早上工作的时候发现，Trae的模型列表中已经找不到Claude模型了。与此同时，行业群内、包括官方答疑群内也有不少朋友反应，自己的Trae都用不上claude。细心的朋友发现，虽然Claude模型消失了但付费用户的订阅里显示每月增加了300次的快速请求。猜测此举是对claude模型下架的一种补偿。
统一多模态模型要求视觉表征必须兼顾语义（理解）和细节（生成 / 编辑）。早期 VAE 因语义不足而理解受限。近期基于 CLIP 的统一编码器，面临理解与重建的权衡：直接量化 CLIP 特征会损害理解性能；而为冻结的 CLIP 训练解码器，又因特征细节缺失而无法精确重建。例如，RAE 使用冻结的 DINOv2 重建，PSNR 仅 19.23。
对冲基金Praetorian Capital创始人哈里斯·库珀曼（Harris Kupperman）向《每日经济新闻》记者（以下简称每经记者）表示，AI投资从回报上看说不通。整个AI行业需要1万亿美元的收入才能实现收支平衡，而目前行业的月收入仅略超10亿美元。也就是说，要收回目前计划的支出，需要约83年。
长期以来，扩散模型的训练通常依赖由变分自编码器（VAE）构建的低维潜空间表示。然而，VAE 的潜空间表征能力有限，难以有效支撑感知理解等核心视觉任务，同时「VAE + Diffusion」的范式在训练
谢赛宁团队最新研究给出了答案——VAE的时代结束，RAE将接力前行。其中表征自编码器RAE（Representation Autoencoders）是一种用于扩散Transformer（DiT）训练的新型自动编码器，其核心设计是用预训练的表征编码器（如DINO、SigLIP、MAE 等）与训练后的轻量级解码器配对，从而替代传统扩散模型中依赖的VAE（变分自动编码器）。
主打“自动化执行、多模型调用、上下文记忆”的 AI 编程应用大热，但运行卡顿、资源消耗惊人、推理成本过高等问题也随之而来。
近日，一位开发者在 GitHub 上公开警告称，字节跳动旗下 AI 编程环境 Trae IDE 存在在用户未明确知情的情况下，将数据上传至字节服务器的行为，即便用户已在设置中手动关闭遥测（Telemetry）功能。
字节跳动在 Trae IDE（Visual Studio Code 的分支）中发现的令人担忧的性能和隐私问题。主要发现包括：资源消耗过高（33 个进程 vs. VSCode 中为 9 个进程）、无论用户如何设置，遥测数据都会持续传输，以及令人担忧的社区管理实践。
兄弟们，是不是也感觉最近被Cursor“背刺”了？这位曾经的AI编程王者，开启 AI 编程大航海时代的白月光，现在是又卡又慢，关键的Claude模型还不给中国区用、改变计费方式，用户的体验简直一言难尽。
在过去很长一段时间里，科技圈似乎人均都成了“提示词工程师”，大家都在琢磨怎么用最精妙的语言驯服AI。但包括Andrej Karpathy在内的很多行业大佬已经开始反思了，他们认为，决定AI效果的关键，可能早就不是怎么问，而是你给AI喂了什么料。这个思路，就是最近越来越火的上下文工程（Context Engineering）。
