13:50François Chollet@fcholletFrançois Chollet(Keras创建者)在推文中指出编程不是关于代码,而是通过抽象层管理复杂性的艺术。他认为编程的核心在于构建函数、类等抽象层来降低认知负荷。AI在这一框架下仅是一种新的抽象工具,不应被过度神化。这一观点提醒程序员更关注架构设计而非语法细节。技巧François CholletKeras抽象层编程思想推荐理由:Chollet一句话点醒你:编程不是写代码,是搭抽象层。别把AI太当回事。原文
13:50François Chollet@fchollet精选François Chollet 指出,智能体编程(Agentic coding)迫使开发者设计清晰的 API 接口并编写完整的文档字符串。AI 代理无法阅读团队内部的隐式心理模型,只能依赖显式的 API 合约和 docstring。这要求接口规范必须精确、无歧义,文档覆盖所有输入/输出场景。对工程团队而言,这意味着需要投入更多时间在接口形式化设计上。技巧Agentic codingAPI设计文档字符串智能体编程助手推荐理由:François Chollet 说得很实在:想用AI代笔写代码,接口就得干净、文档得详细,别指望它懂你没写出来的默契。原文
13:50François Chollet@fcholletFrançois Chollet 指出当前 AI 技术栈存在 3-4 个数量级的数据效率低下和 4-5 个数量级的计算效率低下。他预测 2040 年的 AI 将更接近最优,而符号学习(symbolic learning)是实现这一目标的关键路径。Chollet 认为现有深度学习架构在数据和算力利用上远未达到理论极限。行业François Chollet符号学习深度学习效率AI趋势推荐理由:AI 大神 Chollet 直言现在的深度学习数据效率差 1000 倍、算力差 10000 倍,未来要靠符号学习翻盘。原文
13:50阿里云 Alibaba Cloud@alibaba_cloud在Flink Forward Asia Shenzhen 2026上,NVIDIA的Chuan Chen介绍了与阿里云的技术合作。双方通过CUDA库加速Apache Flink的多模态数据流处理。这一开源协作实现了端到端高性能多模态流式架构,适用于AI评论、实时图文流和交互式问答。行业NVIDIAAlibaba CloudApache FlinkCUDA多模态5 个信源在谈推荐理由:NVIDIA和阿里云用CUDA把Flink的多模态数据处理速度拉满了,想做实时AI评论或图文问答的可以看看这个架构。原文
13:50阿里云 Alibaba Cloud@alibaba_cloud阿里云宣布 HappyHorse 1.1 即日起作为 Creative Fabrica Studio 的默认 AI 视频生成模型上线。新模型提供更快的生成速度和更高的视频质量。为庆祝升级,所有使用 HappyHorse 1.1 的视频生成享 50% 折扣,优惠持续一周。该模型面向设计师、营销人员和内容创作者开放。AI模型HappyHorse 1.1Creative Fabrica StudioAlibaba Cloud视频生成推荐理由:阿里云升级了HappyHorse 1.1,现在Creative Fabrica Studio默认用它生成视频,速度更快画质更好,而且这周所有视频生成都打五折。原文
13:50阿里云 Alibaba Cloud@alibaba_cloud阿里巴巴云Qwen团队将于2026年6月30日举办Qwen Live第一集直播,主题为Agent-First。Qwen云负责人Linlin Kong与产品经理Pan Gu、Xijue将分享从零构建智能体云平台的经验。直播将重新定义面向非人类用户的开发者体验,并探讨大规模人机协作的新范式。技巧Qwen阿里云智能体云平台开发者体验推荐理由:想搞智能体云平台?Qwen这期直播讲从零搭建、非人类用户开发体验,做agent的开发者别错过。原文
13:50阿里云 Alibaba Cloud@alibaba_cloud精选在 Flink Forward Asia Shenzhen 2026 上,阿里巴巴云研究员冯王提到,AI 时代模型与数据共同决定智能体质量。Apache Flink 升级为 Agentic Streaming for AI,并与 Agentic Lake 协同,构建面向 AI 的原生数据基础设施。该架构支持实时代理工作流,为下一代智能体提供统一数据底座。AI模型Apache FlinkAgentic StreamingAgentic Lake阿里巴巴流处理推荐理由:阿里巴巴把 Apache Flink 改造成专门给 AI 智能体用的实时流处理引擎,和 Agentic Lake 搭着用,比传统批处理更适合 Agent 场景。原文
13:50阿里云 Alibaba Cloud@alibaba_cloud在Flink Forward Asia Shenzhen 2026上,阿里云CTO李飞飞提出“数据重力”将成为AI代理时代的主导概念。他强调AI必须解决复杂企业工作流并创造实际业务价值,而非仅追求模型智能。该观点针对Apache Flink等实时数据处理生态中的AI集成场景,呼吁行业关注AI在企业级应用中的落地效率。行业Alibaba CloudApache FlinkData Gravity智能体企业工作流推荐理由:阿里云CTO李飞飞在Flink Forward大会上点名数据重力概念,说的是AI怎么真正帮企业干活,不是光比模型分数。原文
13:50阿里云 Alibaba Cloud@alibaba_cloud阿里云推出HappyHorse 1.1视频生成模型,已在ComfyUI、runware、fal、replicate、Picsart等平台集成。开发者可通过阿里云Model Studio直接调用模型进行创作。该版本优化了视频生成质量和效率。AI模型HappyHorseAlibaba CloudComfyUI视频生成open source推荐理由:阿里云最新的视频生成模型HappyHorse 1.1,ComfyUI和Fal这些平台都已经接上了,想试试直接去Model Studio玩。原文
13:50阿里云 Alibaba Cloud@alibaba_cloud阿里云推出Constraint Infra,为AI Agent提供安全治理层。它通过Nacos实现prompt和规则的动态热更新。支持Token限制和多智能体安全策略。StarOps SRE Agent在此框架内安全执行高风险任务。规则通过AgentLoop数据飞轮自我迭代。AI产品Alibaba CloudConstraint InfraNacos智能体安全Agent治理推荐理由:阿里云出了个Agent安全治理框架,能动态控制prompt和规则,还能限制token,让高风险任务也安全运行。适合搞Agent开发的团队。原文
13:50阶跃星辰 Stepfun@Stepfun_AIStep Plan 专为 Agent 工作流设计,用户只需连接一次即可持续构建和实验。它在 Claude Code 中集成了 Step 3.7 Flash 模型,大幅降低每次 API 调用的管理成本。开发者 @codedailyML 用 Step Plan 制作了 Tarot 生成器 demo,验证了工作流的便捷性。技巧Step PlanStepFunClaude CodeStep 3.7 Flash智能体推荐理由:StepFun 的 Step Plan 让你在 Claude Code 里连一次就能持续调模型,不用反复写 API,看那个 Tarot 生成器 demo 就知道了。原文
13:50阶跃星辰 Stepfun@Stepfun_AIStepFun 根据开发者反馈发现,当 Agent 开始实际工作时,计费机制会干扰工作流。为此推出了 Step Plan,旨在降低这种干扰。同时发布了 Step 3.7 Flash 模型,配合 Claude Code 使用。这个组合可以让开发者在编程场景下更专注于任务本身。AI产品Step PlanStep 3.7 FlashClaude Code智能体编程助手推荐理由:StepFun 搞了个 Step Plan,专治 Agent 干活时的计费麻烦,还搭了 Step 3.7 Flash 和 Claude Code,编程省心不少。原文
13:50阶跃星辰 Stepfun@Stepfun_AIStepFun宣布与Cline合作,将其Step 3.7 Flash模型集成到Cline中。该模型专为代理式编程工作流设计,具备能力、速度和可靠性。从即日起,Cline用户可免费使用Step 3.7 Flash一个月。用户只需在Cline中输入'/model → Step 3.7 Flash'即可切换。AI模型Step 3.7 FlashCline编程助手智能体推荐理由:StepFun把自家Step 3.7 Flash模型免费给Cline用一个月,写代码的代理工作流更稳更快了,试试看。原文
13:50阶跃星辰 Stepfun@Stepfun_AIStepFun(阶跃星辰)推出初创公司计划,为早期AI团队提供支持。入选团队可获得API额度、专属生态系统支持、联合营销机会、展示位置及合作伙伴引荐。该计划面向构建多模态应用和智能体系统的团队。申请现已开放。行业StepFun多模态智能体初创计划推荐理由:StepFun给早期AI团队送API额度、资源和曝光,做多模态或智能体项目的小伙伴可以试试,链接在推文里。原文
13:50阶跃星辰 Stepfun@Stepfun_AI精选StepFun 发布 Step 3.7 Flash 模型,专为高效智能体工作负载设计。该模型具备原生多模态理解、强智能体编程能力、可靠工具调用以及网页与视觉搜索工作流。模型已通过 Novita Labs 在 OpenRouter 平台上提供。StepFun 称这是为生产级 AI 智能体打造的高效方案。AI模型Step 3.7 FlashStepFunNovita LabsOpenRouter智能体推荐理由:StepFun 刚出了 Step 3.7 Flash,专为智能体打造的模型,多模态、能编程、会搜图搜网页,现在就能在 OpenRouter 上试。原文
13:49阶跃星辰 Stepfun@Stepfun_AI精选Step 3.7 Flash 是开源多模态推理模型,现已在 DeepInfra API 上线。该模型支持私有端点部署,适用于专用负载场景。它专为智能体编码、工具使用、搜索和视觉工作流设计。开发者可通过 DeepInfra 的 API 直接调用。AI模型Step 3.7 FlashDeepInfra多模态推理模型开源模型推荐理由:Step 3.7 Flash 开源多模态推理模型刚上线 DeepInfra,支持私有部署,适合智能体编程和视觉任务,开发者可以试试。原文
13:49Microsoft AI@MicrosoftAI微软宣布MAI-Code-1-Flash模型现已面向GitHub Copilot Business和Enterprise用户全面开放。该模型专注于代码生成,强调速度和效率,旨在帮助开发者用更少资源构建更多功能。MAI-Code-1-Flash是微软内部开发的轻量级代码模型,针对商业和企业级使用场景优化。通过集成到GitHub Copilot,用户可直接在代码编辑器中获得实时补全和建议。AI模型MAI-Code-1-FlashGitHub CopilotMicrosoft编程助手代码生成推荐理由:微软把自家MAI-Code-1-Flash模型放进GitHub Copilot了,写代码更快更省资源,Business和Enterprise用户赶紧试试。原文
13:49Microsoft AI@MicrosoftAI微软AI在X上发布视频,展示团队成员如何解决机器学习中的难题。视频中研究人员探讨了改进LLM训练效率的新思路。团队还分享了在推理模型优化上的实践。行业Microsoft AI推理模型训练优化推荐理由:看看微软AI团队怎么解决实际技术难题,了解模型背后的人原文
13:49Microsoft AI@MicrosoftAI精选微软推出新编程模型 MAI-Code-1-Flash,在真实 GitHub Copilot 环境中训练,具备高速和 token 高效特性。该模型可通过 VS Code 的 Copilot Chat 完成规划、构建、运行和测试。演示中,它从单个 frost banner 生成完整季节性快照并通过测试,耗时几分钟,成本仅几美分。AI模型MAI-Code-1-FlashMicrosoft编程助手代码生成GitHub Copilot推荐理由:微软出了个新模型 MAI-Code-1-Flash,直接在 Copilot 里跑,能自动把草图变成完整测试通过的代码,又快又便宜。原文
13:49Microsoft AI@MicrosoftAI微软的 MAI-Image-2.5 在 Artificial Analysis 的文本到图像榜单中排名第2,图像编辑排名第3。该模型能对图像进行精确编辑,例如将雨窗模糊场景转换为清晰街景,同时保持物体一致性、光照、反射和场景几何。模型现已通过 Foundry API、MAI Playground 和 OpenRouter 提供使用。AI模型MAI-Image-2.5Microsoft图像生成图像编辑多模态推荐理由:微软 MAI-Image-2.5 图像生成排第2、编辑排第3,还能把雨窗变清晰,想用去 Foundry API 或 OpenRouter 试试。原文
13:49Microsoft AI@MicrosoftAI精选微软AI用VS Code分支构建原型,让MAI-Transcribe、MAI-Voice和MAI-Code-1-Flash三个模型协同工作。用户说出编程指令,语音转录并解析后直接生成可运行代码。此流程将语音、转录和编码模型串联成一个统一工作流。原型展示了多模型协作在开发工具中的落地可能。AI产品MAI-TranscribeMAI-VoiceMAI-Code-1-Flash微软语音转代码推荐理由:微软把语音识别和代码生成串起来了,对着VS Code说话就能写代码,适合想偷懒的程序员试试。原文
13:49Microsoft AI@MicrosoftAI微软AI在推文中介绍了构建编码模型的全流程,包括训练阶段的优化策略、评估方法、性能调优、安全性考量以及收集真实开发者反馈。文章深入展示了从模型设计到部署的每个环节,帮助理解如何让编码模型适配开发者的实际工作场景。AI模型微软AI编码模型模型训练AI安全编程助手推荐理由:微软AI分享了他们训练编码模型的实战细节,从评估到安全都有,做编程助手的人值得看看。原文
13:49Google Labs@GoogleLabsGoogle Labs 的 Project Genie 在2025年戛纳创意节上获得AI Craft类别的全场大奖(Grand Prix)。该奖项表彰其在AI创意领域的卓越表现。这是Google Labs社区共同参与的结果。行业Project GenieGoogle Labs戛纳创意节AI创意推荐理由:Google Labs的Project Genie拿了戛纳大奖,AI Craft类别最高荣誉,看看他们怎么用AI做创意。原文
13:49阶跃星辰 Stepfun@Stepfun_AIStepFun 的 Step 3.7 Flash 模型已在 AI 平台 ZenMuxAI 上架。该模型支持多模态输入,针对实际工作流优化,推理速度较快。用户可在 ZenMuxAI 上免费使用该模型30天。AI模型Step 3.7 FlashZenMuxStepFun多模态免费试用推荐理由:StepFun 的新模型 Step 3.7 Flash 上线 ZenMux,多模态且快,还能免费用一个月,想试试的别错过。原文
13:49Jasper AI@heyjasperai精选72°Jasper Research 宣布推出 MONET 数据集,从 29 亿张图片中精炼出 1.049 亿张高质量样本,成为全球最大的开放文本-图像数据集。该数据集采用 Apache 2.0 许可,可免费商用。同时发布的 nano-t2i 方案支持在单张 GPU 上训练有竞争力的文生图模型。AI模型MONETJasper Researchnano-t2iApache 2.0多模态推荐理由:Jasper Research 放出了 MONET 数据集,有 1 亿多张图,免费商用,还能用 nano-t2i 在单卡上训练模型,做文生图的值得试试。原文
13:49Together AI@togethercomputeGLM-5.2模型已在Together AI平台上架,并通过OpenRouter快速提供服务。Together AI优化推理路径,使模型在长上下文编码和智能体工作负载中每GPU能处理更多token,同时保持低延迟。该模型展现出强劲性能,适合需要高吞吐的复杂任务。AI模型GLM-5.2Together AIOpenRouter推理模型长上下文推荐理由:GLM-5.2跑得快,长上下文和智能体场景下Together的优化让token更多更流畅,试试看。原文
13:49Jasper AI@heyjasperaiJasper 发布了 Slack Agent,这是一个直接集成在 Slack 中的 AI 工具。用户可以在对话线程中用它生成、总结和修订内容,无需切换到其他应用。该功能旨在将聊天讨论快速转化为初稿,减少工具切换带来的效率损失。AI产品JasperSlack Agent内容生成智能体3 个信源在谈推荐理由:Jasper 把内容生成塞进 Slack 了,团队可以直接在聊天里改稿子,不用再跳来跳去。原文
13:49Ethan Mollick@emollickOpenAI目前尚未推出GPT-6模型。有观点猜测该标签可能被保留给更先进的下一代模型。GPT-4o等现有模型已覆盖多种能力。OpenAI的模型命名策略尚未公开说明。行业GPT-6OpenAI模型迭代9 个信源在谈推荐理由:看看大家对OpenAI下一代模型命名的猜想,挺有意思的,虽然没干货但能勾起好奇心。原文
13:49Ethan Mollick@emollickAA-Briefcase评分由@ArtificialAnlys发布,用于衡量AI完成多周复杂咨询任务的能力。最新得分曲线显示,AI模型在短期内取得了快速进步。开放权重模型与封闭模型之间存在明显的差距,封闭模型整体表现更优。该评测揭示了当前AI在多步骤复杂任务中的能力差异。AI模型AA-Briefcase开放模型封闭模型AI基准推荐理由:新评测让AI做多周复杂咨询,结果看到开放模型和封闭模型差距挺大,进步也很快。原文
13:49Ethan Mollick@emollickGLM-5.2是一款开源模型,其性能不及GPT-5.5和Opus 4.8,更远不及Mythos。但它表现扎实,表明开源模型持续追赶前沿。当前开源权重已触及GPT-5.2水平,在该能力区间表现显著。这一进展说明开源模型正在缩小与闭源前沿的差距。AI模型GLM-5.2GPT-5.5Opus 4.8Mythos开源模型推荐理由:GLM-5.2虽然没追上GPT-5.5,但开源模型又往前迈了一大步,能力提升明显,值得关注。原文
13:49Ethan Mollick@emollickEthan Mollick 指出,所有模型路由器(model routers)在处理非数学/编程任务时,普遍低估任务难度并分配过少的智能资源。他建议,对于不可验证的任务(如创新、营销、定性分析),使用更智能的模型往往能带来更大收益。这一观点源于他对多种路由器实际表现的经验观察。技巧model routers任务分配推理模型非数学任务推荐理由:Ethan Mollick 分享了一个容易被忽视的问题:模型路由器的任务分配不够智能,尤其对创意和分析类任务。如果你也发现一些任务结果不好,可能不是模型不行,是路由器给它派了太弱的模型。原文
13:48岚叔@lufzzliz推文作者表达了对xAI下一代模型Grok 4.5的强烈期待。作者认为xAI可能拥有过多计算资源用于Grok 4.5的训练。希望Grok 4.5能训练得更出色并支持SpaceX。行业Grok 4.5xAISpaceX模型训练4 个信源在谈推荐理由:这位网友对Grok 4.5很有信心,还调侃xAI显卡太多不如自己用。看看民间对xAI新模型的态度。原文
13:48Ethan Mollick@emollick一项实验测试了AI在端到端编码任务中的能力。Opus 4.7在14小时内构建了一个软件包,相当于人类工程师2-17周的工作量,总花费251美元。虽然模型仍不完美,但进步速度显著。AI模型Opus 4.7编程助手编码能力AI基准测试推荐理由:Opus 4.7只用14小时和251块就干完了人类几周的活,虽然还有瑕疵,但进步真的快。原文
13:48岚叔@lufzzliz文章指出长期依赖AI生成代码会削弱工程师的沉浸式创造能力和职业满足感。作者用历史小说家批量生产而非亲自研究写书的类比,说明类似问题。他自述使用Claude和Codex几个月后,写代码变得懒散迟钝,遇到复杂问题第一反应是让AI找bug或写修复。文章警告AI批量产生的代码如同“数字塑料垃圾”,便宜但长期污染软件生态。技巧ClaudeCodex编程助手软件工程推荐理由:这篇很真实,说透了AI用得越多,自己越容易变懒,得先自己思考再让AI动手。原文
13:48Ethan Mollick@emollick这个提示词让AI模型推荐两首适合当前GenAI状态的诗,并要求认真思考而非后验合理化。作者建议在GLM-5.2或Opus 4.8上尝试,观察模型如何选题和论证。它提供了窥探模型内部推理过程的视角,适合想了解模型思考方式的人。该技巧无需额外工具,直接复制提示词即可使用。技巧GLM-5.2Opus 4.8提示词工程推理模型推荐理由:想看看AI怎么思考?让GLM-5.2或Opus 4.8帮你选诗,能看到它的推理过程,挺有意思的。原文
13:48岚叔@lufzzliztokei v1.08 新增Claude Code按模型查看详情功能,可对每个模型(如GLM-5.2)单独分析费用。全局视角支持本机/全部设备查看。回顾页面新增“Loop Engineering”和“Loop滴神”成就:连续3天/30天每天24小时有Agent运行即可获得。新增对Qoder、QoderWork Agent的计算支持。AI产品tokeiClaude CodeQoderQoderWork智能体推荐理由:tokei更新了,现在能按模型看Claude Code花了多少钱,还有连续跑Agent的成就系统,适合想精细控制AI开支的开发者。原文
13:48岚叔@lufzzlizK神定义LLM UI/UX第三次变革,将LLM视为独立可持续运行的系统,拥有全组织工具和上下文,与人协同。作者基于Pi实现组织内agent交互,支持不同群组不同的记忆、知识库、技能和模型。该系统可应用于客户群交互,实现高效丝滑协同。行业Pi智能体LLM协同推荐理由:K神提出了新的LLM交互思路,作者已经用Pi搭建了能按群组定制的智能体系统,对企业协作很有参考价值。原文
13:48岚叔@lufzzliz在世界杯小组赛预测中,GLM-5.2在比分榜综合最强,GPT-5.5在胜负榜综合最强且命中率达70%。淘汰赛阶段取消24小时限制,可一次性预测16场比赛。作者分享了提示词示例:"继续预测,可以提交淘汰赛16场的比赛,你需要仔细分析给出你的答案、并提交"。同时附带了opus-4.8和deepseekv4-pro的预测结果。技巧GLM-5.2GPT-5.5提示词工程智能体世界杯推荐理由:作者用GLM-5.2和GPT-5.5预测世界杯,GPT-5.5命中率70%,还给了淘汰赛提示词,试试用自己的agent玩。原文
13:48岚叔@lufzzlizGPT-5.5-Cyber 在安全基准 CyberGym 上击败了 Mythos 5,取得领先成绩。使用该模型需向官方申请权限,个人和企业均可,用途限定为授权防御场景,如漏洞研究、红队、渗透测试、恶意软件分析、威胁情报、事件响应。此外,Codex 推出了新插件,可利用 gpt-5.5(reasoning 设 high/xhigh)进行代码安全扫描与修复。AI模型GPT-5.5-CyberMythos 5CyberGym安全模型Codex2 个信源在谈推荐理由:GPT-5.5-Cyber 在安全基准 CyberGym 上直接碾压了 Mythos 5,想搞红队或漏洞分析的话可以申请权限试试。原文