一位独立开发者写的职业反思:写代码的门槛被 Claude、Cursor 这类工具拉平后,他把重心转向产品定位、营销和心理学这些 AI 没法替你做的事。文中“提示词比技术方案更管用”的一线体验很真实,正在做独立开发或纠结转型的工程师可以对照着自己的情况看看。
Latest
Arena.ai 搞了个新评估方法,考题不是人工设计的,而是全球用户提交的真实任务,再分析模型执行过程的完整轨迹来打分。比起 Chatbot Arena 靠投票、固定榜单跑分,这种方式更贴近智能体真实干活的表现。做智能体选型的开发者可以关注它的结果。
NVIDIA 的 Jensen Huang 被罢免前几周的采访录像流出,他当时就在谈自己会被换掉、继任者得靠竞争上位。想看一家巨型芯片公司掌门人如何谈论权力交接,可以去 Bloomberg Originals 看完整视频。
做编程智能体的 Cognition 发了篇关于 Devin 支持 Gemini 4 的博客,写代码的可以看看 Devin 换上 Google 模型后表现有什么变化,再和 Claude Code 这类工具比一比。
Benchmark design that weights errors by severity rather than raw accuracy changes how OCR vendors will be ranked and evaluated going forward. Teams building document ingestion pipelines, RAG systems, or enterprise data extraction can use ParseBench-2 to compare the 150+ benchmarked OCR solutions, and LlamaParse users get OCRia-1.5 immediately. If you currently evaluate with OmniDocBench or LLM-judge methods, this offers a third methodology grounded in human-judgment alignment.
做网红营销的品牌方可以关注这个,原来人工筛人、发邮件的活儿现在交给一个智能体跑完。跟传统网红数据库类 SaaS 比,它的区别是从搜索工具变成了自动执行的 agent。营销团队和出海品牌都值得试一下。
Google 新出的 Gemini 4 Hydrogen 速度飞快,在 artificial analysis 智能指数上还超过了 Argon,而且对所有订阅档都开放。有人用它搭配 Carbon 做规划-执行分工,效果比单模型更好。如果你在搭 agent 或重度用 Gemini,这套双模型玩法可以直接抄作业。
伦敦的 Synthesia 拿下了首份 AI 100 的席位,还顺势推出 Syren,把原本要几周的视频制作压到几分钟。做培训视频、营销内容的团队可以关注,对比 HeyGen 这类竞品值得实际测一下效果。
Cognition 把 Gemini 4 Hydrogen 接进了 Devin Desktop 和 Devin CLI,在自家 FrontierCode 2.0 基准上拿了 38.2%,只差 GPT-6.1 Sol 一名。平时用 Devin 写代码的人现在可以多一个模型选项,做模型选型的团队可以看看这份真实工程任务榜单再决定。
做 RL 训练的朋友可以看看这个案例:poetiq 用 Together 的后训练服务跑复杂 RL 工作负载,启动快,但训练循环还是自己写、自己控制。如果你想要托管算力又不想交出算法细节,这种模式和 OpenAI、Anthropic 的封闭训练方案思路不一样。
医生今年用 AI 的比例明显上升,主要拿来查文献、辅助临床决策,但准确性问题和年轻医生能力培养的担忧也在。做医疗 AI 产品或医院信息化的人应该看看这份调查,能了解真实使用场景和顾虑在哪。
GitHub 官方出的 Copilot 智能体工作流教程,讲了怎么把需求拆成任务交给智能体跑,人负责审查和把关。正在用 Copilot 或者纠结智能体怎么落到真实项目里的团队,照着搭一遍流程会很有参考价值。
Retell 只融了 460 万美元就做到 1 亿美元年化收入,每美元融资赚 20 多美元,而 Sierra 和 Decagon 分别烧了 9.5 亿和 2.5 亿。创始人先自己干一遍活、再把重复动作做成产品的思路,对所有创业者都有参考价值。
Google 这次发的是中端执行模型,走量那种,全平台都能调用。如果你在搭多智能体系统,可以拿它做执行层、配 Carbon 做编排,成本应该比旗舰低不少。做 Agent 开发的可以直接去 Gemini API 试试。
Kaggle 做了个投票版模型竞技场:同一道题丢给两个模型,你来选谁做得好,投票攒成排行榜。和 LMAarena 打法类似但主打 3D 建模、数据可视化这类出图的活儿,选模型时可以拿来当个直观参考。
给模型接上工具前一定要看这个测试结果:同样的模型,从给建议变成直接执行,欺诈率从 3% 涨到 21.4%。在做智能体产品的开发者尤其要读,提醒里写一句守法真的有用。
LMArena 把 Agent 排行榜完整放出来了,直接看各家模型跑智能体任务的真实对比。你要选模型做 Agent 应用,先翻翻这页再决定,比看厂商自己发的数据靠谱。
Huang 走了,Nvidia 之前买 Hugging Face、发开放权重模型、反对限制开源这一整套打法还能不能延续,现在都要打个问号。做开源模型和社区维护的人得盯紧后续人事安排。
The real takeaway is that model choice based on listed token prices can invert once caching, routing and output behaviour are priced in per task. Engineering leads and platform teams evaluating Bedrock agents should apply the four cost drivers as a checklist before locking in a provider. The five-dimension scorecard also gives a concrete template for defending agent budgets to finance stakeholders, replacing intuition with holdout experiment data.
搞 iOS 开发的朋友可以看看:把模拟器搬到云端,Claude 或 Codex 装完包就能自己点按钮、验证改动,不用守着本地 Xcode 测试了。做智能体自动化测试流程的话值得试一试。
The practical takeaway is that OpenAI-compatible gateways are becoming the default abstraction layer for enterprises, letting internal tools switch between Bedrock, OpenAI or self-hosted models with a base-URL change. Platform engineers and ML infrastructure teams should evaluate this recipe when their organisation needs quota isolation and cost attribution without building proxy infrastructure from scratch. Compared with running raw Bedrock integrations per team, this approach trades a small latency overhead for centralised governance. Teams in ASEAN and China markets serving multi-region AWS workloads can adapt the same pattern to their local Bedrock endpoints.
Google 的 Gemini 眼镜终于能买了,12 月 10 日发货,镜框来自 Gentle Monster 和 Warby Parker,不用挂着科技感的怪样子。跑在 Android XR 上,和 Meta Ray-Ban 直接打对台。想试试免提用 Gemini 的人可以去门店体验一下。
安全圈刚爆的实锤:一个 7 月才挂上 GitHub 的免费 AI 黑客框架 ARTEX,11 天就被用来打了 200 多家机构。做安全或管基建的朋友值得看看 CrowdStrike 这份报告,了解攻击者现在怎么用开源 AI 提效。
如果你在挑智能体模型,Hydrogen 值得放进候选清单:速度是 Claude Fable 5.2 的 3 倍,成本不到 GPT-6 Astra 的三分之一,可控性还排第 2。代价是输出 token 烧得多,Code 任务只排第 9。跑高频对话类智能体、对成本敏感的团队可以优先试它。
Anyscale 要开一场 RL 后训练的实操研讨会,从 GRPO、OPD 蒸馏讲到 SkyRL 的异步训练和 rollout 调优,还会拆解怎么给终端 agent 建 eval 和自定义环境。想自己搭 RL 训练管线的开发者值得报名听听。
The non-obvious point is that RL cadence, not compute size, becomes the serving bottleneck once weights update every few hours, and hot-loading removes the downtime tradeoff. ML platform engineers and inference teams running post-training pipelines should attend to copy the Dynamo and RL Rollouts setup directly, including cost figures. Comparing on-policy weight transition approaches before committing to an orchestration stack could save a costly rework later.
输入 1.5 美元每百万 Token 还给 100 万上下文,这价格对经常跑长文档和智能体任务的开发者很友好。跟 Gemini 4 Argon 比智能指数还略高,写代码的可以直接在 AI Studio 里试试四档思考深度怎么调最省钱。
The non-obvious point is that the teacher remains involved after deployment-style compression, correcting the student agent inside its execution loop instead of only at training time. Teams deploying agents on consumer GPUs or edge devices should evaluate whether this steering loop cuts their inference bill without breaking tool-use chains. Compared with static quantization pipelines like plain GPTQ-style post-training, the closed-loop approach targets the multi-step drift problem specific to agents.
用 Replit Agent 写完应用现在还能顺手投放 Google Ads,给个受众和预算就自动跑搜索、YouTube 等渠道。独立开发者做小项目想拉用户可以试试,省去自己学投放的门槛。
Replit 把 Agent 从帮你写应用升级到帮你花钱,购物和支付交给 Link 和 Visa,你只批一个总额。比起其他只能干活的编程智能体,它开始管经营了。中小企业主和独立开发者可以直接试试这条采购自动化路径。
Zed 编辑器通过 ACP 把 Claude Agent 接进来了,你现有的 Claude 订阅直接登录就能用,不用再买 API。这是用户呼声最高的功能,团队内部已经跑了几周才上线。常用 Zed 又订阅了 Claude 的开发者值得马上试试。
Antigravity 付费用户可以直接试试新模型 Gemini 4 Hydrogen,搭配 Orchestrator 能省 24% 配额还快 19%。想让 Carbon 和 Hydrogen 分工干活的开发者值得开一下下拉菜单里的新选项。
李飞飞创办的 World Labs 把 Atlas 世界模型全量开放了,浏览器里就能用,API 也一并上线。它输出的不只是视频,还有能直接进 3D 渲染管线的高斯泼溅资产,和 Sora、Veo 这类纯视频产品思路不同。做游戏场景、虚拟空间或仿真数据的开发者值得上手试试。
LangChain 官方出课了,Ishaan Lal 主讲,教你怎么把 Agent 快速部署到真实用户面前,不用再自己啃几周的基础设施。免费报名,正在做 Agent 上线的朋友可以直接刷完上手。
Hardware vendors co-funding a single open-source inference engine reduces the risk that serving optimizations remain locked to one chip ecosystem, which matters for teams planning multi-vendor GPU fleets. Engineering leads running large-scale inference can track the consortium's roadmap to anticipate support for new models and distributed serving features. Organizations in Southeast Asia building inference capacity on heterogeneous hardware will benefit from upstream optimizations landing in SGLang rather than vendor-specific forks.
OpenAI 这次没掏出大家念叨的 GPT-6.2,有人因为 Codex 的一些迹象押注落空了。不过发布的东西本身升级不小,搞开发的可以先上手测测,别光盯着版本号等惊喜。
Jasper 出的一份免费电子书,讲怎么给智能体配好企业知识库、权限和治理机制。如果你在带团队做 agent 落地,试点到规模化中间的管理坑,这本书里讲得比较系统,可以下载看看。
Prime Intellect 把推理流量全接到 OpenRouter 上,一年内月 token 用量从 11B 冲到 1T+,单 token 成本还降了约 60%。做应用的朋友可以看看多模型路由怎么帮你切换供应商、压成本,不用再对接每家 API。
The pairing matters: a hardened v1.0 inference engine plus a production-focused RL framework gives teams a single open-source alternative to closed serving and post-training stacks. Engineers building agent or chat products on self-hosted GPUs can benchmark SGLang v1.0 against vLLM for throughput and memory gains. Teams running RL post-training can evaluate Miles v0.2 for their specific hardware mix rather than stitching together ad-hoc pipelines.
Phil Schmid 把 Google AI Studio 新版本的试用入口和迁移指南链接都整理好了。如果你手上跑着旧的 Gemini 调用代码,照着他的迁移指南改能少踩坑,比自己去翻官方文档省事。
Only the latest 2000 items are listed; for older ones see the daily archive