11:50Amjad Masad@amasad75°Replit CEO Amjad Masad 在采访中透露,2021至2022年间他游说谷歌、Meta等公司合作开发编码专用模型,但无人重视。谷歌曾接近与Replit达成协议,最终因担心冲击搜索业务而终止。Replit不得不自行训练模型,推出了Replit-code-3b。如今Replit估值已达90亿美元,AI编程也已成为行业焦点。行业ReplitGoogleAmjad Masad推荐理由:看看Replit老板怎么爆料谷歌:当年没人看好AI写代码,谷歌还怕冲击搜索砍了合作,结果Replit自己干到90亿美元估值。原文稍后读已读值得跟进有用关注 Replit
09:16IT之家(博客/媒体)智谱于7月31日宣布GLM Coding Plan订阅回归,新版套餐采用透明积分制,每月118元起。输入、输出、缓存命中Token及不同模型、MCP能力均按公开规则折算积分,额度计算清晰。包年/包季分别享7折/8折优惠,截止2026年8月15日。老用户权益不变,v1老套餐用户到期前可按v2价格续订。AI产品GLM智谱Coding Plan推荐理由:智谱的编程订阅回来了,积分制更清楚,每月118元起,老用户也能继续用,想用AI编码的可以看看。原文稍后读已读值得跟进有用关注 GLM
21:29小互@imxiaohu观察指出,AI编码能力的快速提升和AI Agent的深度应用正在蚕食SaaS及小型独立应用。用户随手就能实现小工具和SaaS的部分功能,导致独立开发者的收入和流量双双下降。同时,稀缺内容、精细化服务(如@HiTw93的Mole)和将经验转化为产品的功能更具市场。该趋势下,解决AI工具产生的问题的服务型产品可能更有机会。行业AI AgentSaaS独立开发者推荐理由:如果你做独立开发或SaaS,要警惕了:AI现在能随手实现你很多功能,但精细化的产品和经验变现反而有机会。原文稍后读已读值得跟进有用关注 AI Agent
09:57GitHub@githubGitHub 博客指出,AI 大幅降低了生成初始代码(first patch)的成本,但代码的长期维护、理解和风险定价费用并未同步下降。对于小规模、边界明确的需求,团队可以用实际 diff 替代无休止的范围争论,基于证据评估风险再做决策。文章建议组织重新审视说“是”和说“不”的成本结构,以适应 AI 辅助编程的新常态。行业GitHub代码生成AI编码推荐理由:GitHub 博客给了个新视角:别只盯着AI写代码多快,想想之后修 bug 和改代码要花多少钱。原文稍后读已读值得跟进有用关注 GitHub
12:45Sahil Lavingia@shlSahil Lavingia 表示其公司中 AI 编程助手 Devin 已承担 41% 的 Pull Request 编写工作。人类开发者负责决定构建内容并审查所有合并请求,但 AI 应尽可能多地编写代码。Lavingia 预计到明年底 Devin 将负责 80% 的 PR。AI产品DevinSahil Lavingia编程助手推荐理由:Sahil Lavingia 分享了他公司用 Devin 写代码的真实数据:41% 的 PR 由 AI 完成,明年还要翻倍。AI 编码已经不是概念了。原文稍后读已读值得跟进有用关注 Devin
11:56Ethan Mollick@emollick开发者用GPT-5创建了程序化粗野主义城市构建器演示。不到一年后,他使用GPT-5.6 Sol模型在Codex环境中无需手动编码完成了相同项目。该模拟器可交互体验,展示了AI模型在代码生成能力上的快速迭代。GPT-5.6 Sol在Codex中的表现与GPT-5版本形成直接对比。AI模型GPT-5.6 SolGPT-5Codex推荐理由:这哥们用GPT-5.6 Sol在Codex里完全没写代码就搞出个城市模拟器,比一年前用GPT-5做的还快,你来试试看。原文稍后读已读值得跟进有用关注 GPT-5.6 Sol
21:12IT之家(博客/媒体)百度千帆团队宣布自即日起,其2026年2月推出的AI编码订阅服务Coding Plan所有套餐停止续费。该服务上线约四个月,Lite版首月9.9元后续40元/月,Pro版49.9元/月,集成GLM-4.7、DeepSeek-V3.2等模型。已购用户可继续使用至当前周期结束,自动续费将在30日后失效。AI产品百度千帆Coding Plan编程助手推荐理由:百度千帆的AI编码订阅服务上线四个月就停售了,如果你买了还能用到到期,赶紧看看你的套餐什么时候结束。原文稍后读已读值得跟进有用关注 百度千帆
16:19官方一手Pandaily@contact@pandaily.com (Pandaily)精选Moonshot AI推出Kimi K2.7 Code模型,改变了AI编码的核心范式:不再从零生成代码,而是通过分析现有产品的行为来重建代码。K2.7 Code在内部测试中表现出对复杂逻辑的精准还原能力,与主流代码生成模型(如GitHub Copilot)的生成式思路形成根本区别。该模型尚未公开基准分数,但其思路为AI编程工具提供了新方向。AI模型KimiK2.7Moonshot AI推荐理由:Moonshot AI的Kimi K2.7 Code不走寻常路,不写新代码而专注复刻现有产品行为,和Copilot那套完全不一样,值得搞AI编码的人关注。原文稍后读已读值得跟进有用关注 Kimi