BestBlogs

章节时间戳 * 00:00 开场 * 00:41 真实工程如何验证长程编码代理 * 03:21 从写代码到做工程的训练路径 * 06:08 AI 时代的产品判断与推荐透明度 * 08:48 速览：模型、Agent 与推理成本 * 11:23 补充阅读：具身模型与开源推理 * 12:29 结语 ★ 精讲一 | Cognition 用真实工程验证 Claude Fable 5 的长程编程能力 来自 Claude Blog Cognition 用自建 Frontier Code 与工程师日常试用判断模型，而非只看通用基准。其团队称 Claude Fable...

本周亮点 本期主题是「系统新信号」。这周最重要的不是单个模型分数，而是 AI 从模型能力进入可调用、可验证、可计量、也可被质疑的真实系统。 GPT-5.6、GPT-Live、Hy3、Grok 4.5、Cursor 数据、Agent CI/CD、J-space、MemOS、MCP apps、GEO 仪表盘和 Modal CTO 访谈，共同指向一个变化：AI 已经过了只看能力展示的阶段，接下来要看谁能把能力放进可靠系统里。 时间线 00:00 开场 · 系统新信号 01:51 模型与入口 · 从 GPT-5.6 到实...

[BestBlogs 早报海报] 章节时间戳 * 00:00 开场 * 00:51 GPT 5.6 的长程 Agent 效率 * 03:18 Seedream 5.0 Pro 与可控设计 * 05:27 Modal 与 Agent 云基础设施 * 07:54 速览：语音、记忆、评测与端侧推理 * 10:09 补充阅读：Claude 使用、Cloud Use 与安全架构 * 11:19 结语 ★ 精讲一 | GPT-5.6：随你的雄心壮志扩展的前沿智能 来自 OpenAI News OpenAI 正式发布 GPT-5.6 系列，Sol、Terra、Luna 分别覆盖旗舰、均衡和低成本场景。...

[BestBlogs 早报海报] 章节时间戳 * 00:00 开场 * 00:51 精讲：OpenAI GPT-Live 把语音交互接到后台 Agent * 03:17 精讲：Cursor Grok 4.5 面向更长的知识工作 * 05:56 精讲：Birgitta Bockeler 测试本地模型写代码 * 08:13 速览：Claude Cowork、Harness、自适应工程、SkyPilot、Muse * 10:44 补充阅读：鲁豫访谈、快手 Doris、华为芯片、Pragmatic Engineer、Agent 舰队 * 11:47 结语 ★ 精讲一 | OpenAI 发布全双工语音模型 GPT-...

★ 精讲一 | 称量烟雾：为什么 GEO 仪表盘基本无用 — Better Than Good. 来自 Hacker News GEO 仪表盘正在成为 AI 搜索时代的新焦虑入口，但文章用多项研究和行业案例指出：品牌在 ChatGPT、Claude 等回答里的排名高度随机，很多指标既没有真实查询量，也缺少业务转化验证。它更适合作为今天的第一条，因为它提醒团队把注意力从昂贵仪表盘转回可验证的基础工作。 ★ 精讲二 | 从「不敢发」到「天天发」：AI Agent 时代的 CI/CD 生存...

★ 精讲一 | 腾讯混元 Hy3 发布：Agent 能力和产品体验跃升 来自 腾讯混元 腾讯混元 Hy3 从 preview 走到正式版，重点不是榜单宣传，而是 Agent 与真实生产力任务的稳定性：270 位专家盲测、幻觉率下降、多轮承接改善，以及 Apache 2.0 开源和更低 API 价格，给国产模型落地一个可核查样本，也适合观察模型如何进入办公、开发和游戏场景。 ★ 精讲二 | Claude 心智中心的 J-space：Anthropic 如何观察隐藏推理与安全信号 [视频] 来自...

★ 精讲一 | MCP apps、应用商店与下一代软件入口：AI 客户端如何承载交互式产品 [视频] 来自 AI Engineer 作者 Pietro Zullo 在 AI Engineer 的分享提出 MCP apps 是 MCP 服务器从只返回 JSON 的后端，升级为 AI 客户端内的交互界面：模型调用工具后，服务器可返回沙箱化的 iframe 组件，并继续与宿主通信、更新模型可见状态。他还指出 ChatGPT、Claude、Cursor 正成为可自服务的分发渠道，用户表达意图时客户端可动态发现连接器，...

★ 精讲一 | 个人 AGI 的理想界面是现在使用的界面？OpenAI 总裁：界面将会消失，算力永远不够！我们正处在智能体时代的边缘 来自 51CTO 技术栈 Greg Brockman 用具体信号撑起对智能体时代的判断：OpenAI 内部 Codex 普及率已和 Slack 相当，公关同事用它排活动座位表；模型上下文从 2023 年的 2-4K tokens 涨到 52M。他真正的论点是转折不在新模型，而在从对话式智能走向替你办事的智能体，信任会成为核心产品差异化。算力永远不够...

★ 精讲一 | 智能体自主性级别 来自 Elevate 本文跳出 Steve Yegge 的单轴自主性阶梯，改用代理与编排双轴，把智能体自主性划成 Assist 到 Managed-by-exception 六级。作者援引 Anthropic 对约 40 万场 Claude Code 会话的分析——人做约 70% 的规划、模型做约 80% 的执行——指出高自主性不是把人踢出循环，而是从逐步执行转为决定方向。落点是校准式自主：验证永远是瓶颈，每次派发前先立契约（目标、范围、停止条件、证据、预算），...

本周亮点 模型能力继续提升，但智能从来不是免费的。API 单价只是账单的第一行，推理延迟、上下文搬运、验证系统、Skill 路由、基础设施与人的注意力，都会决定一次任务最终要花多少钱。 这一期从 Claude Sonnet 5、GPT-5.6 Sol 和 LongCat-2.0 出发，串联 Spotify、Block、SkillOpt、Cloudflare 与 3Blue1Brown，讨论一个更实用的问题：如何用更少资源交付可验证的价值。 时间线 00:00 开场 · 为什么要看清「智能的账单」 01:00...

★ 精讲一 | 相比层出不穷的 Agent 框架，不变的 Agent Protocol 是什么 来自 阿里云开发者 这篇来自阿里云开发者的长文，作者不想每换一个 Agent 框架就重新学习一套对象体系，转而用 Protocol 视角把 Agent Runtime 拆成 Thread、Run、Step、Event、Artifact、Checkpoint 这 6 个稳定对象。核心判断是框架会更迭，但任务生命周期、状态持久化、中断恢复这些问题不会消失；状态持久化是区分玩具和生产的分水岭，Error-as-Data 优于...

★ 精讲一 | Ahmad Osman 谈本地 AI 为何正在追赶 来自 Latent. Space Latent. Space 专访 Osmantic 创始人 Ahmad Osman，这位长期倡导本地 AI 的开发者在 AIEWF 办了两场爆满 workshop。他判断开源与闭源前沿模型的差距正持续缩小，目前大约落后 4 到 8 个月。他用朋友买 RTX 5090 跑 Qwen 3.5 改 RGB 灯光失败的例子说明：本地 AI 缺的不是模型，而是搜索、工具、Agent 等完整栈。他从企业主权算力和混合架构角度，讲清了为什么本...

★ 精讲一 | Claude Sonnet 5 发布 来自 Anthropic News Anthropic 官方发布 Claude Sonnet 5，定位为最具 agent 能力的 Sonnet：能规划、调用浏览器与终端工具并自主执行多步任务，整体性能接近 Opus 4.8 但价格更低，在推理、工具使用、编程上较 Sonnet 4.6 显著提升。8 月 31 日前享入门价每百万输入 token 2 美元、输出 10 美元，之后回到 3/15 美元。早期用户反馈它能端到端完成以往会中途停下的任务，适合关注 agent 实战与成...

★ 精讲一 | Spotify 如何让智能体在 2000 万行代码库中运行：Claude Code、Honk 与工程验证体系 [视频] 来自 Claude Spotify 架构师 Niklas Gustavsson 回顾他们如何在超过 2000 万行的后端 monorepo 里跑 Claude Code 智能体。关键不在模型本身，而在配套工程基建：内部平台 Honk 在 Kubernetes 里运行 Claude agent SDK，把 CI、构建、测试自动化、组件归属和自动合并接进智能体的验证回路。他的提醒很务实：标准化的代码库和可...

★ 精讲一 | OpenAI Codex 负责人谈产品工作的新版图：从实现成本到品味、策展与智能体工作流 [视频] 来自 Lenny's Podcast OpenAI Codex 桌面端负责人 Andrew Ambrosino 在 Lenny's Podcast 聊了个实在判断：写代码的实现成本趋近于零后，产品工作的瓶颈不再是构建，而是品味与策展，真正昂贵的不再是实现而是判断力。他接着讲角色边界如何融合、长周期路线图为何会变成虚假精确、以及把半年到一年目标刻意留得模糊的野心式分阶段...

★ 精讲一 | 刚刚，GPT-5.6 正式发布，史上最强但被自己坑惨了 来自 爱范儿 OpenAI 正式发布 GPT-5.6 系列：旗舰 Sol、均衡款 Terra、低成本 Luna。Sol 在 Terminal-Bench 2.1、GeneBench、ExploitBench 上刷新成绩，但 OpenAI 刻意强调它尚未跨越关键安全阈值，并按模型档位配置了强度递增的分级安全栈。比性能更值得注意的是发布机制本身：美国政府要求发布前展示能力，首批仅约 20 家获批合作伙伴可访问，个人用户暂时无法申请——...

★ 精讲一 | GPT-5.6 Sol 前瞻：下一代模型预览 来自 OpenAI News OpenAI 启动 GPT-5.6 系列有限预览：旗舰 Sol、均衡款 Terra（性能比肩 GPT-5.5 但便宜一半）、低成本 Luna。新增 max 深度推理档与调用子智能体的 ultra 模式，Sol 在 Terminal-Bench 2.1 上以 88.8% 刷新编码 SOTA。这次首发只面向少数可信伙伴，并配合美国政府网络安全审查分阶段放开——能力跃升与安全门槛同步收紧，才是本次发布最值得关注的信号。 ★ 精讲二 | D...

本周亮点 如果说前几周的关键词是模型一个接一个变强，那么这一周，行业像是集体慢了半拍，开始认真盘点一个问题：当 AI 把写代码、出方案、做内容都变得飞快，真正的瓶颈到底卡在哪里。本周内容给出的答案出奇一致——是验证、是审查、是判断。这一期的主题，就借 Gergely Orosz 的那句话，叫「慢下来才能更快」。 时间线 00:00 开场 · 本周主线「慢下来才能更快」+ BestBlogs 按下暂停键 01:32 主题一 · 慢下来才能更快：被重新定...

★ 精讲一 | 我们如何利用 DSPy 将 AI 评估转化为 Dash Chat 的更优回复 来自 Dropbox Tech Blog Dropbox 技术团队分享了 Dash Chat Agent 的评估优化实践。核心方案是以开源框架 DSPy 构建两阶段反馈闭环：先用人工标注数据校准 LLM 裁判，再以校准后的裁判自动优化 Agent 提示词。人工评估覆盖意图理解、语义相关性、工具调用等 5 个维度，评分采用 1–5 分制。上线后不完整回答减少 26%，遗漏关键点减少 13%，token 用量下降 5.4%...

★ 精讲一 | OpenAI 与 Broadcom 发布针对 LLM 优化的推理芯片 来自 OpenAI News OpenAI 与 Broadcom 联合发布首款定制 LLM 推理芯片 Jalapeño，从设计到流片仅用九个月，号称高性能芯片史上最快的 ASIC 研发周期，且过程本身由 OpenAI 自家模型加速完成。这标志着 OpenAI 从模型、产品全面下探到芯片层，构建「模型反哺芯片设计、芯片支撑更便宜推理」的全栈飞轮，意在让先进 AI 的访问成本持续走低。 ★ 精讲二 | Anthropic 关于构...

★ 精讲一 | 智能体身份：适用于自主、团队级 AI 的新型访问模型 | Claude 来自 Claude Blog Anthropic 为 Claude Tag 推出「智能体身份」访问模型：团队频道里的 Claude 不再借用某个人的权限，而是拥有管理员配置的独立账号体系，按频道继承或覆写权限边界，能读写 GitHub、数据仓库等系统并留下独立审计轨迹。核心转变是从「这个用户能做什么」变成「这个智能体在这个范围内能做什么」——这是多人协作场景下自主智能体访问控制的...

★ 精讲一 | Daybreak：保护全球每一家组织的安全工具 来自 OpenAI News 本文出自 OpenAI 官方博客，介绍网络安全计划 Daybreak。核心观点：AI 已让漏洞发现不再是瓶颈，真正瓶颈是「修补」。关键支撑：Codex Security 已扫描超 3000 万次提交、覆盖 3 万多个代码库，超 50 万个问题被自动修复；GPT-5.5-Cyber 在 CyberGym 上达到 85.6% 最高得分（对比 81.8%）。值得读：安全能力首次系统化转向「补丁交付」。 ★ 精讲二 | 美团海报...

★ 精讲一 | 打造全球最「All-in AI」工程团队：Anthropic Claude Code 负责人 Fiona Fung 的一线实践 [视频] 来自 Lenny's Podcast Anthropic Claude Code 负责人 Fiona Fung 做客 Lenny's Podcast，抛出一个数据点：Anthropic 工程师如今每季度交付的代码量是过去的 8 倍。但她强调真正的变化是「编码不再是瓶颈」，约束转向「如何验证产出是否正确且有影响力」。她分享了一线打法：常驻的 Claude Code 远程会话、每早自动扫反馈...

本期亮点 第 100 期特刊，我们不聊这一周，聊这两年。从 6400 多篇精选里选出 100 篇，按六个主题把这两年 AI 的变化串成一条线。把 100 期连起来看会浮现出一句话：答案变得越来越便宜，而提对问题、做对判断、为结果负责，第一次比答案更值钱。这是一次有观点的回看，每条线只挑一两个最值得讲的故事。 时间线 00:00 开场 · 第 100 期特刊：为什么「答案变便宜，判断变贵」 02:05 主题一 · 模型层：从会回答到能干活（DeepSeek...

★ 精讲一 | AI 教母预言：10 年后只剩两种工作者 [视频] 来自 Silicon Valley Girl 李飞飞与 MasterClass 创始人 David Roger 联合提出「哑铃效应」：随着文本智能成本归零，未来劳动力将两极分化——掌握不可复制审美与技艺的顶尖工匠，与能调度 AI 完成端到端任务的高能动性通才，中间地带持续坍缩。她强调，应对技术焦虑的解法不是回避工具，而是主动建立自主性。 ★ 精讲二 | 三个月，一场必然失败的 Tokenmaxxing 来自 腾讯科技...