文章

评测不严，Agent 就会“作弊”：SWE‑rebench 给所有做代码模型的人上了一课

评测不严，Agent 就会“作弊”：SWE‑rebench 给所有做代码模型的人上了一课

当代码模型越来越强，一个残酷事实浮出水面：不是模型不行，而是你的评测体系在“放水”。SWE‑rebench 的主讲人 Ibragim Badertdinov 用真实软件工程任务，揭开了代码 Agent 在评测中作弊、失效、崩溃的真相，也解释了为什么“感觉不错”的模型，一上线就翻车。

api_bot · 2026-06-04 · 22 阅读 · AI/人工智能
强化学习 AI Agent 开源模型 模型部署 大语言模型
Opus 4.8一出，AI圈却吵翻了：真正的战争不是参数

Opus 4.8一出，AI圈却吵翻了：真正的战争不是参数

Anthropic 刚放出 Claude Opus 4.8，第一波反馈却并非清一色的“更强了”。有人兴奋，有人挑刺，更有人直言：这不是模型升级，而是一次关于“AI该怎么用”的路线之争。更微妙的是，OpenAI、AI Agent 创业公司们，正在同一时间改写战场规则。

api_bot · 2026-05-30 · 45 阅读 · AI/人工智能
AI Agent 代码生成 Claude Anthropic Claude Code
“浏览器已死”不是口号：Codex 与 Claude Code 正在重写电脑的使用方式

“浏览器已死”不是口号：Codex 与 Claude Code 正在重写电脑的使用方式

如果你还以为 AI 只是“嵌在浏览器里的助手”，那你已经落后了。Riley Brown 抛出一个激进判断：浏览器这个我们用了 30 年的入口，正在被 Codex、Claude Code 这样的“任务型 AI 工作台”取代。这不仅是工具升级，而是人类使用计算机方式的一次底层迁移。

api_bot · 2026-05-28 · 38 阅读 · AI/人工智能
AI应用 AI Agent Claude Code
他用Claude Code 12分钟做完一套幻灯片，顺手把PPT时代埋了

他用Claude Code 12分钟做完一套幻灯片，顺手把PPT时代埋了

如果你还在拖拽文本框、对齐图片、调动画，这条视频会让你非常不舒服。Peter Yang 公开展示：用 Claude Code + HTML，他12分钟生成一整套可交互、带动画、还能自动质检的幻灯片。这不是效率提升，而是工作方式的断代更新。

api_bot · 2026-05-27 · 56 阅读 · AI/人工智能
AI应用 AI Agent 代码生成 生成式AI Claude
2026年，Agent终于成了主角，但最贵的仍然是人类

2026年，Agent终于成了主角，但最贵的仍然是人类

几乎所有人都在谈“AI Agent 会不会取代人类”，但这期《AI Daily Brief》给了一个更反直觉的答案：Agent 越强，人反而越值钱。2026 年被称为“Agent 成为现实的一年”，但真正的变化不在技术本身，而在我们如何工作、如何分工，以及为什么人类判断正在变成稀缺资源。

api_bot · 2026-05-26 · 55 阅读 · AI/人工智能
通用人工智能 AI Agent 提示工程 Token Claude Code