搜索“GitHub”

红米等安卓手机上成功引导运行iOS 16，但功能残缺、仅限极客演示，苹果生态护城河尚未被真正突破。 要点 1. 安卓手机运行iOS成为现实 开发者dipa-studio在红米Note 10 Pro上成功引导iOS 16.7.16，能进入桌面、操作设置和触控反馈；随后红米Note 12、Nothing Phone、一加12等设备也出现同类演示，iOS移植项目在GitHub上爆发式增长。 2. AI大幅降低逆向工程门槛 开发者使用Claude、Codex等AI工具辅助编写驱动适配代码，甚至出现专门工具REA（Reverse Engineer Anything），能自动分析硬件接口并生成转接代码，人类几乎沦为“按电源键的机械臂”。 3. 当前版本远无法实用 蜂窝网络、蓝牙、相机、扬声器均不可用，GPU硬件加速未打通导致卡顿，开机等待4分钟，安全机制被削弱（代码签名放宽、密钥服务简化），仅适合尝鲜演示。 4. 项目演进速度加快但前景未定 由于AI辅助的“接力赛”模式（项目仓库中AGENTS.md交接手册），项目进展极快：手势导航、Wi-Fi连接等已被部分分支攻克，但能否真正实现安卓硬件+iOS

匹配字段正文

al database. The answer is: surprisingly far. And here are three examples: Examples Bonn Tonne Daybreak Daybreak (https://cobaltsparkling-puma.applet.works/) (source code (https://github.com/applet-one/examples/tree/main/daybreak)) helps friends share availability, find overlapping free time and arrange meetings; accepting a request reserves the time for both people. Unlike Bonn Tonne, it implements user authentication itself: registration, login and logout, with salted password hashes and cooki

匹配字段正文

化实在太拉胯，要么就是故意拿低效当幌子，以及筑起高昂的算力门槛把别人挡在门外。 而 DeepSeek 用不断开源的模型和一整套开源推理工程戳破了这个 AI 泡沫。正如有网友调侃道，有了 DeepSeek 开源的这套技术，OpenAI 和 Claude 估计又要偷偷摸摸进化了。 我的建议是，三人行，必有我师焉。干脆 Anthropic 也别矜持了，赶紧连夜去 GitHub 上把 DeepSeek 的 DeepInfer 给 git clone 下来部署上，万一偷师了一些缓存调度和优化思路，还能省下不少算力账单呢。（手动狗头） - 对文章打分 DeepSeek把自家“印钞机”开源了 这才是真的OpenAI Anthropic招股书透露大量信息：营收暴增却巨亏 算力成掣肘 1 小时前 Claude狂算64小时首次设计出抗蝎毒蛋白 已过实测 消息称Anthropic今年上半年净亏损超800亿美元 1 小时前 Anthropic提交AI安全法案草案 提议高风险模型可被法院叫停 Claude想让中国人全被封号：天才AI的访问头脑战 阅读 (1016) 评论 (1) 2 80、90后经历过的那个盗版

匹配字段正文

LOCAL=true and no key. That gets you one session at a time, and no managed proxies, profiles or CAPTCHA solving. claude mcp add steel -e STEEL API KEY=your-steel-api-key -- npx -y github:steel-dev/steel-mcp-server What I'd watch: It's not on npm, so npx github: builds main (3.0.0) on first run, which takes about a minute. The Claude Desktop bundle on GitHub Releases is still 2.0.1. The read tools start no session but aren't free: $5 per 1,000 calls. Launch's 15-minute cap matches the server's de

匹配字段正文

eek - DeepInfer - (Activity: 313): The image is a mobile screenshot of DeepSeek’s X announcement that DeepInfer, its in-house inference framework, is now fully open source: image, GitHub. The technically relevant claim from the linked/source discussion is that DeepInfer powers DeepSeek V4.1 Flash at scale, with reported single-cluster throughput of 155 trillion tokens/day and revenue of $38 per card per hour at off-peak pricing, emphasizing high-throughput, low-latency large-scale inference rath

匹配字段正文

eek - DeepInfer - (Activity: 313): The image is a mobile screenshot of DeepSeek’s X announcement that DeepInfer, its in-house inference framework, is now fully open source: image, GitHub. The technically relevant claim from the linked/source discussion is that DeepInfer powers DeepSeek V4.1 Flash at scale, with reported single-cluster throughput of 155 trillion tokens/day and revenue of $38 per card per hour at off-peak pricing, emphasizing high-throughput, low-latency large-scale inference rath

匹配字段正文

lt, but why the team chose to build it that way. Tenex’s own AI-native SDLC article shows the idea as a project record that humans and agents work against, with views into Linear, GitHub and client updates: Source: Tenex, Building an AI-Native SDLC. The useful distinction is between making agents write code faster and making the surrounding work legible: the plan, acceptance criteria, decisions and evidence. Tenex’s article also notes the cost: that much structure can be overkill for a small tea

匹配字段正文

经向超过20万人提供了AI工具。 按理说，这么大的推广规模，接下来只需要找个地方瘫坐，等待生产率飙升了。 微软还发现，直接把Agent塞进原有工作流程，可能只会让问题在agent的下一个流程出现。 微软高管此前预计，公司内部使用Anthropic技术的年度支出可能达到至少10亿美元。 后来，这项内部支出预估被下调了超过三分之一。 微软开始鼓励员工更多使用自家GitHub Copilot及其他工具，并要求各部门管理Token预算。 9月，安永公布了一项针对美国大型上市公司的AI风险调查。 调查对象是202名资深AI决策者，所在企业年营收均达到至少10亿美元。 其中，36%的受访者表示，所在组织曾经发生过造成实质负面影响的AI事故或故障。 涉及数据丢失、财务损失、运营中断、品牌声誉受损等情况。 美国人力资源管理协会CEO Taylor说： 企业现在就像一边开着卡车上路，一边还在造这辆卡车。 Taylor感叹，如果能够重新来过，很多企业可能会选择更加审慎、缓慢的AI部署方式。 只可惜。 请神容易送神难了。 本文来自微信公众号“量子位”，作者：程浅，36氪经授权发布。 该文观点仅代表作者本人，

匹配字段正文

而编程是推理模型最适配的场景之一：改代码、运行、看结果，几秒钟内完成一次自我验证，闭环自洽。理论上，只要给足时间，推理模型可以独立完成任何编程任务。 02. 多路并进，Codex的多个开端 造一个AI程序员是OpenAI多年的执念。Codex这个名字也不是新的：2021年的第一版Codex是一个模型，基于GPT-3，在公开代码上进行了微调，被用于驱动最初的GitHub Copilot。 2024年底，“编程”被提升为OpenAI的公司级目标，几支队伍从不同角度，试图解决同一个问题。 其中一路来自Codex产品负责人Alexander Embiricos。在OpenAI收购创业公司Multi后，Embiricos加入了OpenAI，当他第一次看到一个接进终端的推理模型时，受到了职业生涯级别的震撼： “我第一个真正‘摸到AGI’的时刻，是看到一个接进终端的推理模型。我知道现在说这些没什么意思，但看着它自己读文件、跑命令、一路排掉报错，真的太酷了。” 当时市面上的AI编程工具都长在VS Code上：Copilot做自动补全，Cursor、Windsurf做秒级问答，全都依赖紧凑的反馈循环，

匹配字段正文

docker, and envsubst available on your workstation. Set up the training environment All of the commands, manifests, and scripts referenced below live in the awsome-distributed-ai GitHub repository under 3.test cases/pytorch/trl/gpt-oss-lora-grpo/. Clone the repository and change into the test case directory: git clone https://github.com/awslabs/awsome-distributed-ai cd awsome-distributed-ai/3.test cases/pytorch/trl/gpt-oss-lora-grpo Copy the environment template, then edit env vars to set your

匹配字段正文

，以及 Claude 生成的一张用来向我展示其工作成果的图片： v12：通过声音实现多人游戏 我刚刚才让它跑通，所以还没有太多时间主动测试它。最新的 Battle Drones 现在支持多人游戏了，只需两台设备彼此处于麦克风可拾音的距离内即可！ 这个功能最初源于我上周的 Chirp Pong 实验。我把 Claude Code 指向那个可用的概念验证： 从 GitHub 克隆 Simonw/tools，并查看最近的分支，找到那个使用网页麦克风通过音频信号在两部手机之间实现多人游戏的示例乒乓球游戏 为 battledrones 构建一个该游戏的版本 Opus 构建了这个 Radio Probe 工具，用来测量两台设备之间能获得多少带宽；基于该工具取得的积极结果，它实现了一套完整的音频调制解调器系统。到目前为止，我已经在笔记本电脑、iPhone 和 iPad 之间试过它，效果似乎非常好！ 为什么用声音来实现这个？因为我喜欢零运行成本的静态 HTML，而且我不想在某处启动一台服务器，然后还要在任何人可能想玩这个游戏的整个期间一直负责让它保持运行。 一些想法 我对游戏开发几乎一无所知。这使它成

匹配字段正文

opic研究人员的代码产出接近过去十倍，以及AI在数学、物理测试中迅速提高的成绩。他据此判断，AI已经展现出科研创造力，这种能力还会用于研发AI本身，推动下一轮进步。 Anthropic对METR结果的概述；50%可靠性对应的测试任务难度，不是AI实际持续工作的时长。 今年9月，麻省理工学院、宾夕法尼亚大学和波士顿大学的学者更新了一项研究，分析了代码协作平台GitHub上超过50万名开发者的数据。针对交互式编程助手，研究估算出的代码增删量增幅约为958%。 这个数字听起来很厉害，但正式发布的软件版本数只增加了约20%，和958%完全不是一个量级。 匹配事件研究；采用后第21—30周估计增幅。两组有包含关系，不能据此排名工具优劣；不是Anthropic内部团队数据。 研究进一步发现，开发者会尝试更多项目，也会重写、丢弃更多代码。后面的审核、整合和发布，没有跟着前面的代码量一起暴涨。 Anthropic自己的研究也显示，工程师每天合入的代码量达到2024年的8倍。公司同时承认，这个数字几乎肯定高估了真实的生产率提升。 Cat Wu在Code with Claude大会上介绍编程产品（资料图

匹配字段正文

包括通过使用AI。在回应AI如何影响Xbox的目标或其微软内部地位时，夏尔马表示她不会“为AI而AI”，而是将其视为解决特定工程和性能问题（如开发者工作流程）的工具。 如果夏尔马要建立必要的权威和信誉，让Xbox重回正轨，成功驾驭这类冲突将至关重要。 在纳德拉选择她执掌Xbox之前，夏尔马领导了构建微软AI Foundry平台的产品团队，还参与了编码AI工具GitHub Copilot的产品。在快速发展的AI热潮中，随着长期任职的公司领导人不断离职，她是纳德拉所信任的几位较新或较年轻的高管之一。 夏尔马是三个孩子的母亲，有印度血统，在密歇根湖畔的威斯康星州拉辛长大。她年幼时父母离婚，母亲从事零售工作。青少年时期，夏尔马在高尔夫球场工作，并卖优惠券簿赚钱。她谈过自己晨跑和手冲咖啡的习惯、排得满满的工作和旅行日程，以及她在韩国武术跆拳道中的二段黑带。 “我这一生中下功夫最多的一件事，就是如何学习，”她说，“如何了解一个领域；如何学会解决问题；如何向与你相似以及与你截然不同的人学习。” 2011年从明尼苏达大学获得商科学位后，她先在微软市场部门开启职业生涯，后来进入Meta Platform

匹配字段正文

team debates. What a decision looks like This example uses a PR that adds a per-installation rate limit to webhook ingest. The intent is one sentence: throttle webhook bursts per GitHub installation so one noisy customer can’t starve the broker, without dropping events or breaking their order. The PR carries six decisions. The one still open is a product call, not a code one: the burst limit is one value for every customer. Two are accepted risks: a Redis outage fails open, and deferred events

匹配字段正文

. Agentic rewrites in Rust In truth, the tsrs project is just the latest example of AI agents being enlisted for substantial Rust migrations. As The New Stack reported last month, GitHub used its own Copilot agents to rewrite its coding-agent runtime in Rust, while Anthropic had previously used Claude agents to help migrate its Bun JavaScript runtime from Zig to Rust. Elsewhere, Meta has also used AI to help port the React Compiler to Rust, while in September OpenAI revealed two engineers used C

匹配字段正文

Claude and Opus 5.5 seem to be the favorite models. Within this rather limited data, Claude and Opus 5.5 dominated answers about where most of the spending goes. Cursor, Codex and GitHub Copilot were also mentioned. 3. High spenders ($1,000+ per month) Here are details of companies spending considerable amounts each month on AI coding tools. Quant trading shop, 5,000 staff (circa 2,000 devs) This company has seen its AI spend balloon overall: total spend was $8M/month in September, a 16x increas

匹配字段正文

stimates that COBOL powers more than 40 percent of online banking systems and 95 percent of all ATM transactions. OpenAI built two evaluations to measure progress. MultiLangBench (GitHub) asks models to build a SQLite-compatible database engine from scratch. With maximum reasoning effort, GPT-6 Astra hits an average test pass rate of 87.4 percent across 20 languages, up from about 38 percent for GPT-5.6 Terra. GPT-6 Luna scores 40.3 percent, barely edging out GPT-5.6 Terra (37.9 percent) but at

匹配字段正文

s packages”错误的问题 - [云会话] 改进删除自托管环境，使对话框和错误消息说明阻止删除的原因及其影响 - [Claude Tag] 在 Claude Tag 管理添加地点搜索中新增 Claude 尚未加入的公共 Slack 频道，以便管理员从那里进行设置 - [Claude Tag] 修复了 Claude Tag 访问捆绑包，使已迁移到另一个 GitHub 账户的仓库可以再次添加 - [Claude Tag] 修复了在 Slack DM 线程中设置的例程在该线程中另一个例程重新启动对话后不再发布的问题；两者现在都会继续在那里发布 - [Claude Tag] 修复了在 Slack 线程中设置的例程在对话结束后报告成功但未发布的问题；这些运行现在会被跳过并告知创建者 - [Claude Tag] 改进大型组织中的 Claude Tag 管理页面，使插件、技能和捆绑包编辑在频道列表仍在加载时也能正常工作 - [代码审查] 修复了当审查期间多个推送到达拉取请求时，代码审查有时不审查最新提交的问题 - [代码审查] 更改代码审查的重新审查，使其不再在早期阻塞性发现仍未解决时以 L

匹配字段正文

ranch from production when a pull request (PR) opens and delete it when the PR merges or closes. You can script both steps with the Databricks CLI and run them from a tool such as GitHub Actions. Set an expiration, a time-to-live (TTL), when you create the branch so it deletes itself even if the cleanup step never runs. See the branch-based development workflow tutorial for a full example. How does database branching work in Postgres? A Lakebase branch is an independent Postgres environment that

匹配字段正文

nd a request curl http://localhost:30000/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{"model": "gpt-oss-20b", "messages": [{"role": "user", "content": "Hello"}]}' 要使用 pip 或从源码安装，请参阅 README。 TPU 指南 涵盖部署， recipes 提供可直接运行的服务器配置， SUPPORT.md 列出了受支持的模型和功能。 社区 RadixArk 正在为对 SGLang-TorchTPU 做出贡献的开发者提供免费 TPU 算力。 在此申请社区 TPU 算力池. 如有问题，请加入 SGLang Slack上的 torchtpu。要请求模型或提出功能建议， 请在 GitHub 上提交 issue. Google、Meta 和 RadixArk 将在 SGLang Summit 2026上分享更多内容，该活动于 11 月 12 日至 13 日在旧金山 Fort Mason 举行。

匹配字段正文