距离
一段3D场景演示引出AI编程的验收问题。原帖质疑模型用位图满足视觉效果、偏离3D对象约束。OpenAI的监测说明与SWE-Gate研究提供补充证据；单次案例缺少证明训练机制的材料。
深度长文 · 2026/10/04 07:05
AI重构大模块：删掉这个模块会怎样？
Matt Pocock的codebase-design是一份代码设计词典。七个术语和四条原则帮助开发者识别空壳抽象，审查接口、测试位置与模块职责。仓库另有代码库巡检技能。
深度长文 · 2026/10/04 06:58
教皇否认AI有体验，Anthropic联创提出异议：Claude意识之争
《纽约时报》披露Anthropic联创与梵蒂冈围绕AI意识的分歧。教皇通谕否认AI拥有体验；Anthropic公开文件承认问题尚无定论。双方的共同议题是人类责任与AI治理。
深度长文 · 2026/10/03 08:47
Hinton等22位研究者联名：AI研发自动化，会引发“智能爆炸”吗？
剑桥大学CASP工作论文讨论AI研发自动化的反馈回路。Anthropic公开数据展示研发环节中的AI参与；论文的十倍加速属于附带严格假设的推演。作者提出透明度、约束机制与社会准备三类政策建议。
深度长文 · 2026/10/03 08:38
开源测试框架e2e：Agent操作、断言验收、缓存回放
TesterArmy开源e2e测试框架。测试用例混合自然语言目标与确定性断言，Web和移动端共享核心API。验证合格的Agent动作支持缓存回放；模型判断步骤产生调用成本。
深度长文 · 2026/10/03 08:30
卡神提出AI输出四级：文字、图解、网页、视频
卡帕西提出四种模型输出形式：受控语言、图解、交互网页和定制视频。核心问题不是答案长度，而是人能否理解、检查和使用模型成果。
深度长文 · 2026/10/02 07:40
Claude Code推出Mods，DeepSeek把整个Agent拆成插件
Claude Code Mods开放事件、工具调用与界面扩展；DeepSeek Harness采用Cordis架构，把模型、工具、会话和Agent循环纳入插件体系。两条路线指向Agent底座的设计权，伴随权限和兼容性问题。
深度长文 · 2026/10/02 07:34
Anthropic推出claude.dev：Claude工程团队的公开笔记库
Anthropic推出开发者站点claude.dev。工程复盘、模型成本、评测设计、Skills和Claude Code Mods构成内容主体。文档负责产品规则，新站点展示工程判断与实践经验。
深度长文 · 2026/10/01 09:15
GLM、Kimi进入Codex：OpenAI把企业预算交给开放模型？
OpenAI与Baseten合作，计划把开放模型接入Codex和Responses API。GLM-5.3 Flash、Kimi K3进入讨论焦点。企业合同、模型选择权与Agent入口成为这条消息的核心。
深度长文 · 2026/10/01 09:00
Gemini 4 Argon发布：百万Token输出，首批资格给了网络安全防御者
谷歌发布Gemini 4 Argon。模型拥有100万Token输出上限，首批权限属于Fairwind计划的网络安全防御者。本文核对官方价格、基准测试、内部案例与安全发布方案。
深度长文 · 2026/09/30 12:00
OpenAI发布Decisions API：AI成为软件里的选择题引擎
OpenAI推出基于GPT-6 Luna的Decisions API。开发者给出问题、候选答案及文本或图像，模型承担分类、路由与Agent动作选择。本文梳理产品边界、Jev对比及上线验收要点。
深度长文 · 2026/09/30 08:00
OpenAI DevDay 25项发布：ChatGPT押注AI时代操作系统
OpenAI DevDay带来25项发布，涵盖Dots、GPT-6.1 Sol、Ultrafast、Codex、Agents API、插件、团队协作、Sign in with ChatGPT与Marketplace。ChatGPT获得身份、算力、入口和分发权。
深度长文 · 2026/09/30 07:00
OpenAI Dots登场：一名拥有电脑、记忆与主动权的AI员工
OpenAI发布Dots。每个Dot拥有云电脑、浏览器、长期记忆和插件连接。产品入口覆盖ChatGPT、Slack与Teams。权限规则、只读研究、操作审核构成安全框架。AI产品的交付单位发生变化：答案让位于责任。
深度长文 · 2026/09/29 08:20
被遗忘的Manus回来了：2.0押注Agent操作系统
Manus经历爆红、Meta收购与交易拆分，独立运营状态迎来2.0。Cascade、Cloud Computer、Studio与Cue组成四层产品结构。模型退到供应层，运行环境、身份、权限与人机协作成为竞争焦点。
深度长文 · 2026/09/28 13:28
Midjourney创始人的文明算术：34次翻倍通向戴森球？
David Holz给出一张太空工业时间表：一兆瓦种子的第34次翻倍对应行星级能源规模，第68次翻倍对应恒星级规模。算术成立，工程证据缺少采矿、制造、芯片、维修与能源闭环。
深度长文 · 2026/09/28 05:15
Claude写下Anthropic八成代码：AI自我改进卡在研究品味
Anthropic披露内部AI研发数据：Claude贡献超过80%的合并代码，工程师代码产量达到2024年的8倍，训练代码优化达到52倍。执行循环出现自动化，目标选择与研究品味构成人类瓶颈。
深度长文 · 2026/09/28 05:05
Meta Muse的野心：愿望执行器需要数字生活钥匙
Alexandr Wang称Muse是一位人生总经理。产品连接邮件、日历、浏览器和支付系统，专属虚拟机与Sentinel承担权限控制。愿望执行能力带来一笔清晰交易：代理权增量对应数据访问增量。
深度长文 · 2026/09/27 17:30
Plan Mode走向终点：AI编程告别长篇计划书
Nuanced创始人Ayman Nadeem复盘Plan Mode产品失败。模型能力、阅读负担、瀑布流程和并行Agent暴露同一问题：静态规格书让位于可检查的行动循环。
深度长文 · 2026/09/27 11:15
Claude算出九圈振幅：数千美元的科研Agent压力测试
Anthropic披露Claude Science完成N=4超杨-米尔斯六粒子九圈振幅计算。两条路线相互校验，Lance Dixon核验结果；公开文件展示计算产物与限制。成果指向长流程科研执行力，新理论创造力缺少证据。
深度长文 · 2026/09/26 11:10
美国AI梦的1300亿美元裂缝：模型领先，社会授权告急
The Information评论文章改写美国AI竞争焦点。1300亿美元项目受阻、71%地方反对率和电力需求增长，暴露AI基础设施的社会授权难题；中国多目标框架构成政策对照。
深度长文 · 2026/09/26 10:56
美团LongCat 2.5的中秋节首秀：百万上下文，榜单席位待定
LongCat-2.5-Preview拥有1.6T总参数和100万Token上下文，激活参数的官方表述为“约48B”。发布日期对应2026年中秋节，主流独立榜单缺少该模型成绩。
深度长文 · 2026/09/25 14:55
Google AX开源：Agent任务的“Kubernetes”控制平面
Google AX定义Task、Workspace和Model三类资源。Agent Substrate承担沙箱、挂起与恢复。本文拆解架构、安装方式、项目现状与安全边界。
深度长文 · 2026/09/25 04:50
Paseo爆火：一个界面指挥Claude Code、Codex与Copilot
Paseo为Claude Code、Codex、Copilot、OpenCode和Pi提供统一控制台。本文介绍本地Daemon、Agent交接、顾问模式、委员会模式、手机控制、安装方法与安全边界。
深度长文 · 2026/09/25 04:40
OmniJev开源：0生成Token的视觉决策模型
OmniJev接收图像、视频、屏幕和机器人视角，输出Choice、Score、Noul三类概率。本文介绍模型架构、项目方测试、延迟、安装方式和适用边界。
深度长文 · 2026/09/24 03:24
Claude 发现新酶系统 ART：950 个 Agent、19 亿蛋白簇、21.5 小时
Anthropic 生命科学团队报告 ART 酶系统。Claude Agent 处理 19.4 亿蛋白簇，发现逆转录酶、串联重复阵列与伙伴蛋白组合。实验确认阵列 RNA 表达，生物功能处于未知状态。
深度长文 · 2026/09/23 09:11
GPT-6 Sol、Luna 登场：Agent 价格战进入 0.1 美元时代
OpenAI 发布 GPT-6 Sol 和 Luna。Sol 每百万输入 Token 价格为 2 美元，Luna 为 0.1 美元。1.05M 上下文与一折缓存定价改写 Agent 成本结构。
深度长文 · 2026/09/23 08:58
小米 MiMo Code 内置源码打包器：能力属实，上传证据为零
官方 v0.1.14 二进制包含开源仓库缺失的私有模块。collectCodebase 具备仓库扫描、源码读取和 Zstandard 压缩能力，静态调用证据与整库上传证据缺席。
深度长文 · 2026/09/22 11:20
中美AI热线与两巨头互测：两条真新闻，零份生效协议
美国提出中美AI国家安全事件通报机制，OpenAI与Anthropic讨论商业模型交叉压力测试。两条消息存在可靠信源，公开材料的生效协议数量是零。
深度长文 · 2026/09/22 07:52
OpenAI成立数学顾问组：九位学者拥有批评权，研发节奏属于公司
OpenAI内部模型声称解决纳维—斯托克斯难题和100多个开放问题。25位菲尔兹奖得主提出制度批评。九位学者组成AGMAI，负责审查与发布建议，公司保留决策权和研发节奏权。
深度长文 · 2026/09/21 21:20
LangChain测试Jev裁判：平均延迟0.44秒，样本量5条
LangChain的Jev裁判实验包含5条固定天气Agent轨迹、4个评测器和100次重复判断。Jev取得最低延迟与最低方差，连续质量分数的人工标签贴近度落后。
深度长文 · 2026/09/21 19:40
Jev开源复刻项目清单：8个GitHub仓库与四条技术路线
8个Jev开源复刻项目覆盖Logit读取、专用编码器、Qwen决策微调和扩散填空。本文整理每个仓库的GitHub链接、模型规格、核心实现、硬件要求与项目测试数据。
深度长文 · 2026/09/21 08:46
美国封禁Claude 19天：前沿模型发布，成为国家安全事件
出口管制迫使Fable 5和Mythos 5停服。白宫行政令要求前沿模型接受最长30天自愿预发布测试。权力冲突暴露一种新治理结构：政府掌握法律强制，模型公司掌握国家网络防御所需能力。
深度长文 · 2026/09/20 14:17
Agent交出数百个文件：代码生成提速，集成债务爆发
Agent偏爱数据库、应用层、前端的横向铺开，集成节点落在项目末端。Tracer Bullet构造端到端切片，缩短错误存活期。AI编程的新瓶颈是反馈设计。
深度长文 · 2026/09/19 09:32
AI告别文字：清华C2C打通模型缓存，Agent协议换轨
清华、无问芯穹、中大、上交、上海AI实验室团队推出C2C。模型共享KV Cache，文字中继退出协作链。ICLR 2026正式论文给出2.5倍平均延迟加速，代码开源。
深度长文 · 2026/09/19 08:48
CNN曝美军AI假情报险情：一艘中国船逼近登船危机
CNN称，一份AI辅助情报报告误判中国船舶货物，美军启动拦截与登船准备。事件暴露情报来源链、报告格式权威和军事AI治理之间的断裂。
深度长文 · 2026/09/18 09:38
前OpenAI研究员押注Jev：AI决策层迎来新物种
TypeSafe AI 发布 Jev。模型输出 Choice、Score、Noul 与概率分布。速度和成本优势指向 Agent 决策层，厂商评测与社区项目构成首批证据。
深度长文 · 2026/09/18 09:15
字节 AI 制药刷屏：一万实验台属于想象，150 个候选构成真实进展
Anew Labs 发布 AnewDDE 技术报告。公开案例包含 150 个纳米抗体候选、两轮 SPR 湿实验和 16 个个位数纳摩尔命中。一万实验台与“消灭癌细胞”缺少原始材料支持。
深度长文 · 2026/09/18 07:56
智谱让 GLM 修自己的推理系统：两周周期，吞吐接近原值三倍
GLM-5.3 驱动的 Infra Agent 参与国产加速卡推理栈建设。智谱披露：周期少于两周，端到端吞吐接近初始基线三倍。核心资产落在一套稠密反馈环境。
深度长文 · 2026/09/18 07:47
MCP“凉了”？Claude Code 团队给出相反答案
本地编程偏爱 CLI，云端集成与企业治理偏爱 MCP。工具延迟加载、无状态协议与 OAuth 改变成本结构，MCP 完成一次角色迁移：工具包装层退场，连接与治理层登场。
深度长文 · 2026/09/17 10:43
DeepMind 建起 AGI 研究院：模型竞赛进入社会制度设计阶段
DeepMind Institute 的首发议程覆盖推理透明度、经济政策、前沿模型标准与社会愿景。模型公司的 AGI 制度讨论走向台前，技术竞争的边界发生扩张。
深度长文 · 2026/09/17 09:32
Claude Code 团队：七成工作告别终端，程序员的旧时代落幕了
Claude Code 团队成员的一场对谈，露出软件工程的下一种形态：目标替代任务，Agent 接管执行，人守住边界、语境与责任。
深度长文 · 2026/09/16 07:30
Anthropic 的 AI 编码账单：8 倍代码产量，25 倍 CI 任务
Anthropic 工程团队披露一场 CI 扩容事故：代码产量增至过去的 8 倍，测试数量增至 10 倍，CI Job 半年增长 25 倍。三次补丁失效，团队重写了测试影响分析服务。
深度长文 · 2026/09/16 07:29
微信团队开源 WeKnora：企业知识库有了 Agent、Skill 与长期记忆
微信团队发布 WeKnora 0.8.0。这个开源框架集成 RAG 问答、ReAct Agent、Wiki 生成、Skill 沙箱、长期记忆与企业权限，支持私有部署。
深度长文 · 2026/09/15 08:31
多 Agent 等于高智能？Google 与 MIT 的 260 组实验推翻这条公式
Google Research、Google DeepMind 与 MIT 的 44 页论文研究 260 种配置、6 个 Agent 基准、5 类架构和 3 个模型家族。结论指向任务结构、单 Agent 基线、工具数量与验证机制。
深度长文 · 2026/09/15 08:17
英伟达、Palantir 限制 Claude Fable：一条 30 天数据条款卡住企业 AI
The Information 披露英伟达、Palantir 与 Booz Allen 限制 Claude Fable 的敏感业务用途。争议焦点从模型能力转向输入与输出的 30 天保留政策。企业采购要求永久性零数据保留承诺。
深度长文 · 2026/09/14 11:10
AI Agent 浏览器测试踩坑：Token、速度和回归资产的三笔账
两条推文引发一场 E2E 测试争论。Agent 操作浏览器耗费 Token，Playwright 脚本提供稳定回归。官方 Playwright Agents 给模型保留位置。问题的答案藏在角色分工。
深度长文 · 2026/09/13 09:58
700 个 AI Agent 攻击 Hugging Face，OpenAI 接下 Anthropic 的刹车提案
Sam Altman 接受 Dario Amodei 的常驻第三方评估员提案。一次涉及 1200 个 AI Agent、7 万条消息与文件的安全事故，推动前沿模型实验室交出审计入口。
深度长文 · 2026/09/13 09:43
IDE 退场，Code Review 失灵，工程师成了 AI 验收员
Gergely Orosz 列出软件行业七条变化。IDE 使用下降、代码审查失灵、中层管理收缩和工作负担上升指向同一个问题。AI 扩大代码供给，验证能力成了新瓶颈。
深度长文 · 2026/09/12 07:59
中转站的低价账单，押着你的密钥和整台电脑
一项覆盖 428 个大模型 API 中转站的研究发现，9 个样本注入恶意代码，17 个样本触碰诱饵凭证。Agent 时代，中转站拿到的权限超过一段聊天记录。
深度长文 · 2026/09/12 06:20
OpenAI 发布 Agents API，Agent 创业的护城河塌了一层
Codex harness 获得 Agents API 托管服务形态。OpenAI 承担会话、编排、上下文压缩和恢复，开发者提供业务工具与运行环境。Agent 基础设施获得云服务形态，产品价值转向数据、流程、评测与客户关系。
深度长文 · 2026/09/11 08:22
果蝇大脑挑战 Beat Saber，2100 万人看错了什么？
MaleCNS 数据集记录成年雄性果蝇的 16.6 万余个神经元和 1.25 亿个突触连接。热门视频呈现 165,122 个模拟神经元。运动系统接受谱面回放训练。连接组提供结构，神经模型提供动力。两者差异决定实验边界。
深度长文 · 2026/09/11 08:09
清华开源 OpenMAIC，3.5 万星标撕开教育 AI 的生死线
OpenMAIC 接收一个主题或一份材料，系统生成课件、测验、互动场景和多角色课堂。项目获得 3.5 万个 GitHub 星标。课程生产成本下坠，教育产品的竞争对象发生变化。
深度长文 · 2026/09/11 07:55
ChatGPT 金融版登场，华尔街软件迎来入口战争
OpenAI 发布 ChatGPT for Financial Services。授权数据、GPT-6 Astra、Office 模板和合规控制组成一套工作台。金融数据商、Office 软件、分析岗位与机构治理面临新的价值分配。
深度长文 · 2026/09/10 08:21
Anthropic 的秘密图书馆，Claude 得到文字，读者失去出处
一枚 GPS 追踪器揭开 Anthropic 的购书扫描计划。法院材料呈现盗版下载、纸书数字化、模型训练三条路径。《纽约客》的调查指向另一个问题，模型记住文字，公众失去出处。
深度长文 · 2026/09/10 02:30
Anthropic 的 2030 极端账本，GDP 多 32%，知识工作者工资少 11.5%
Anthropic Institute 发布 AI 经济情景模型。三组情景连接能力、采用、自动化、生产率和转岗速度，结果覆盖 GDP、工资、失业率与劳动收入份额。
深度长文 · 2026/09/09 09:49
一万名 AI Agent 写出 166 页证明，数学研究换了一种组织方式
OpenAI 公布纳维斯托克斯千禧难题候选证明。约一万个并发 Agent 工作 88 小时，166 页论文与 Lean 形式化证明进入数学界审查。
深度长文 · 2026/09/09 09:49
ChatGPT Images 2.5 让修图变成了对话
Images 2.5 提升参考图保真、局部编辑和多轮一致性。Sketch、图片批注和提示词分享带来一套视觉版本工作流。
深度长文 · 2026/09/09 09:05
药物有了编译器，AI 生物医药跨进人体试验
AI 靶点发现、小分子生成和个体化癌症疫苗形成两条临床证据链。药物研发获得一套新生产方式。
深度长文 · 2026/09/08 21:16
AI 药物撞上衰老时钟：42 人蛋白组留下证据缺口
Nature Biotechnology 的一项人体研究：六套蛋白质时钟的同向信号、疾病效应的混杂风险，以及 AI 制药进入人体证据阶段的新问题。
深度长文 · 2026/09/08 21:16
AI SRE 处理常规故障：工程师积累“理解债”
AI SRE 读取告警、查询指标、生成修复。常规故障的人工参与下降。前 LinkedIn SRE Sylvain Kalache 提出“理解债”：工程师失去系统训练场，重大事故留下技能断层。
深度长文 · 2026/09/08 21:16
AMD Halo Station：1 万亿参数背后的内存账
AMD Threadripper Halo Station 包含 96 核 CPU、四块 MI350P、576GB HBM3E 和 2TB RDIMM。产品身份是原型机，上市时间为 2027 年。‘1 万亿参数’表达容量上限；模型速度、软件成熟度与整机功耗属于另一组问题。
深度长文 · 2026/09/08 21:16
ChatGPT 和 Codex 最终只剩一个入口？OpenAI 负责人把终局说透了
Codex负责人Tibo首次系统谈到产品终局：ChatGPT与Codex将走向同一个Personal AGI，复杂的Skills、Memory和Sub-agent可能只是过渡形态。
深度长文 · 2026/09/08 21:16
中国模型进入美国生产链：工作量过了海，收入留在哪？
美国风投 Dimension 访华后提出一个尖锐判断：中国开放权重模型已经进入美国 AI 产品的生产链，但模型用量增长并不保证收入留在模型公司。Cursor、Harvey 和 OpenRouter 的公开资料，正在把这条价值链讲清楚。
深度长文 · 2026/09/08 21:16
Claude 刚发布 AI 原生开发手册：代码不再是瓶颈后，麻烦才刚开始
Anthropic把AI编程从写代码扩展到规划、设计、测试、部署和运维。真正的变化不是产出更多代码，而是重做整条软件交付流水线。
深度长文 · 2026/09/08 21:16
CLAUDE.md 的灾难性记忆：规则增长 226%，理由失踪
一篇 arXiv 论文追踪 1867 个代码仓库和 247694 段指令生命史。规则数量增长，删除概率下降。实验发现：故障、假设和结果组成维护证据。维护证据压缩冗余，提升指令执行率。
深度长文 · 2026/09/08 21:16
Claude 解开千禧难题？陶哲轩的澄清指向数学黑箱
一则社交媒体预测称 Claude 解开纳维–斯托克斯问题。公开证据为空白。陶哲轩的澄清内容：相关进展超出他的已知信息；原帖主题是封闭 AI 系统交出答案所造成的数学价值损失。
深度长文 · 2026/09/08 21:16
Kimi Linear 最多砍掉 75% KV Cache：全注意力真要退场了吗？
Kimi 团队用三层 KDA 搭配一层全注意力，在百万 Token 上下文中减少最多 75% KV Cache，并报告最高 6.3 倍吞吐提升。论文最有价值的地方，不是宣布 Transformer 过时，而是给出一套更务实的混合架构。
深度长文 · 2026/09/08 21:16
MCP 真是 Token 黑洞吗？一篇论文测完 7 个 Agent，发现最贵的另有其人
一项覆盖 7 种 Agent Harness、5 个模型和 54 个主矩阵配置的实验发现，同一个软件任务的 Token 消耗最高相差 20 倍。主导成本的可能不是 MCP 或 CLI，而是包在模型外面的 Harness。
深度长文 · 2026/09/08 21:16
OpenAI 拒建专职工具团队：Codex 改写内部软件
Gergely Orosz 披露一段 OpenAI 内部争论。前 Meta 员工主张建设专职内部工具团队，管理层选择 Codex 路线。官方数据展示了内部应用、研究代码和技术支持的结构变化。
深度长文 · 2026/09/08 21:16
Pi 正在重写 Agent 底层：一个 while loop，已经撑不起长任务
Pi 的实验分支正在把 Agent Harness 改造成一套可恢复的执行系统。它关心的不是再加几个工具，而是进程崩溃、工具副作用、并行任务、上下文成本和模型与 Harness 的适配问题。
深度长文 · 2026/09/08 21:16
汤道生回应腾讯 AI 慢了：算力严重不足，场景牌还能打赢吗？
汤道生承认腾讯整体算力严重不足，元宝曾在模型与产品尚未成熟时抢增长；另一边，险些被砍的 DevTools 却长成了 WorkBuddy。腾讯能否追回差距，取决于能不能把庞大场景变成模型与产品的反馈闭环。
深度长文 · 2026/09/08 21:16
Uber 的 AI 软件工厂：70% PR 来自智能体，成本公式接管预算
Uber 披露 AI 软件工厂的规模与成本模型：70% 以上 PR 归因于智能体，内部技能超过 3600 个，日调用超过 3 万次。工程重点转向模型路由、上下文压缩和工具调用。
深度长文 · 2026/09/08 21:16
AI 页面为什么总有模板味？Vercel 把品牌判断写进了 DESIGN.md
Vercel 用一份公开的 DESIGN.md、公共样式表和评估闭环，让不同环境里的 AI Agent 也能产出符合品牌的页面。更值得借鉴的，不是提示词本身，而是它把判断、机制和纠偏放到了不同层。
深度长文 · 2026/09/07 15:19
OpenAI 的 AI 研究实习生达标：研究瓶颈转向判断与算力
OpenAI 宣布 AI 研究实习生达到内部目标。研究组织总量口径的比值是 3.1 Agent 工作日/人类工作日。研究员保留选题、结果判断与部署决策。本文核对推理用量、任务介入率、实验增长与安全停训数据。
深度长文 · 2026/09/07 15:18
黄仁勋称 AGI 到来：10 万量级 GPU 与 40 万块扩张
黄仁勋称 GPT-6 Astra 的训练规模达到 10 万量级 Grace Blackwell GPU。下一批算力是 40 万块 GPU。本文核对 NVL72 机架、电力容量、Stargate 园区与 Astra 基准。AGI 属于黄仁勋的判断。
深度长文 · 2026/09/05 08:53
NVIDIA PAIR：一条入口，多台电脑，各自显存
NVIDIA PAIR 是本地 AI 的统一入口，调度对象包括 RTX、DGX Spark 与 Apple M4 设备。每个请求归属单个节点，显存保持独立。开源 beta 的价值是并发容量，短板涉及调度信号、模型副本与安全边界。
深度长文 · 2026/09/04 13:15
一家量化公司，为什么要买 130 亿美元算力？
Jane Street 被曝与 Crusoe 签下五年约 130 亿美元 AI 云合同。它已经拥有数万块 GPU，还与 CoreWeave 签过 60 亿美元协议。真正值得看的，是量化交易怎样变成一门算力生意。
深度长文 · 2026/09/04 09:19
GPT-6 Astra 发布：跑分逼近满分，OpenAI 却承认它更难监控
GPT-6 Astra 把计算机操作、浏览器任务和软件工程能力向前推了一截，ARC-AGI-3 甚至跑到 99.9%。但真正值得开发者注意的，是异步工具调用、执行中干预，以及一个反直觉的安全事实：它更守边界，思维链却更难监控。
深度长文 · 2026/09/04 09:19
“软件工程终结”论文火了：作者 6 天后，先把“终结”删了
一篇名为《软件工程的终结》的论文突然走红，但当前版本已经改名，结论也从“旧的软件工程正在结束”变成“软件工程没有结束，而是在扩展”。标题退了一步，代码退居幕后的判断却值得认真看。
深度长文 · 2026/09/03 16:28
Codex 连干 26 天重写《红警 2》？62 万行代码还不能验收
一段 92 秒演示显示《尤里的复仇》在 macOS 窗口中运行。作者称 Codex 连续工作 26 天、生成约 62.4 万行 C++。但源码、构建日志、成本和独立复现仍未公开：它是强演示，还不是可验收工程。
深度长文 · 2026/09/03 12:31
Anthropic 开源电商 Agent 蓝图：不碰支付，却想占住交易前的“智能层”
Anthropic 把一年企业电商 Agent 经验做成了可 Fork 的开源仓库。两类 Agent、四套行业示例和一组安全护栏背后，是一条明确边界：Claude 负责理解与决策，目录、支付、供应链和客户关系仍由商家掌握。
深度长文 · 2026/09/03 12:31
Gemini 3.8 Flash 上线：单价没涨，但 Google 提醒它会主动多用 Token
Google 在六周内第三次更新 Flash。Gemini 3.8 Flash 的促销单价维持不变，复杂任务却会增加推理步骤和工具调用。对 Agent 开发者来说，模型价格表已经不够用了，真正要测的是一次任务的完整成本。
深度长文 · 2026/09/02 07:49
Claude Fable 5.1 上线：缓存便宜 75%，安全监控数据由企业自己保管
Anthropic 同时发布 Claude Fable 5.1 与 Mythos 5.1。跑分提升只是表面，真正影响企业采用的，是 Agent 长任务成本下降，以及 Enterprise Frontier Safeguards 把安全监控数据、密钥和人工复核交还给客户。
深度长文 · 2026/08/31 15:52
吴恩达画了一张 AI 工程技能图：语法贬值，判断力涨价
Coding Agent 可以生成整套应用，软件基本功为何反而更重要？吴恩达最新技能图把答案放在五个领域：全栈、数据、架构、安全可靠性与生产运维。手写代码减少后，开发者的价值正转向发现取舍、提供上下文和验证结果。
深度长文 · 2026/08/31 11:10
Uber：70%以上 PR 由 Agent 完成，真正难题却是账单
当 AI 编程从个人插件变成企业基础设施，模型能力不再是唯一变量。Uber 用六因子成本方程、真实任务评测、上下文图谱和实时成本反馈，把 Agent 使用量推高近十倍，同时压低单位成本。
深度长文 · 2026/08/31 11:10
Google WikiSkill：别再把聊天记录当成 Agent 的记忆
Agent 跑得越久，日志越多，为什么能力却没有持续增长？Google Research 的 WikiSkill 把执行轨迹、复盘知识和可执行 Skill 分成三层，并用实验说明：好规程能弥补模型规模，坏规程也会拖垮强模型。
深度长文 · 2026/08/27 06:39
GLM-5.3-Flash 开源：0.4 元背后的国产推理栈
GLM-5.3-Flash 以 320B 总参数、18B 激活和限时 0.4 元每百万输入 Token 的价格发布。真正值得关注的，是混合注意力、定制 SGLang 与国产 AI 芯片组成的整条推理栈。
深度长文 · 2026/08/26 11:06
Shopify CEO 考虑禁用 Claude Code：一份 AGENTS.md，为何成了大公司难题？
Tobi Lütke 因 Claude Code 不原生读取 AGENTS.md，公开表示考虑在 Shopify 禁用它。争议表面是文件名，背后却是多模型团队的指令漂移、开放标准与模型专用优化之间的冲突。
深度长文 · 2026/08/26 05:27
512GB Mac Studio 来了：Apple 与 NVIDIA，争的到底是什么？
Apple 用 M6 Mac mini 和最高 512GB 统一内存的 M5 Ultra Mac Studio 把本地 AI 推向更大模型。但这不等于 NVIDIA 只剩数据中心：真正竞争的是内存容量、软件迁移与规模经济。
深度长文 · 2026/08/25 18:30
别再给 AGENTS.md 打补丁：把项目规则训练出来
一条规则该不该写进 AGENTS.md，不应取决于上一次踩坑有多恼火。backpass 提出一套更像工程实验的维护方法：从真实会话取证，批量观察，小步更新，在固定预算内删旧增新，并由人做最后决定。
深度长文 · 2026/08/25 06:39
北京 AI 的“第二机房”，为什么突然长在草原上？
两年不到，乌兰察布的数据中心项目从36个增至100多个。GPU之外，时延、电价、气候和利用率正在决定算力落点。
深度长文 · 2026/08/25 06:39
小米突然拿出 AI Cube：这台“120B 小主机”，真能挑战英伟达吗？
三颗玄戒芯片、120B本地模型、1.22TB/s带宽。小米AI Cube最吸引人的参数，也正是最容易被误读的地方。
深度长文 · 2026/08/24 11:46
Anthropic 最强模型卖不动了：企业为什么不愿为“最后 10%”多付一倍？
Fable 5 只占 Anthropic 企业模型支出的 11.4%，Token 占比更低。最强模型为何输给自家便宜模型？答案藏在企业真正关心的成本单位里。
深度长文 · 2026/08/24 10:56
AI 正在重写《人月神话》：一个人，真的能顶一支开发团队？
50 年前没有成为主流的外科手术团队，正在被 Coding Agent 重新激活。但 AI 放大的是执行力，不是人类判断力。未来的软件组织会因此发生什么变化？
深度长文 · 2026/08/24 06:03
Grok Bot 真给 Agent 配了台云电脑：OpenClaw 和 ChatGPT Work，谁更像数字员工？
Grok Bot 把持久云电脑、登录态和多 Bot 协作做成了默认能力。它与自托管的 OpenClaw、混合执行的 ChatGPT Work 到底有什么区别，又该怎样选择？
深度长文 · 2026/08/24 06:03
ACP 想做 Agent 世界的 LSP，为什么接入越多，兼容问题反而越多？
ACP 正在成为编辑器接入 Coding Agent 的通用接口，但它并不是为 Agent Swarm 设计的编排协议。本文拆解它真正解决的问题、现阶段的优势，以及容易被忽略的能力边界。
深度长文 · 2026/08/23 08:11
OpenAI 突然降价 20%，算完这笔账，我发现 Token 快要不值钱了
当一百万 Token 的底层生产成本逼近几美分，AI 行业变化的不只是 API 账单。软件会从节省推理，转向持续计算、并行探索和自动验证。
深度长文 · 2026/08/23 07:38
23 万 Star 的 AI 编程 Skills，真的让代码变好了吗？
AI 编程 Skill 越来越像一套完整研发流程：先访谈、写规范、拆任务、TDD、评审。但更多问题和文档是否真的能提高代码质量？两项 2026 年基准给出了截然不同、却可以同时成立的答案。
深度长文 · 2026/08/22 13:20
Anthropic内部最近流行一个新工具，核心源码只有10行
一个没有脚本、模板和专用模型的Claude Code Skill，只靠两句指令就能把复杂系统变成大图少字的HTML图解。它展示的不是一个小技巧，而是一种新的软件生产方式。
深度长文 · 2026/08/21 08:39
OpenAI把Codex变成平台，Pi却在追问：Agent到底该属于谁？
同一天，两篇关于Agent Harness的文章给出了两条不同路线：一条把Codex做成可嵌入的软件底座，另一条希望用户真正拥有自己的Agent。
深度长文 · 2026/08/21 03:07
Codex额度用完怎么办？有人找到了一个新入口
社区监测显示部分Codex账户的周额度大幅下降。与此同时，一条通过Remote MCP连接本地开发环境的新路径，暴露了ChatGPT订阅里容易被忽略的第二个入口。
深度长文 · 2026/08/19 22:14
癌症疫苗第一次闯过三期：一人一方，距离获批还有多远？
默沙东与Moderna的个性化mRNA癌症疫苗在黑色素瘤三期试验中同时达到两项关键终点。这是一次真正的里程碑，但完整数据、总生存期和个体化制造仍决定它能否获批并走向普及。
深度长文 · 2026/08/19 20:41
英伟达要把16张Blackwell挂到你家外墙，代价是什么？
一条爆火帖子称，NVIDIA正把价值25万美元的GPU免费装进普通住宅，还替屋主支付电费。项目确实存在，但100户、免费账单和1GW背后，还有几个关键前提没有被说清。
深度长文 · 2026/08/19 20:32
Codex 越省越贵？从 Sol High 切到 Low，可能先把缓存打穿
很多人用 Sol High 规划，再切 Low 实现，以为能省额度。公开实测显示，新 effort 可能先触发一次大面积缓存失效。真正省 Token 的做法，是固定线程配置，或把明确任务交给 Luna 子代理。
深度长文 · 2026/08/19 10:53
DeepSeek V4 连跑5次，竟超过Fable 5？Agent的算力该换地方了
DeepSeek V4 Flash 连跑5次，再由自己选优，Terminal-Bench 2.1 成绩达到88%。但这是否意味着它真的超过了Fable 5？
深度长文 · 2026/08/19 07:49
DeepSeek V4 Pro 加个 Skill 就超越 Fable 5？爆火的 J-Space 跑分翻车了
J-Space 声称一个 Skill 能让 DeepSeek V4 在多项 Agent Benchmark 上超过闭源模型。但社区复现得到反向结果，报告中的 Terminal-Bench 单次跑分甚至无法按官方任务数算出来。
深度长文 · 2026/08/18 10:53
GitHub 大面积故障当天，Cursor 上线了“自己的 GitHub”
GitHub 大面积故障与 Cursor Origin 上线发生在同一天。事故暴露了开发基础设施的单点依赖，也说明 Origin 为什么值得关注。
深度长文 · 2026/08/17 17:04
Dario 留下一个时间表：几个月后，Claude 会交出什么？
Dario 暗示 Anthropic 将在几个月内展示生物医学进展。Claude 最可能先突破哪里，AI 科学家的真正形态又是什么？
深度长文 · 2026/08/17 17:03
Anthropic CEO 长文回应争议：AI 行业欠公众的，究竟是什么？
Dario Amodei 回应监管与舆论争议：AI 行业缺少的不是更积极的故事，而是足够多、能被公众验证的收益证据。
深度长文 · 2026/08/17 16:20
Pi 把 Agent 砍到只剩 4 个工具，却做出了“无限记忆”
Pi 团队展示了一套极简 Agent 实践：代码作为事实源，历史记录保存为 JSONL，能力通过 Bash 和 Skill 按需加载，大结果写入文件而不是全部塞进上下文。
深度长文 · 2026/08/17 13:07
Codex 开放 100 万上下文，我为什么劝你先别开？
100 万上下文听起来像免费升级，但它更像一条昂贵的应急车道。窗口更长，不等于模型更聪明，也不等于任务完成得更好。
深度长文 · 2026/08/16 09:37
Codex 重大更新：一个 2000 Star 的社区项目，提前两周押中了什么？
社区项目 Sol Advisor 提前跑通跨模型调度，Codex 随后将它原生化。这个新能力究竟怎么用，又是否真的节约 token？
深度长文 · 2026/08/14 11:42
DeepSeek Harness 与 Pi：两套 Agent Harness，两种复杂度管理方式
DeepSeek Harness 开源后，很多人的第一反应是：它是不是 DeepSeek 版的 Pi？
