Chinese contentKimi K3 登顶 Agent Arena 第4名，前端代码竞技场第1名
Kimi K3 智能体能力追上 Claude 和 GPT，还计划开源，前端编码直接登顶，值得关注这个国产模型的新进展。
Latest
Every published item, in order · 763 items
Jul 21
Jul 20
Jul 19
Chinese contentElon Musk 称 Grok 4.5 综合速度与成本是当前第一
SpaceXAI 的 Grok 4.5 用 $0.31 就干到一流水平，比 Claude 便宜 9 倍，token 还省 6 倍，省钱党可以关注。
Jul 18
Chinese content基于Claude Design的开发模式与本地集成实践
作者用Claude Design做UI设计，Opus 4.8写代码，还教你怎么把整套流程搬到本地集成到Cursor里，省去网页切换的麻烦。
Jul 17
Chinese contentKimi K3 Max在内部知识工作基准上超越Claude Opus和GPT-5.5
Kimi K3 Max在三个内部知识工作基准上全面超过Claude Opus和GPT-5.5，适合关注智能体工作流的人看看。
Chinese contentBad Memory：评估智能体系统记忆中的提示注入风险
这篇论文用Claude Code和OpenAI Codex实测了记忆注入攻击，发现一旦恶意指令写入记忆，后续会话都危险，搞AI安全的一定要看看。
Chinese contentPuter将Firefox编译为WebAssembly，可在浏览器中运行完整浏览器
有人把整个Firefox编译成了WebAssembly，能在Chrome里跑另一个浏览器，用Claude辅助编程才搞定的，超级酷。
Chinese contentKimi K3: 2.8万亿参数模型发布，开放权重承诺7月27日
Moonshot发了2.8万亿参数Kimi K3，前端代码超越Fable 5，开放权重版月底就能用，价格虽高但看齐Claude Sonnet。
Chinese contentMoonshot开源模型Kimi K3上线，基准超Claude Opus 4.8
开源模型Kimi K3性能吊打Claude Opus 4.8，价格却和Sonnet一样，值得关注。
Chinese content月之暗面开源Kimi K3模型，参数2.8T可能超越Opus
月之暗面刚开源了Kimi K3，2.8T参数，可能比Claude Opus还大。想看看开源模型的天花板？这个必须关注。
Jul 15
Chinese contentClaude Opus 5 预计本周或下周发布，Fable 5 将停止更新
Claude Opus 5 马上来了，Fable 5 不再延期，8月Fable要正面刚GPT-6，赶紧关注。
Jul 12
Chinese contentMeta 发布多模态推理模型 Muse Spark 1.1，强化 AI 智能体任务能力
Meta 的 Muse Spark 1.1 强化了多智能体协作与代码开发，支持百万 token 长上下文，但部分场景弱于 GPT-5.5 和 Claude Opus 4.8。
IT之家Source
Jul 11
Chinese contentGrok 4.5以半价在WANDR基准上击败Claude Opus 4.8
Perplexity把Grok 4.5作为Computer的编排模型，代理研究任务得分最高，价格只有Opus 4.8的一半，值得试。
Jul 10
Chinese contentGrok-4.5 在 Code Arena: Frontend 排名第三，与 GLM-5.2 和 Claude Opus 4.8 相当
Grok-4.5 在编码前端基准里干到了第三，比 4.3 狂升 59 名，跟 GLM-5.2、Claude Opus 4.8 一个水平线。想试试新编码模型的可以关注。
Jul 9
Chinese contentClaude Fable 5 六项行业指数第一，成本比 DeepSeek V4 Pro 高 100 倍
想选行业AI模型？Claude Fable 5 碾压全场，但成本是 DeepSeek V4 Pro 的百倍，性能只多 12 分，性价比得掂量。
Jul 8
Chinese contentSpaceXAI 与 Cursor 合作 AI 模型最快今日亮相，部分性能比肩 GPT-5.5
马斯克的SpaceXAI联手Cursor搞了个新模型，据说能跟GPT-5.5和Claude Opus 4.8掰手腕，可以看看。
Jul 7
Chinese contentSimon Willison的Fable省钱法：Claude按任务指派不同模型
想省API预算又不想牺牲架构质量？试试这个：让Claude Opus/Fable做主设计，Sonnet/Haiku干苦力，自动分配任务，省心又省钱。
Jul 6
Chinese contentClaude Opus 4.8 和 Sonnet 5 工具调用反而不如旧模型，原因何在
Armin 用实际 bug 案例拆解了 Claude 新模型在工具调用上的奇怪倒退，解释了为什么更强的模型反而更不听话，读起来很爽。
Chinese contentAgentic Coding Harness本质是上下文编排，非智能本身
SemiAnalysis拆解了Claude Code等harness的HTTP流水线，告诉你它们只是编排工具，没有魔法。
Jul 5
Jul 3
Chinese contentTestEvo-Bench：测试与代码共同演化的可执行实时基准
想看看AI能不能真的帮你改测试？这个新基准用真实Git提交来考Claude Code和SWE-Agent，比静态测试更贴近实际开发。
Papers11:26
Chinese content大语言模型自动评分Linux/bash考试：四级认知分类方法想用AI批改Linux命令作业？试试Gemini 3.0 Pro加评分rubric，人机一致性高达0.888。
Papers09:04
Chinese contentRubric评估对比GPT 5.4、Claude Opus 4.7、Gemini 3.1 Pro临床推理能力这篇论文告诉你当前最强模型在临床推理上有多弱：关键问题正确率不到一半，而简单问题却能答得很准。适合想了解模型真实局限的读者。
Chinese content斯坦福AutoMem将智能体记忆管理训练为可变技能，32B模型媲美Claude Opus 4.5
斯坦福发了个AutoMem，给智能体装上可训练的记忆模块，让32B模型打平Claude Opus 4.5。省去调任务动作，光改记忆就提升2-4倍，搞长程任务的别错过。
Jul 2
Industry22:45
Chinese content企业AI成本失控，花旗Adobe等限制员工使用大模型企业AI费用爆涨（月花1500万美元）开始限制高级模型，花旗、Adobe、Atlassian都有动作。想知道怎么控制AI成本？看看这些公司的做法。
IT之家Source
Chinese contentAutoMem：将记忆管理作为可训练技能自动化学习
想让你家 32B 模型在长任务上干翻 Claude 和 Gemini？试试 AutoMem——不动任务行为，只优化记忆管理，效果翻倍。
Jul 1
Chinese contentClaude Opus 4.7自动生成MPI检查点/重启代码：50分钟6应用5近零开销
Claude Opus 4.7居然能自动给MPI软件加上检查点恢复，50分钟搞定，效果媲美人工，HPC开发者可以解放双手了。
Chinese contentOpenAI研究用GPT 5.5 Pro和Claude Opus 4.8解决9个数学开放问题
这篇展示了用GPT和Claude联手破解COLT、FOCS等顶会未解难题，还开源了pipeline，做理论计算的值得看看。
Jun 30
Chinese contentFlowith推出Matrix：多Agent公司操作系统，定使命自动运转
Flowith的Matrix让你设定一个公司使命，多Agent部门自动跑起来，从建站到收款全包了，GDPval基准95.45%领先同行。
Chinese content普林斯顿CEO-Bench测试：AI模拟CEO经营500天，Claude Fable 5居首
普林斯顿搞了个AI当老板的模拟考试，Claude Fable 5赚了4700万，其他大多破产，这测试挺能看出谁更适合做长期决策。
Chinese contentClaude 登陆微软 Foundry，Azure 用户可直接使用
Azure 用户现在可以直接用 Claude Opus 4.8 和 Haiku 4.5，不用改现有身份和计费系统，企业部署更快了。
Chinese content微软在Azure推出Anthropic Claude模型，基于英伟达GB300超级芯片
微软在Azure上直接跑Claude Opus 4.8和Haiku 4.5了，还带NVIDIA GB300硬件加速，写代码搞代理都能用，需要云上Claude的直接冲。
Chinese content美团发布LongCat-2.0，国产芯片上训练万亿参数模型
美团开源了LongCat-2.0，国产芯片跑万亿参数，编程和Agent能力很强，还支持百万上下文，值得上手试试。
Papers09:21
Chinese contentOCR-VLMs 在天城体上的表现：压力测试基准与后校正研究如果你对多语言OCR或印地语文本识别感兴趣，这篇论文揭示了主流模型在天城体上的真实差距，尤其是GPT-5.5表现不如开源Qwen3-VL-8B。