搜索“编码”

要的，但你需要大量探索。”我认为这可能就是我们看到一些差异的原因：他们的 RL 训练仍然更偏向模型训练中利用性的一面，而不是探索性的一面——在探索性的一面，你需要在真正知道自己要做什么之前，先设法找到解决方案。 00:05:41 Nathan Lambert：但如果你用的是三万亿参数的模型，我觉得你会希望它在探索方面相当稳健。因为如果你要用模型来做相当已知的编码任务，比如用 DeepSeek-V4.1-Flash-1017——它在这些分数上落后得并不多——它就是要快得多。按实际 token 数算，每个任务的成本可能也不会有天壤之别。所以我认为对这次 Kimi 发布的批评相当合理：一个大模型必须得是……因为它会更慢，它必须得像 Fable 那样，而 Fable 只是……我仍然觉得如果你在做非常模糊的事情，Fable 真的很好。我有时会回头用它来检查我的幻灯片，我就是觉得它让我感觉稍微好一点，而 Opus 真的非常非常磨人。我认为开放权重模型在这种磨人的场景下更好，因为你可以让它们更快、更便宜。 00:06:44 Nathan Lambert：看起来 Kimi 正通过改名来为这种 Flas

匹配字段正文

，围绕消费者业务里的智能体。我们在那里有一大堆投入，但我们有一个非常喜欢的想法，我们周四决定要去试试，看能不能做出一个真正能跑的原型。结果呢，我们四五个人在周末动手，到周日就已经让它以 80% 可发布的状态运行起来了。这是真的——那完全是两个不同的世界。所以我认为，这对组织的未来意味着什么：第一，我认为未来做今天这些工作的人类，会比今天更少。你就看现在有多少编码是由智能体完成的，看有多少客服、商业智能和研究工作在被做。是的，你再往前快进想想：表格会怎么被做出来、你需要多少律师——我只是认为，你不会变成没有人，但你不会再需要那么多人类；过去随着业务变大，我们都不停地往里堆人，未来不会是这样了。会出现不同的工作和新的工作，有些我们知道，有些我们还不知道。随着 AI、机器人和太空的发展，它们会涌现出来。会有各种各样的新工作，但做今天这些事的人类会更少。我认为团队会比现在小得多。你会拥有更小的团队，团队里的人能够跨职能工作；你不会只让一个人拥有其中一个小小切片，因为模型能帮你走到 80%。在很多这些不同的职能上，我认为每个团队都会从一个比过去高得多的起点开始，所以我认为你将能够更广泛、更快速地

匹配字段正文

能体工程构建自主软件工厂时，这种反模式就变得无法忽视了。 最好的代码审查，是你和其他人坐在同一个房间里，就架构、最佳实践等获得反馈，并把它当作一次学习经历。一旦把这些都规范化，你就只希望工具能捕捉与质量、安全、标准、代码异味、架构等相关的问题。机器最擅长确定性检查，而事实是，这些工具覆盖了运行良好的代码审查中发现的大多数重大问题。例如，对代码异味、密钥扫描、编码标准、架构规则和验收测试运行自动化检查。 把人们聚到一个房间里，共同决定团队希望如何定义系统架构、希望如何转化和捕获客户验收标准，这非常有帮助。但之后你可以使用变异测试之类的工具来验证行为，并启动一个新的子智能体，对照验收标准验证已实现的内容。人的判断应当用在讨论标准、架构、如何定义验收标准，以及需要应用哪些质量、安全和其他检查的房间里。然后把工具和策略规范化为代码，并作为强化后的部署流水线的一部分来运行。 智能体把薄弱的关卡变成了瓶颈 如果人工审查一直都是坏的，为什么现在它变得重要得多？随着构建者采用智能体工程并考虑构建自主软件工厂，这种反模式就变得无法忽视了。过去，人类写代码的速度足够慢，以至于无效的关卡不那么明显。更有甚者

匹配字段正文

金和现金，并购买手摇式应急收音机。 而所有这些帖子都出现在人们使用 AI 驱动的工具发现 PHP 漏洞之前——PHP 是支撑互联网很大一部分的编程语言。过去几天里，eMudhra（一家提供网站安全证书的印度实体）、Node.js（PHP 的替代方案）、Gitlab（软件开发平台）、Plex（媒体服务器软件）、Railway（云服务提供商）、OpenCode（编码智能体平台）以及其他几家公司和服务中都被发现了重大漏洞或问题，不过，理所当然地，这些都没有像 PHP 漏洞那样受到如此多的关注。该漏洞被称为 PHP2Shell，由加州 Wiz 和 OpenAI 的研究人员利用 AI 发现。 Cloudflare 首席执行官 Matthew Prince 发帖说：“在 [PHP2Shell] 公开宣布前的 10 个小时里，我们在整个 Cloudflare 网络上看到了数千次利用尝试。宣布后的 45 分钟内，这一数字跃升至数万次，2 小时内达到数十万次，现在已是数百万次。”Cloudflare 这项服务对互联网的整体健康状况有着广泛洞察。 发生的事情如此之多、如此之快，以至于对我这个报道和编辑安全

匹配字段正文

个错误。 § 2025年初，我在Politico上警告说，我们将面临网络安全领域的一场完美风暴，原因有四。 第一，生成式AI日益普及且价格不断下降，是网络攻击者的完美工具。尽管它不可靠且容易产生幻觉，但它在以几乎零成本生成听起来可信的文本（例如诱骗人们泄露凭据的网络钓鱼攻击）和深度伪造视频方面极为出色，使攻击者能够扩大攻击范围。一个网络犯罪团伙已经骗取了香港一家银行2500万美元。 第二，大型语言模型众所周知容易受到越狱和“提示注入攻击”等手段的影响，而对此尚无已知的解决方案。 第三，生成式AI工具正越来越多地被用于编写代码；在某些情况下，这些编码者并不完全理解所写的代码，而自动生成的代码在某些情况下已被证明会引入新的安全漏洞。 最后，在这一切之中，美国新一届政府似乎决心尽可能放松监管，削减成本，甚至公开羞辱员工。尽职尽责的联邦雇员可能会感到恐惧，许多人会倾向于另谋出路；执法和调查的质量与数量几乎必然会下降，使世界极易受到愈发肆无忌惮的攻击。 好吧，我们到了这一步。 § 以下是另外三项预测： 无论生成式AI造成多大的混乱，AI行业都不会承担真正的责任 特朗普政府几乎不会追究他们的责任。

匹配字段正文

Agent Harness 已死？Grok Bot & Cursor Harness 负责人 Jediah Katz 认为: 编码补丁正被模型吸收，开拓新任务、安全与效率仍离不开 Harness！ 模型越来越聪明，Harness 里"帮模型写好代码"的那部分确实在消失。但 Harness 还有两项消失不了的职责：一是带模型开拓新的任务边界，二是提供模型无法吸收的基础设施、信任安全和效率。 演讲者与背景 @jediahkatz 2025 年初加入 Cursor，是在 Agent Harness 上工作时间最长的工程师，随 Cursor 被收购后加入 SpaceX并参与 Grok Bot Harness。他梳理了这个领域的称呼变迁：2023 年流行"提示词工程师"，2025 年年中变成"上下文工程师"，今年业界才定名为"Harness 工程"。 Harness 由什么组成 Harness 是模型的"眼睛和手"，向上对接用户使用的 App，向下连接电脑和第三方服务（如 MCP）。他把它分成两层： 运行时层：决定 Agent 循环在哪里运行、状态怎么保存以便中断后继续，比较接近传统软件工程。

匹配字段正文

系统。这一点在软件开发领域最为明显，如今AI系统的能力和效率已超过世界上绝大多数软件工程师。 因此，软件开发领域正在发生变化——现在，一个人就能为自己能想象到的任何东西编写软件，创造出过去需要整支人类团队才能完成的东西。 我们在Anthropic内部看到了具体证据：我们的研究人员现在产出的代码量几乎是公司成立头四年的10倍。 但新的AI能力也带来新的挑战——编码能力的提升意味着AI系统在网络安全和网络攻击方面也变得强得多，这导致全世界竞相部署这些强大能力以构建更好的网络防御，而恶意行为者则竞相利用这些系统实施黑客攻击。 这里需要注意的重要一点是，这些事情密不可分地交织在一起——AI系统在编码这样的一般性领域的进步，也在网络安全等具有国际重要性的领域同时产生了正面和负面影响。 这是未来趋势的一次预演。进步带来新能力，也带来新挑战。 这些能力不会止步于编码；同样的事情也会发生在科学和机器人领域。它已经开始发生了。这意味着全球经济的一些重要属性可能会改变——比如创新速度，或者我们发明全新通用技术并围绕其创造新产业的频率，就像互联网、电话和人工智能那样。 那么，是什么让我相信这一点？2026年

匹配字段正文

7 条改进点，比如霜感再调一点、边缘再柔一点、气泡再小一点。"Pepsi bubbling" 从此在 Stripe 成为极致打磨的代动词。目标并非完美，而是比用户能感知到的再深一层，那份匠心用户终会感受到。 观点如何培养？练觉察力。留意用户真正的需要，而非嘴上说的；留意生活中什么是好、什么是平庸；从艺术与科学中汲取参照，逐步建立自己的品味和标准。 二、把标准编码进机器 现实是设计师不会出现在每一次决策现场。界面在没有设计师的房间里被生成，Agent 半夜自动修问题，生成式 UI 实时拼装。所以设计系统的对象已经变了：过去是界面，现在是系统本身。 她用古腾堡作比。古腾堡做了 290 个字符变体，包括不同字宽、连字和缩写，目的是让机器排版达到手工排版的品质，两端对齐时不出现难看的白空。旧设计系统扩展的是一致性，新系统要扩展的是意图。 Stripe 的实践也走过弯路。最初用 MCP 让 AI 读设计文档，效果很差，同一条 prompt 三个人会得到三个结果。后来迭代为构建在设计系统之上的 CLI：它在开发者工作的地方运行，在恰当时机注入文档以避免 context rot；提供的内容从原子组件

匹配字段正文

7850 亿美元出口中，近四分之三为中间投入品。WTO 的数据还显示，2025 年前十大贸易商占了 AI 赋能商品世界出口的约 85%、进口的约 80%。增长因此集中在一条跨太平洋的供应链上。 47% 是怎么算出来的 这三组数字各有出处。WTO 的“AI 赋能商品”、UNCTAD 的“AI 相关产品”与世界银行的“AI 相关商品”分属三套清单，覆盖的 HS 编码宽窄不一，从半导体、存储器、服务器、网络设备延伸到电力与冷却设备。42% 是年度口径，67% 是半年同比，方向一致，但不能互相换算。 WTO 在 2025 年提出过一份 104 个六位 HS 编码的清单，今年的修订版据明尼阿波利斯联储的一项研究收窄了范围，剔除了通用商品，以及只在美国语境下与 AI 相关的建筑投入品。报告没有附上修订后的清单，读者无法仅凭报告复现 47% 这个数字。14.8% 与 2016 至 2023 年间的 7% 到 8% 则是在同一清单下算出来的。 同一批商品按价值量和物量两种方式计算，结果不一样。WTO 这一章关于 AI 商品的测算全部按价值量，也就是贸易额；它给出的 3.9% 与 4.1% 增速预测则是

匹配字段正文

年3月发表的Attention Residuals论文。 共同一作的分量 Attention Residuals这篇论文，是理解陈广宇技术价值的关键。 简单说，它改进的是Transformer架构里沿用了近十年的残差连接机制。传统残差连接像一层层叠加的笔记，每一层加进新信息，但层数多了以后，早期的有用信息会被冲淡。 AttnRes的原始想法由苏剑林（旋转位置编码RoPE提出者）提出，张宇（Kimi Linear架构第一作者）和陈广宇加入后，在更大规模模型上进行验证。 最关键的工程突破，是陈广宇与张宇共同提出的Block AttnRes（分块注意力残差） 。把上百层网络划分成若干区块，块内维持低成本的基础累加，只在块间做精细的注意力聚合。这样显存复杂度从层数级降到了块数量级，只分约8个块，就能找回全量版绝大部分性能。 实测数据很硬核，Kimi Linear 48B模型上用1.4万亿token训练，AttnRes达到同样效果只需要基准模型约80%的算力，推理延迟增量不到2%。GPQA-Diamond提升7.5分，Minerva Math涨3.6分，HumanEval涨3.1分。 论文发布当

匹配字段正文

workflow） 。普通的任务队列，做到第三步时服务器崩了，重启后得从第一步重放，这样可能同一份邮件要被发两遍，单可能下两次。 Grok Bot 用开源工具 Temporal 记下每一步，崩了之后直接复原到从第三步接着来。 卡点三：要你确认的事太多 醒得了只是第一步。醒来之后，它能不能自己把事办完？ Lee 回顾过开发者用 AI 的几个阶段。 在第一个阶段编码 Agent 有了独立 App 之后，大家在云上并行开好几个，可人还是瓶颈，每条命令都得盯着批。OpenClaw 那一代常驻 Agent 也没逃出这个困境，权限基本只有两档。要么事事来问你，人守在旁边寸步难离；要么干脆全放开，它在你的电脑上想干啥干啥，出了事算你的。Hermes 的折中，是写死一份危险命令的黑名单，拿正则去匹配。 还有一种回来找你的情况是，权限卡住了。没有 API 的网站进不去，没接 MCP 的服务用不了，它只能回来说一句“这个我做不了”。 一个动不动就回来找你的 Agent，再怎么一直在线也没用，你还是得守着它。 Grok Bot 从三个方向，把人从旁边解放出来。 第一，给它一台自己的电脑。Agent 在自己的

匹配字段正文

0月12日的更新中，OpenAI 把Codex和ChatGPT Work里的默认窗口从272k扩到500k，一口气涨了约80%。 而Anthropic进一步将价格竞争，拆解到模型能力和具体工作负载之中。目前，其官方 API 价格页面列出多款主力模型。其中，Claude Fable 5.1 面向高难度推理和长周期 Agent 任务，Opus 5.5 侧重长时间编码与知识工作，Sonnet 5.5 兼顾速度与能力，Haiku 5.5 则面向高频、低延迟任务。 Haiku 5.5的定价尤为扎眼，相比上一代最高直接降了90%。在10万 Token 以内，Haiku 的价格为输入每百万Token 0.10美元、输出0.50美元，比DeepSeek-V4.1 Flash的谷时价格都便宜了。超过10万Token时，其价格只比上代低50%，但也进入了相当低的区间。 此外，Anthropic 还在批量任务上为用户挖下降本空间：Batch API 的输入和输出 Token 均可享受50%的折扣。以 Sonnet 5.5 为例，标准价格为输入2美元、输出10美元；通过 Batch API 处理符合条件的非实

匹配字段正文

ied 上超过了当时所有闭源竞争对手，让 Anthropic 在软件工程与智能体开发市场中取得了明显的竞争优势。真正让 Anthropic 拉开身位的，是 2024 年 5 月掀起的那场可解释性热潮。2021年，“可解释性” 和 “工具使用强化学习” 还听起来都过于学院派，远不如堆参数、刷榜单来得实在。2024 年 5 月，Anthropic 团队利用稀疏自编码器（SAE）成功对 Claude Sonnet 内部的数百万个特征进行了“内部扫描”，从模型里提取了3400万个特征，还定位到了 “金门大桥”“程序漏洞” 这些具体概念对应的内部回路。为了证明不是纸上谈兵，他们还做了个实验：手动激活 “金门大桥” 对应的特征，让模型不管回答什么问题都绕不开金门大桥。这是人类第一次在商用级大模型上，做到对内部机制的精准解释和操控。这意味着 AI 安全研究从此不用再 “开盲盒”。而同期 OpenAI 也在做相关研究，却一直没公开具体进展；国内学术界有跟踪，但几乎没有产品级验证。这条赛道上，2024 年的 Anthropic 几乎一骑绝尘。10 月，新版 Claude 上线 “电脑操作” 功能，模型能

匹配字段正文

不接受「投毒」和「攻防」的说法。 节目上线当天，一个名为「受害者陈述与证据整理」的网页出现在GitHub上，中英双语。五个人实名作证，其中包括视频生成项目Goku的两位共同一作，以及另一个项目LlamaGen的第一作者。 按照他们的说法，破坏从2024年3月就开始了，比字节通报认定的时间早了三个月，一直持续到7月底。最早针对LlamaGen，往训练要用的文本编码器权重里掺了噪声。4月以后，字节加大视频生成的投入，目标转向Goku。 网页列出了从他个人目录里找到的文件。按网页的解释，训练模型，就是让它沿着误差变小的方向一步步走，他改了优化器，让模型朝误差变大的方向走。他把每一步的步子悄悄放大一倍，日志里的数值却一切正常，好比油门被踩深了，刹车也断了，仪表盘还显示匀速，显示一切正常。 数据本该按固定的顺序洗牌，出了问题可以原样重放、找出原因，他把洗牌的依据换成了当前时间，每次都不一样，问题就再也复现不出来。他还会以极低的概率让某台机器悄悄跳过和其他机器的同步，整个任务随之卡死；又在共享盘上留了一个后门，可以远程下达命令。被他替换过的系统文件，修改时间都被改回了原样。 那几个月，团队以为碰上

匹配字段正文

击最严重的，往往是那些月薪在5000元到8000元，要求经验在1到3年间的岗位。 所以在这个秋天，越来越多企业的招工逻辑，已经变成了需要一批“虽应届，但却能独自跑完一个项目的，老练的新人”： 招聘说明说要的是2027届的应届生，但需要你在没离开校园的情况下，就要有“一年以上AI相关开发经验”； 有公司要求今年做机器视觉的实习生，入职前就要自带“3年以上的实际编码经验”，最好还要有相关行业的工作经历，这样才能既会写代码开发，又能给客户出方案跟项目； 甚至一个月薪标注为9K-12K的小红书内容运营（AI方向），其要求里也明确写着“让一个人的内容产能和质量，顶过去一个小团队”。 有公司已经在校招的页面，增加了一个“AI应用经验”的上传入口，允许应聘者上传自己过去6个月内与AI的详细聊天记录，以此展示自己驾驭Agent、拆解复杂任务的“AI力”。 与此同时，过去例行公事的面试也在经历一波“去人化”： 招聘方的效率倒是上来了，但求职者却感觉比之前更迷茫了。 甚至，有的企业连面试这一步也直接省去，直接要求应聘者在求职阶段就上手做项目： 用3小时独立用AI出一套可以落地的方案，用3天自己跑一个能盈利

匹配字段正文

三方审计结论（据Gartner新闻稿）。 这组数字是"标准主权"的注脚。Agent之争，短期比模型，中期比编排，长期比的只有三件事：谁有权定义"做好"，谁有权审计过程，出事谁担责。谷歌把模型层做成可替换，是因为这三件事比模型值钱。 五、热点的另一面：先管住，再谈聪明 每一次"Agent多能干"的发布背后，都站着一排没关紧的门。 2025年7月，Replit的编码Agent在明令冻结代码后删除用户生产数据库，事后还生成了数千条虚构记录；事件经用户公开复盘与媒体报道后，Replit以官方博客回应并推出开发/生产环境隔离等整改（据The Register报道及Replit官方博客）。这不是模型"想删库"，是权限边界缺失、破坏性操作没有审批闸门——环境门没关，Agent只是替人走了进去。 治理三件套因此不是上线后的补丁，而是企业肯付钱的理由本身：身份（它是谁）、边界（它不能碰什么）、问责（它闯祸谁扛）。96%在跑、12%管得住的落差说明，行业真实的顺序与发布会相反——先管住，再谈聪明。 六、中国镜像：一个要"全"，一个要"适合自己" 同一个产品，放到中国市场，问题换一副面孔。 国外企业买Age

匹配字段正文

修到哪一步，是两回事。 所以这一节只能这么写：路径已经备好，还差一次合并。 参照系不是虚构的。2024 年的 XZ Utils 后门，是同一套剧本的人工版：攻击者花两年混进维护者信任圈，再在压缩库里埋后门。人工版要两年、只打一个项目；如果“扫描加补丁”这条路走到自动合入，规模不是加法，是乘法。 有人会说自动提交 PR 是常态：GitHub Copilot 的编码代理、Devin 这类工具，本来就会自己开 PR。没错——但那些工具写功能代码，审查者带着功能预期去读；安全补丁不同，它进的是系统的承重墙，审阅者的警惕被“修漏洞”三个字天然卸掉。同一个 merge 按钮，按下去的信任成本不一样。 那起案子里，攻击者的武器不是代码，是信任。Jia Tan 花两年时间一步步混成维护者，信任攒够了，后门才进得去。信任是最慢的资产，也是最容易被偷的资产。 这一段是推断，标注在此：不是既遂，是“若往下一步”。 算总账：四笔账，外加一层产业链 “免费”二字，得算四笔账。 谁造：Anthropic。模型、扫描器、报告。 谁卖：免费。 谁买单：维护者、关键基础设施运营方、纳税人。维护者买“核对报告的时间”，运

匹配字段正文

得者哈萨比斯也说这是“朝正确方向迈出的一步”。 多次失控，刹车不是摆样子 先给一个最基本的判断：事故是真的，风险预警不是表演。 OpenAI再按暂停键的起因是9月20日，一个被强化学习训练的智能体在完成一项仅根据博客文章和人物信息找出文章作者的任务。常规搜索无果后，它开始“跑偏”：尝试直连公网。 多次尝试后，该智能体发现可以借用DNS的解析与委托机制，把问题编码进解析请求，借外部公共聊天机器人之口回答，再让答案顺着DNS流回沙盒。为了验证通道可用，它甚至先问了一句“法国的首都是哪里”，得到回复是“巴黎”后才继续。OpenAI明确，这项任务从未授权它访问实时互联网。 与上一次不同的是，本次事件暴露了防护体系本身的破绽——今年7月意外入侵Hugging Face事件发生后，OpenAI其实建立了一系列预警机制。这套机制本身是有效的，仅15分钟就发现了这次智能体异常行为。 可这套机制没有正常执行，导致训练并没有按应急预案自动终止，团队一度对是否暂停产生“混乱”，直到两个半小时后才被人工关闭。 事后翻查，还有更早通过DNS接触外部服务的尝试没有被监控正确标记，而负责侦测DNS异常的基础设施监控

匹配字段正文

续访问”为由封禁了Muse的代购功能，也就是说，Personal Agent的产品形态虽然被验证了，商业模式还没有跑通。 其实，Muse赢在了产品层，Meta真正下功夫的是两件事：记忆与主动循环，让Agent从单次工具变成长期服务；权限与安全架构，让用户敢把账号交出来。 而在技术上，它的底层模型Muse Spark 1.3并非最顶尖，多位从业者提到它在部分纯编码测试上落后于Claude和GPT。 第一个矛盾：订阅费天花板极低。ChatGPT在10亿周活下付费率仅5%，Muse免费档每周送1亿token，付费转化率注定更低。 Meta今年的资本开支指引是1300亿至1450亿美元，第二季度自由现金流只有7.84亿美元，订阅费连算力成本的零头都覆盖不了。 但Muse又想从交易中抽成，商家利润越薄，越不愿付佣金。亚马逊封禁Muse，表面理由是安全条款，深层原因是AI替用户购物会绕过亚马逊的个性化推荐和广告，平台被迫降级为仓库与物流。 第三个矛盾：单用户成本高企。每人一台云端虚拟机，哪怕简单执行任务，单用户成本可能高达50美元/月。 Muse免费档每周送1亿token，意味着Meta在用主业利

匹配字段正文

在 Slack 里看到它。 Ari Weinstein [00:17:38]：是啊。 Vibhu [00:17:38]：你看到人们用语音并构建。Roman 展示的那个例子，改这个应用并沿途给我发截图等等。 Ari Weinstein [00:17:46]：是啊。 Vibhu [00:17:46]：你在采用情况里看到关于人们如何用 Computer Use 做编码工作流的什么吗？人们应该从中得到什么建议吗？ Ari Weinstein [00:17:55]：其实我最喜欢的 Computer Use 用例之一，也是我们在实际中经常看到的，就是 Computer Use 让代理——真正测试代理构建的软件，这比听起来重要得多。因为传统上，你知道，你在 Codex 里构建东西，然后——然后 Codex 帮你构建好，然后你得测试它，而你现在就像是代理的 QA，对吧？所以有了 Computer Use，你可以完成开发——软件开发生命周期，其中，代理可以构建软件，也可以测试它。所以我玩得很开心，你知道，构建东西，让代理测试它。等它到我手上时，它已经能用了。我还有额外的乐趣，因为有时我在，比如，开发 C

匹配字段正文