搜索
随着开源模型能力不断提升，它们已经能够以极低的成本生成多个高质量候选方案，并进一步利用模型自身对这些结果进行验证、打分和筛选。斯坦福团队最新实验发现，使用 DeepSeek V4 Flash + LLM-as-a-Verifier 进行「自验证」，可以在 Terminal-Bench 2.1 上超越 Claude Fable 5，同时整体成本低约 11 倍。
Claude Code 又更新了一个颇有意思的小功能。 这一次，它可以帮你起草反馈报告了。 当某个功能出现故障、Claude 发现自己犯了错误，或者你告诉它哪里出了问题时，它会自动把相关情况整理成一份报告。
因为一份Markdown，Claude Code可能要被踢出门了。最近，Shopify CEO Tobi Lütke突然在X上发话——我正在考虑禁止Shopify使用Claude Code。除非他们改主意，开始支持读取AGENTS.md和.agents/skills 。
今天，又有消息曝出：全新Opus 5.1模型，据传将在本周突袭发布。 从此，智能体赛道又要大洗牌了。 它有碾压级的编程能力、复杂的逻辑推理和长时间运行的AI Agent能力。单Token的智能水平，将再次被推到极限！
最近，Claude 官方晒出了不少很酷的 Claude Code 项目。
由华东师大智金院团队孵化的金融原生 Agentic Foundation Model 家族 Mint-Agent 正式发布。在 FinanceAgentBench v2 上，27B 的 Mint-Ag 达到 60.49%，超过 GPT-5.6-Sol 与 Claude Opus 4.8；单题推理成本分别仅为两者的约 22% 和 10%。
一个月的活，入职刚一年的工程师一天干完。
关于无缝衔接 Claude Code 和 Codex 这件事。
2024 年，Boris Cherny 加入 Anthropic 时，AI 编程产品大多还停留在代码补全和对话问答阶段。模型已经能够写出完整的函数和文件，但产品通常只允许它在编辑器里提出建议，很少真正赋予它读取代码库、修改文件和调用终端的能力。
Claude Opus 4.6的轻量平替，只需要 27B 参数，你信吗？最近发布的Qwen3.8-27B，就顶着这样的评价火遍了开源社区。上线两天，下载量突破100万次，登顶Hugging Face全球大模型趋势榜。