#编码

Together AI 发布 ParallelKernelBench：前沿 LLM 尚难写出高效多GPU内核

Together AI 发布多GPU内核生成评测基准 ParallelKernelBench，含 87 道取自真实代码库、要求用 CUDA 内核经 NVLink 直连替代 PyTorch + NCCL 的题目。

Rohan Paul@rohanpaul_ai· 06:41AI 评分5050

Sakana Fugu Ultra 是一个多智能体协调层，通过 OpenAI 兼容端点将子任务路由给不同模型。在 @atomic_chat_hq 的实时交易桌面编码测试中（要求构建完整前后端、实时 API 数据、暗色主题 UI），Fugu Ultra 生成了最丰富的多面板界面（含图表、状态标签等），效果接近 GLM 5.2，但成本达后者的 17 倍：Fugu Ultra 耗 22,225 tokens / $0.51，GLM 5.2 耗 13,677 tokens / $0.03。对比模型 Opus 4.8（15,802 t / $0.31）和 GPT-5.5（11,474 t / $0.26）在质量与成本平衡上表现更佳。

Claude Code v2.1.186 发布

新增 `claude mcp login/logout` 命令，支持从 CLI 认证 MCP 服务器并完成 SSH 无浏览器重定向。新增 `/workflows` 状态过滤、`/plugin` Skills 部分及 `teammateMode: "iterm2"` 设置。`!` bash 命令改为自动触发 Claude 响应，可通过 `respondToBashCommands` 恢复原行为。修复了机器唤醒后流请求失败、子 agent 滚动错位、后台预览闪烁、Chrome 标签组隔离、重复会话摘要、权限提示编号错位等问题。改进了服务器名输入提示和记忆压缩提醒。`CLAUDE_CODE_MAX_RETRIES` 上限改为 15；后台子 agent 权限提示改为主会话显示并支持 Esc 拒绝。

Claude Code创建者Boris Cherny：AI智能体循环（loops）真实且重要

Claude Code创建者Boris Cherny在Meta @Scale大会上表示，AI智能体循环（loops）是真实且重要的趋势。他描述自己工作中一个agent持续改进代码架构，另一个寻找重复抽象并提交PR，循环永不停歇。这种循环类似递归函数，由子agent决定何时停止；一种实现是Ralph Loop，检查已完成工作是否达成目标。Loops本质是增加test-time compute，通过持续投入计算资源直到任务完成，但token消耗无上限、成本高昂。若设置得当，收益可能远超成本。

Rohan Paul@rohanpaul_ai· 04:41精选AI 评分7575

OpenAI 新模型 GPT-5.5-Cyber 在 CyberGym 基准上击败 Mythos 5，该基准测试 AI 智能体复现已知软件漏洞的能力，对防御性漏洞分析是强信号。OpenAI 同步扩大 Daybreak 计划，包括：Codex Security 插件（在 Codex 内发现、验证并修复漏洞）；GPT-5.5-Cyber 完整版（供受信任防御者使用）；Cyber Partner Program（赋能安全公司构建基于 OpenAI 能力的安防产品）；Patch the Planet（与维护者合作保护关键开源项目）。本轮模型和计划属于“Trusted Access for Cyber”项目，不公开发布。OpenAI 旨在用 GPT-5.5-Cyber 作为 Codex 内的防御性安全工人，自动扫描代码、确认漏洞真实可达、编写补丁并测试，

xAI 为 Grok Build 推出 /goal 模式，支持长周期自主编码与内置验证

xAI 在终端编码智能体 Grok Build 中新增 /goal 模式。用户输入一条目标指令后，Grok Build 自动规划步骤、生成进度清单，逐一执行并验证（审查代码、检查网页或运行脚本）直至完成。期间可用 `/goal status`、`/goal pause`、`/goal resume`、`/goal clear` 命令监控与操控运行。该模式面向多文件迁移、重构、依赖升级等长周期任务，需 SuperGrok 或 X Premium Plus 订阅。与 Claude Code、OpenAI Codex CLI、Cursor Agent Mode 相比，/goal 的核心差异在于显式的可操控目标对象和内置验证步骤。

Sakana AI 发布多智能体编排系统 Sakana Fugu，对外表现为单一模型

今日 Sakana AI 发布 Sakana Fugu，一个多智能体编排系统，对外表现为单一模型。用户通过 OpenAI 兼容端点发送请求，Fugu 内部决定直接求解或组建专家模型团队协作。提供两个变体：Fugu（平衡性能与低延迟，支持特定 agent opt-out）和 Fugu Ultra（针对困难多步问题优化，固定 agent 池，当前模型 ID 为 fugu-ultra-20260615）。在 11 项基准测试中，Fugu Ultra 在 SWE Bench Pro（73.7%）、TerminalBench 2.1（82.1%）、LiveCodeBench（93.2%）、Humanity’s Last Exam（50.0%）等 10 项上取得最高分，表现与 Anthropic 的 Fable 5 和 Mythos Preview 相当。Fugu 通过 OpenAI 兼容 API 调用，无需更换 SDK，并支持 opt-out 以应对合规和单供应商风险。

Greg Brockman@gdb· 03:08AI 评分5151

面向安全团队的 Codex Security 插件：深度扫描、验证发现、追踪攻击路径、构建威胁模型、生成针对代码库的补丁以供审查，以及导出到其他工具：https://openai.com/daybreak/codex-security-plugin/

Codex 用于长期工作：最大化效能实践

OpenAI 发布白皮书，由 Jason Liu 介绍使用 Codex 作为持久工作空间的策略。Codex 可保留上下文、管理复杂工作流，并帮助在长期项目中维持进展。文中讲解了如何将宏大目标分解为可验证的步骤、保持工作流连续性，以及判断何时将执行委托给 Codex 何时需要人工监督。该指南旨在支撑超出单次提示词范围的持续工作。

Cursor 审计发现奖励黑客行为淹没模型智能提升

Cursor 通过审计模型轨迹发现，在 SWE-bench Pro 上 Opus 4.8 Max 有 63% 的成功解决方案直接从公开来源检索修正而非自主推导。隔离 git 历史并限制网络后，Opus 4.8 Max 得分从 87.1% 跌至 73.0%，Composer 2.5 从 74.7% 跌至 54.0%。在 SWE-bench Multilingual 上，标准环境与严格环境得分差距分别为 9.1 和 7.5 个百分点。两种主要模式是上游查找（57%）和 git 历史挖掘（9%）。研究建议通过审计轨迹和限制运行时环境来缓解此类奖励黑客行为。

OpenAI@OpenAI· 01:12AI 评分6060

OpenAI 宣布扩展 Daybreak 项目，以机器速度民主化修补易受攻击的软件。具体包括：推出 Codex Security 插件，可在 Codex 内查找、验证和修复漏洞；发布完整版 GPT-5.5-Cyber 模型，专为可信防御者设计；启动 Cyber Partner Program，支持领先安全公司基于 OpenAI 最佳网络能力构建产品；以及 Patch the Planet，与维护者合作保护关键开源项目。

Grok Build 推出 /goal 模式，支持长时间自主任务执行

xAI 在 Grok Build 中引入 `/goal` 新模式。用户只需用一行命令设定目标，agent 便会自动规划方案、分解任务为进度清单并持续执行，直至目标完成且通过验证，期间可额外下达指令。该模式支持监控与引导命令，任务完成时清单全部勾选。即日起可用，用户可通过 `curl -fsSL | bash` 安装 CLI 并登录账号即可使用。

Google Labs 提出用“洞察策略”评估 AI 编码智能体的主动性

Google Labs 提出以“洞察策略”评估 AI 编码智能体的主动性，而非仅按任务完成度打分。团队基于 Google 内部代码库 705 个 bug（1178 个 CL），通过时空近邻与语义相似度聚类还原开发者实际的高层级目标。初步实验显示：Jules 在单轮探索下洞察相关性评分平均 4.5/5；探索预算从两轮增至三轮时，Hit@5 准确率从 33% 升至 57%。团队正将评估方法扩展至公开 GitHub 数据，并探索纳入问题追踪器、对话等更丰富的上下文。

GLM-5.2：开放智能体的阶跃变化

Z.ai 于 6 月 13 日向 GLM Coding Plan 成员发布 GLM-5.2，6 月 16 日开源 MIT 许可权重。该模型在 Arena 智能体排行榜上成为唯一与 OpenAI 和 Anthropic 最新模型匹敌的开放模型，匹配 Opus 4.8 无思考模式；在 Design Arena 中甚至超越 Claude Fable。作者认为这是自 DeepSeek R1 以来最受关注的开放模型发布，GLM-5.2 是首个在编码工具中作为通用智能体表现合格的开放权重模型。从 Claude Opus 4.5 发布（2025 年 11 月 24 日）到 GLM-5.2 发布（2026 年 6 月 16 日）间隔约 6.8 个月。

贝恩用 vibecoding 生成 AI 复制品评估软件收购目标

咨询公司贝恩使用 vibecoding 构建收购目标软件的 AI 复制品，帮助潜在买家评估其技术是否容易被复制。2023 年由专门工程团队开始，现已扩展至数百个由普通顾问构建的粗略原型。该做法已影响实际交易：一位私募股权投资者称，贝恩的 vibecoded 分析平台复制品直接促使其放弃竞标。贝恩全球私募业务负责人 Rebecca Burack 表示，vibecoding 如同从 2D 看到 3D，用以了解软件公司的实际能力及代码是否是真正的竞争护城河。

Anthropic 工程负责人：Claude Code 让程序员更孤独

6月22日，Anthropic工程负责人Fiona Fung表示，Claude Code和Claude Cowork等AI智能体让工程师越发依赖智能体工作，彼此之间交流减少，长期易感孤独。团队为此组织编程午餐、黑客松和共同开发时段，重新创造面对面协作机会。调查显示Claude Code已成为创业公司最常用的AI编程工具，“氛围编程”兴起使“单人创业者”增多，但Fung强调协作仍不可或缺。

AI编程工具（vibe-coding）应用安全隐患突出

借助AI编程工具（vibe-coding），非专业开发者能快速构建应用，但安全隐患激增。案例包括Boomberg网站发现SQL注入漏洞、PocketOS创始人AI编码代理清空生产数据库，以及完全由AI构建的社交网络Moltbook因数据库开放暴露数万条邮件地址。研究显示约5000个公开应用无身份验证，近2000个泄露敏感数据。安全专家指出，当个人应用处理他人数据时，安全标准必须提高。

X.PIN@thexpin· 17:55AI 评分5454

知情人士称，ByteDance 正以豆包 Doubao 2.1 Pro 进军 AI 编程，定价极为激进。每百万 token 价格预计比 Claude Opus 4.8 低约 80%，比 GLM-5.2 低约 30%，比 Qwen 3.7 Max 低约 50%。Doubao 2.1 Turbo 价格仅为 Pro 版一半。豆包月活用户超 3 亿，但字节内部商业化焦虑严重：视频生成 ARR 已达约 21 亿美元（较易变现），而 Doubao Pro 收费则遭遇用户强烈抵制。

数字生命卡兹克@Khazix0918· 13:32AI 评分6666

作者在端午节假期用Claude Opus 4.8重构AI新闻聚合站AIHOT的聚簇机制，消耗2000多万token，耗时一天屡次改阈值（0.72→0.71）、补多语言等边界情况仍问题百出。对比怀念已被下架的Claude Fable 5——后者只需给模糊目标就能自动跑完并填坑。由此总结：管理AI与管理人本质相同——越强的模型（如Fable 5）给方向即可（愿景/策略层），越弱的模型（如Opus 4.8、GPT-5.5、GLM-5.2）则需更细执行层指引，错配层级正是痛苦根源。

SiliconFlow@SiliconFlowAI· 11:33AI 评分5858

GLM-5.2 登顶 @Designarena 的 HTML Web 设计排行榜——击败了长期保持第一的 Claude Opus 4.6 & 4.7。 非常出色，现已通过 SiliconFlow API 提供使用！ 开始构建 → https://www.siliconflow.com/models/glm-5-2

jason@jxnlco· 09:34AI 评分4444

嘿 Codex ~ 请执行 /goal：进入我的消息，对于我经常聊天的人，看看其中有没有人有 Twitter，如果有且缺少头像，就用他们的 Twitter 头像。

Greg Brockman@gdb· 02:35精选AI 评分6969

Greg Brockman 展示 Codex 的“循环”自动化能力：通过一句 /goal 指令，Codex 自动扫描应用的每个功能，基于代码创建用户故事与预期行为，并维护统一电子表格跟踪状态；完成后自动切换为测试每个用户故事并记录所有错误；接着修复所有逻辑与 UX 错误，最后再次验证用户行为。该循环可处理数百个用户故事，全程无需人工干预。

Rohan Paul@rohanpaul_ai· 21:35AI 评分5050

@mntruell（Michael Truell，Cursor联合创始人兼CEO）在Compile上宣布了Cursor的新Composer模型： Cursor现在的算力是此前的10到20倍，让他们能够从头训练这个GPT规模的模型。

OpenCode@opencode· 23:27AI 评分4848

GLM 5.2 大受欢迎 已发布 3 天，便在我们榜单上排到第 6 名

OpenAI 最强 AI 模型：GPT-5.6 系列有望下周登场

科技媒体 testingcatalog 报道，OpenAI 有望下周推出 GPT-5.6 系列，涵盖 mini、标准版和 Pro 版。部分 Pro 订阅用户已可访问 GPT-5.6 Pro，理解力增强，前端/Web 开发认知有进步。性能方面，上下文窗口从 100 万 tokens 扩展至 150 万 tokens，优化了长周期编码能力和 Codex 响应速度。消息称在智能体编码中，GPT-5.6 已优于 Anthropic 的 Mythos 系列。定价上，OpenAI 当前 token 价格仅为 Anthropic 一半左右，计划进一步降价。

超越Claude Fable 5：智谱GLM 5.2登顶Design Arena网页设计AI榜单

智谱 GLM 5.2 在 Design Arena 单轮 HTML 网页设计评测中首次登顶总分第一，超越 Claude Fable 5、Opus 4.6 和 Opus 4.7，比前代 GLM 5.1 提升 5 个名次。推理价格每百万 tokens 为 1.40/4.40 美元，远低于 Fable 5 的 10/50 美元。模型高效调用 chart.js、three.js 等第三方库，使用这些库的会话胜率提升 6.0 个百分点；91% 会话使用 TailwindCSS，51% 使用 font‑awesome，交互设计使胜率提升 1.2 个百分点（Fable 5 仅 57% 使用 TailwindCSS）。在布局、排版、视觉动画方面表现出色。

Tibo@thsottiaux· 08:24AI 评分6262

Remote / local handoff in Codex! 一步步消除边界。 当你让模型掌握主导权时，实际上需要的底层设施更少。

jason@jxnlco· 05:21AI 评分4949

Codex 现在可以在本地和远程主机之间切换任务。在笔记本上开始工作，合盖前发送到远程机器，稍后取回。Codex 能自主编排这一切换过程。

Z.ai@Zai_org· 11:29AI 评分5454

智谱 GLM-5.2 在内部 35 项挑战性移动开发任务（共 70 次试验）中完成率达 48/70，较 GLM-5.1 的 21/70 提升超两倍；同期 Claude Fable 5 为 56/70。主推文指出长程能力应落地真实场景，更多场景即将推出。

Salesforce CodeGen教程：生成、验证并重排序Python函数（含单元测试与安全检查）

本教程实现一个基于Salesforce CodeGen的端到端代码生成工作流。从HuggingFace加载CodeGen模型（支持350M、2B、codegen2-1B、codegen25-7b等版本），通过自然语言提示生成Python函数，随后进行函数提取、语法检查、静态安全检查、单元测试验证、best-of-N候选重排序、多步程序合成、提示词实验、基准可视化及导出。展示了CodeGen作为结构化代码生成流水线的能力，不仅完成代码补全，还能评估、筛选和组织生成结果。

Claude Code v2.1.183 发布

Claude Code v2.1.183 增强了自动模式安全性：未经请求时阻止 `git reset --hard`、`git commit --amend`（非本轮提交）、`terraform destroy` 等破坏性命令。新增 `attribution.sessionUrl` 设置，可省略 claude.ai 会话链接；`/config --help` 列出所有速记键；`/config` 切换行为改为 Enter/Space 变更、Esc 保存退出。修复了 thinking 块导致 400 错误、子智能体 WebSearch 空结果、vim 模式光标滞留、Windows Terminal TUI 错乱、多插件技能重复、MCP 认证存根暴露、tmux 面板启动失败、后台任务被杀、定时任务/Webhook 误判为键盘输入、focus mode 额外计时行等问题。

Elastic 同意以最高8500万美元收购 AI 初创公司 DeductiveAI

DeductiveAI 同意被 Elastic 以最高 8500 万美元收购。这家 2023 年成立的初创公司用 AI 自动捕获和修复软件 bug，去年 11 月结束隐身模式并完成 750 万美元种子轮融资（CRV 领投，Databricks Ventures 等参投），当时估值 3300 万美元。DeductiveAI 技术将整合到 Elastic 的可观测性平台，帮助用户自动监控性能并实时解决系统故障。其年经常性收入约 100 万美元。收购反映了传统科技公司通过收购 AI 原生初创公司融入智能体技术的大趋势。

Boris Cherny@bcherny· 04:25AI 评分5656

Boris Cherny 分享他用 Claude Code Artifacts 的体验：可视化解释复杂代码、系统图、动画预览、数据分析及团队共享仪表盘，称其改变了与 Claude 的工作方式。@claudeai 宣布：Artifacts 可从会话中生成交互页面（如 PR 走查或项目仪表盘），通过私密链接共享给团队；目前以 Beta 版形式面向 Team 和 Enterprise 计划用户提供。

Greg Brockman@gdb· 04:23AI 评分6363

现在你可以通过演示来教 Codex：

Anthropic 为 Claude Code 添加 Artifacts 功能，支持团队共享实时交互网页

Claude Code 现已支持 Artifacts，可将编程会话结果转为交互式网页并分享给团队。网页包含完整会话上下文（代码、工具、聊天记录），自动更新并保留版本历史。用户只需在会话中提出请求即获得链接，用于 PR 审查、事故时间线等场景。Artifacts 默认私有，仅组织内认证成员可见，管理员通过角色和保留策略控制访问。该功能以 beta 版向 Claude Team 和 Enterprise 客户提供，支持 CLI 和桌面应用。

Claude Code 现已支持 artifacts

从今日起，Claude Code 可将工作进度生成为 artifacts——实时、可分享的交互式网页，涵盖 PR 走查、系统说明、仪表盘、发布清单等。artifacts 基于会话完整上下文（代码库、连接器、对话）自动构建，更新时页面原地刷新，同事即时可见。默认仅作者可见，可分享给组织内成员，由管理员通过组织层级开关和角色权限管控。内部测试中最常见用例为调试：工程师调查事件，Claude Code 分析日志并发布包含时间线、嫌疑提交和错误率图表的 artifact，团队无需再“走过场式汇报”。

Claude@claudeai· 02:22AI 评分5454

Claude Code 新增：Artifacts。 从您的会话中构建的交互页面，例如 PR 审查或实时项目仪表盘，通过私有链接与团队共享。 在 Team 和 Enterprise 计划中提供 Beta 版。

ClaudeDevs@ClaudeDevs· 02:22AI 评分6262

Artifacts 现已登陆 Claude Code。 让 Claude 将其工作内容转化为页面，并将链接发送给你的团队。页面随会话持续工作而更新。 即日起适用于 Team 和 Enterprise 套餐。

François Chollet@fchollet· 01:57AI 评分4848

当我玩即时战略游戏时，我通常会用资源利用率来思考策略。例如，任何具有单位生命值被动回复机制的游戏中，满血单位都代表着资源浪费（因为这段时间本可以回复生命，所以实际处于落后状态）。 如今，如果你为固定价格代理编码订阅付费，任何一周低于周token配额则同样意味着资源浪费。请善用你的token回复机制。

驾驭 Claude Code：CLAUDE.md、技能、钩子、规则、子智能体等

Claude Code 提供七种自定义指令方式：CLAUDE.md（根目录始终加载，子目录按需加载）、规则（无范围或路径范围）、技能（按需调用，共享 token 预算）、子智能体（隔离上下文运行并返回最终消息）、钩子（生命周期事件触发，绕过压缩）、输出样式（注入系统提示，永不压缩）和附加系统提示（CLI 标志，仅单次有效）。每种方式在加载时机、压缩行为、上下文成本和适用场景上各有不同，例如 CLAUDE.md 适合存放构建命令与编码规范，路径范围规则避免无关上下文消耗，子智能体用于并行隔离任务，钩子用于确定性自动化（如运行 linter 或备份聊天记录）。