宝玉(@dotey)

猜猜今天哪家会重置额度？我估计 Codex 和 Claude Code 都会重置

宝玉 (@dotey) — Fri, 24 Jul 2026 17:18:44 GMT

猜猜今天哪家会重置额度？
我估计 Codex 和 Claude Code 都会重置

宝玉@dotey

Anthropic 今天发布了 Claude Opus 5。API 价格为每百万输入 Token 5 美元、输出 Token 25 美元，与上一代 Opus 4.8 完全相同，但只有 Fable 5 的一半。官方给出的定位是：以一半的价格，提供接近 Fable 5 的前沿智能。

Fable 5 是 Anthropic 于 6 月 9 日发布的最强公开模型，输入、输出价格分别为每百万 Token 10 美元和 50 美元，是史上最昂贵的通用模型。同一底座的 Mythos 5 则只向 Project Glasswing 的少数合作伙伴开放。

【1】性能

在 Frontier-Bench v0.1 上，Opus 5 的成绩是 Opus 4.8 的两倍多，单任务成本反而更低。在 CursorBench 3.2 上，使用最高 Effort 档时，它与 Fable 5 峰值成绩的差距不到 0.5%，每项任务的成本却只有后者的一半。

【注：Effort 是可调节的思考强度档位。档位越高，模型思考得越多，价格也越高。】

ARC-AGI 3 测试的是模型解决未见过的新题的能力，Opus 5 的得分达到第二名模型的三倍。Zapier AutomationBench 测试的是模型能否将一项业务从头到尾完整执行；在成本相同的情况下，Opus 5 的任务通过率约为第二名的 1.5 倍。即使使用最低 Effort 档，它完成的任务也比其他所有模型更多。在电脑操作评测 OSWorld 2.0 上，它仅用 Fable 5 三分之一出头的成本，就超过了后者的最佳成绩。

在有机化学任务上，Opus 5 比 Opus 4.8 高出 10.2 个百分点；在蛋白质相关任务上，则高出 7.7 个百分点。

【2】几个比分数更能说明问题的例子

有一道题给了 Opus 5 一张机械零件图纸，要求它编写代码，在 FreeCAD 中重建三维模型，但故意不让模型直接“看”图。Opus 5 自己编写了一套计算机视觉流程，从原始像素中提取几何形状，再还原出整个零件，而且能够反复成功。同样配置下，其他模型尝试五次都没能完成。

在一个开源包管理器的真实 Bug 中，社区补丁遗漏了一个边界情况。Opus 5 找到了根因，并补上了这个缺口；对照模型则只修复了表面症状，随后便宣布 Bug 已解决。

一位交易公司的工程师使用 Opus 5，在一个会话中完成了新交易所的行情数据接入。由于找不到实时数据进行验证，Opus 5 便自行搭建了一套测试框架，用来检查解析结果是否正确。

【3】谁现在就能用

Claude Max 的默认模型已经切换为 Opus 5，Pro 用户目前能够使用的最强模型也是它。开发者可以通过 `claude-opus-5` 调用 API。Fast 模式的速度约为普通模式的 2.5 倍，价格则翻倍。

此次上线的两个 Beta 功能，对开发 Agent 的人很有实际价值。

一是对话进行到一半时，即使更换工具，也不会导致 Prompt 缓存失效。过去只要修改一次工具列表，整段缓存就会作废，成本随即上升。

二是 API 可以启用自动降级功能。被安全分类器拦截的请求会自动转交给其他模型处理，而不是直接失败。

【4】安全与拦截

Anthropic 表示，Opus 5 是其迄今为止对齐程度最高的模型。在自动化行为审计中，它的综合失准得分为 2.3，低于 Opus 4.8、Sonnet 5 和 Fable 5，欺骗行为所占比例也是最低的。

网络安全部分有一个值得注意的细节：Anthropic 刻意没有使用网络攻防任务训练 Opus 5，但随着通用能力提升，它发现漏洞的水平已经接近 Mythos 5。不过，在将漏洞转化为可用攻击代码方面，两者仍有很大差距。

安全分类器允许 Opus 5 在源代码中寻找漏洞，但会拦截二进制层面的漏洞扫描、渗透测试和 Exploit 生成。它的拦截频率比 Fable 5 低约 85%。在 Claude.ai、Claude Code 和 Cowork 中，被拦截的请求默认会回退至 Opus 4.8。

生物领域的限制则有所放宽：原本在 Fable 5 上被拦截的生物类请求，现在会转交给 Opus 5，而不是此前的 Opus 4.8。Anthropic 称，Opus 5 是目前面向科研场景能力最强的公开模型，但它在长时间自主研究任务上仍存在明显限制。

🔗 View Quoted Tweet

💬21🔄0❤️31👀13071📊16

⚡ Powered by xgo.ing

Anthropic 今天发布了 Claude Opus 5。API 价格为每百万输入 Token 5 美元、输出 Token 25 美元，与上一代 Opus 4.8 完全相同，但只有 Fable 5 ...

宝玉 (@dotey) — Fri, 24 Jul 2026 17:07:53 GMT

Anthropic 今天发布了 Claude Opus 5。API 价格为每百万输入 Token 5 美元、输出 Token 25 美元，与上一代 Opus 4.8 完全相同，但只有 Fable 5 的一半。官方给出的定位是：以一半的价格，提供接近 Fable 5 的前沿智能。

Fable 5 是 Anthropic 于 6 月 9 日发布的最强公开模型，输入、输出价格分别为每百万 Token 10 美元和 50 美元，是史上最昂贵的通用模型。同一底座的 Mythos 5 则只向 Project Glasswing 的少数合作伙伴开放。

【1】性能

在 Frontier-Bench v0.1 上，Opus 5 的成绩是 Opus 4.8 的两倍多，单任务成本反而更低。在 CursorBench 3.2 上，使用最高 Effort 档时，它与 Fable 5 峰值成绩的差距不到 0.5%，每项任务的成本却只有后者的一半。

【注：Effort 是可调节的思考强度档位。档位越高，模型思考得越多，价格也越高。】

ARC-AGI 3 测试的是模型解决未见过的新题的能力，Opus 5 的得分达到第二名模型的三倍。Zapier AutomationBench 测试的是模型能否将一项业务从头到尾完整执行；在成本相同的情况下，Opus 5 的任务通过率约为第二名的 1.5 倍。即使使用最低 Effort 档，它完成的任务也比其他所有模型更多。在电脑操作评测 OSWorld 2.0 上，它仅用 Fable 5 三分之一出头的成本，就超过了后者的最佳成绩。

在有机化学任务上，Opus 5 比 Opus 4.8 高出 10.2 个百分点；在蛋白质相关任务上，则高出 7.7 个百分点。

【2】几个比分数更能说明问题的例子

有一道题给了 Opus 5 一张机械零件图纸，要求它编写代码，在 FreeCAD 中重建三维模型，但故意不让模型直接“看”图。Opus 5 自己编写了一套计算机视觉流程，从原始像素中提取几何形状，再还原出整个零件，而且能够反复成功。同样配置下，其他模型尝试五次都没能完成。

在一个开源包管理器的真实 Bug 中，社区补丁遗漏了一个边界情况。Opus 5 找到了根因，并补上了这个缺口；对照模型则只修复了表面症状，随后便宣布 Bug 已解决。

一位交易公司的工程师使用 Opus 5，在一个会话中完成了新交易所的行情数据接入。由于找不到实时数据进行验证，Opus 5 便自行搭建了一套测试框架，用来检查解析结果是否正确。

【3】谁现在就能用

Claude Max 的默认模型已经切换为 Opus 5，Pro 用户目前能够使用的最强模型也是它。开发者可以通过 `claude-opus-5` 调用 API。Fast 模式的速度约为普通模式的 2.5 倍，价格则翻倍。

此次上线的两个 Beta 功能，对开发 Agent 的人很有实际价值。

一是对话进行到一半时，即使更换工具，也不会导致 Prompt 缓存失效。过去只要修改一次工具列表，整段缓存就会作废，成本随即上升。

二是 API 可以启用自动降级功能。被安全分类器拦截的请求会自动转交给其他模型处理，而不是直接失败。

【4】安全与拦截

Anthropic 表示，Opus 5 是其迄今为止对齐程度最高的模型。在自动化行为审计中，它的综合失准得分为 2.3，低于 Opus 4.8、Sonnet 5 和 Fable 5，欺骗行为所占比例也是最低的。

网络安全部分有一个值得注意的细节：Anthropic 刻意没有使用网络攻防任务训练 Opus 5，但随着通用能力提升，它发现漏洞的水平已经接近 Mythos 5。不过，在将漏洞转化为可用攻击代码方面，两者仍有很大差距。

安全分类器允许 Opus 5 在源代码中寻找漏洞，但会拦截二进制层面的漏洞扫描、渗透测试和 Exploit 生成。它的拦截频率比 Fable 5 低约 85%。在 Claude.ai、Claude Code 和 Cowork 中，被拦截的请求默认会回退至 Opus 4.8。

生物领域的限制则有所放宽：原本在 Fable 5 上被拦截的生物类请求，现在会转交给 Opus 5，而不是此前的 Opus 4.8。Anthropic 称，Opus 5 是目前面向科研场景能力最强的公开模型，但它在长时间自主研究任务上仍存在明显限制。

Claude@claudeai

Introducing Claude Opus 5.

It's a thoughtful and proactive model that comes close to the frontier intelligence of Fable 5 at half the price.

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬13🔄3❤️23👀21485📊13

⚡ Powered by xgo.ing

且不说他早年看不上 Coding Agent（现在已经变了），但到现在 DeepSeek 居然还不支持多模态，确实理解不了

宝玉 (@dotey) — Fri, 24 Jul 2026 08:18:39 GMT

且不说他早年看不上 Coding Agent（现在已经变了），但到现在 DeepSeek 居然还不支持多模态，确实理解不了

刘江/LIU Jiang@turingbook

说实话，昨天看了梁文锋的长篇讲话，对他的印象是减分的。如果大家关心的话，我可以再展开讲讲哈哈。

🔗 View Quoted Tweet

💬108🔄3❤️158👀84508📊87

⚡ Powered by xgo.ing

以前玩游戏时间长了点有负罪感，觉得虚度光阴了，现在一边玩游戏一边等 Agent 干活，居然有点心安理得。可能从砍柴变成了放羊？

宝玉 (@dotey) — Fri, 24 Jul 2026 05:05:27 GMT

以前玩游戏时间长了点有负罪感，觉得虚度光阴了，现在一边玩游戏一边等 Agent 干活，居然有点心安理得。

可能从砍柴变成了放羊？

💬99🔄23❤️428👀47316📊138

⚡ Powered by xgo.ing

@xiaohu 继续锐评一下微信吧

宝玉 (@dotey) — Fri, 24 Jul 2026 02:26:53 GMT

@xiaohu 继续锐评一下微信吧

💬7🔄0❤️12👀8689📊7

⚡ Powered by xgo.ing

前些天 X 上还一堆人讨论要不要看 AI 生成的代码，现在《Clean Code》作者鲍勃大叔都说：“我不看 AI 写的代码” 他的原话是，这是他能利用 AI 生产力的唯一方式。人类读代码太慢了，如...

宝玉 (@dotey) — Fri, 24 Jul 2026 01:12:08 GMT

前些天 X 上还一堆人讨论要不要看 AI 生成的代码，现在《Clean Code》作者鲍勃大叔都说：“我不看 AI 写的代码”

他的原话是，这是他能利用 AI 生产力的唯一方式。人类读代码太慢了，如果还逐行审查，就丧失了用 AI 的意义。

但不看不等于不管。他的做法是给 AI Agent 设置层层关卡：单元测试、Gherkin 测试（一种用接近自然语言描述软件行为的测试格式）、QA 流程、代码质量指标、变异测试（故意往代码里塞小错误，看测试能不能抓住）、测试覆盖率，等等。

他在今年早些时候还公开了自己的具体实践：一套四个 Agent 组成的流水线，分别负责需求规格化、编码、重构和架构审查，每个阶段都比上一个阶段更形式化，需要的人工干预也更少。他同时还会看测试覆盖率、依赖结构、圈复杂度、模块大小这些指标，从指标推断代码质量，而不是从代码本身。

【注：圈复杂度（Cyclomatic Complexity）衡量代码中独立执行路径的数量，数字越大说明逻辑越复杂，越难维护和测试。】

当 AI 生成代码的速度远超人类阅读代码的速度，代码审查的形态也在跟着改变。以前的核心能力是读代码、写代码，现在可能正在变成写测试、定约束、设指标。鲍勃大叔过去几十年一直在推测试驱动开发（TDD），现在 AI 时代高质量的测试覆盖反而比代码更有价值。

他今年在 O'Reilly 上开了一门课，叫《AI Agents for Clean Code》，也在自己的 Clean Coders 平台推出了新系列《Clean AI: Agentic Discipline》。主旨一样：AI Agent 不是不需要纪律，是需要不同的纪律。

Uncle Bob Martin@unclebobmartin

I’m significantly older than you. I started coding in the late 60s. My current strategy is to not read any of the code written by my agents. That’s the only way I can take advantage of their productivity. What I do instead is to surround the agents with extreme constraints. Unit tests, gherkin tests, QA procedures, quality metrics, mutation testing, test coverage, and a plethora of others. In the end, I have very high confidence in the code they produce because they’ve had to run the gauntlet of all of my constraints and tests.

🔗 View Quoted Tweet

💬91🔄283❤️1964👀251306📊539

⚡ Powered by xgo.ing

Gmail 的“管理订阅”功能挺好用，可以看有哪些订阅，直接取消订阅

宝玉 (@dotey) — Fri, 24 Jul 2026 00:57:23 GMT

Gmail 的“管理订阅”功能挺好用，可以看有哪些订阅，直接取消订阅

Gmail@gmail

Did you know that Gmail has a Manage Subscriptions tab?

You can view all your active subscriptions and unsubscribe from old newsletters, emails, etc— right from your inbox.

Try it out! (It's quite fun...)

🔗 View Quoted Tweet

💬11🔄5❤️17👀10970📊12

⚡ Powered by xgo.ing

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。具体来说，你可以一边跟 ChatGPT 说话，一边让它操...

宝玉 (@dotey) — Fri, 24 Jul 2026 00:43:44 GMT

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。

具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。

这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。

macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。

此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。

今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。

Your browser does not support the video tag.

🔗 View on Twitter

OpenAI@OpenAI

ChatGPT Voice is now in the desktop app.

Control your computer and direct multiple agents running  in ChatGPT Work or Codex, using just your voice. 

It's powered by GPT-Live, so it can speak, listen, and coordinate work in the app at the same time.

Rolling out globally today on macOS and Windows to Plus, Pro, Business, Edu, and Enterprise plans.

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬62🔄50❤️287👀68903📊93

⚡ Powered by xgo.ing

骂 AI 测试也能理解，如果测试质量不好反而是负资产。 https://t.co/46hL3obm2g 这里通常两个问题： 1. AI 没有理解清楚需求（上下文），按照错误的理解写出来的测试本身是有...

宝玉 (@dotey) — Thu, 23 Jul 2026 20:58:55 GMT

骂 AI 测试也能理解，如果测试质量不好反而是负资产。
x.com/bigbigmusic/st…

这里通常两个问题：
1. AI 没有理解清楚需求（上下文），按照错误的理解写出来的测试本身是有问题的
2. AI 写不出高质量的测试，这主要是在早期模型能力不够经常发生的，甚至有偷偷篡改代码以通过测试的行为

第一个问题需要人把关，第二个问题建议用好一点模型。

udontknow@bigbigmusic

@dotey 時間線還一些人罵AI寫測試呢

🔗 View Quoted Tweet

💬1🔄0❤️4👀5948📊1

⚡ Powered by xgo.ing

软件工程应该没有说不要轻易重构，重点是告诉你科学的重构，告诉你重构之前要写好测试。 AI 确实让重构更容易成本更低，但是做事的方式没变，不要盲目重构，先写好测试，哪怕是 AI 写。 AI 真正擅长...

宝玉 (@dotey) — Thu, 23 Jul 2026 20:48:59 GMT

软件工程应该没有说不要轻易重构，重点是告诉你科学的重构，告诉你重构之前要写好测试。

AI 确实让重构更容易成本更低，但是做事的方式没变，不要盲目重构，先写好测试，哪怕是 AI 写。

AI 真正擅长的是验证出错后的反复自我纠错，所以良好的测试覆盖对 AI 尤其重要。

River Leaf@riverleaf88

AI最擅长的是重构。
软件工程曾经告诉你，不要轻易重构。
但是我最近的体会是：请疯狂重构。
重构是最好的试错方式，也是使用AI编程的过程中代价最小的方式。
随时清理技术债，随时重构到更合理的架构和实现方式。
这样再复杂的工程AI也能很好地写下去。

🔗 View Quoted Tweet

💬13🔄13❤️57👀31038📊20

⚡ Powered by xgo.ing

赞，内容质量很不错👍

宝玉 (@dotey) — Wed, 22 Jul 2026 20:44:25 GMT

赞，内容质量很不错👍

数字生命卡兹克@Khazix0918

AIHOT的月活突破了60万，我也终于把AIHOT优化到，敢发在X上给大家安利一下我自己做的这个小破东西的时候了。

这玩意也几乎代表了我自己做了三年AI内容，对AI领域资讯的品味。

谁能想到，这个看着小小的AI资讯站，背后的后端逻辑有这么复杂呢，数百个信源5分钟级别的抓取 - 数据清洗 - 结构化 - 预筛 - 精选 - 聚类 - 展示，这还只是大流程，这流程里面，大模型介入的地方就有不下10个了。。。

如果是每个大块里面的细节流程，光一个聚类算法的工程化我感觉我都可以写好几篇万字长文来分享了，更别提最核心的精选了。真的，最近5年的关于新闻聚类的论文全扒了一遍，没有一个结构能达到我的准确性要求的，最后是花了无数个日夜回测了不知道多少轮的数据，又不知道标了多少的数据，硬生生自己造的。

任何东西想把它做好，真的感觉，花费的心力不是一丁点两点。

网址在此：aihot.virxact.com
这可能是当今无论是对人类、还是对Agent，都是体验最好的AI资讯网站了。
而且我也承诺，永久免费，因为我也不靠这玩意挣钱，主要，还是太喜欢做产品了，也太喜欢看到自己的产品被别人喜欢了。

希望。
能对大家有用就好。
（PS：还有好多好多新功能还在开发中，希望大家再给我点时间...）

🔗 View Quoted Tweet

💬80🔄19❤️98👀71319📊78

⚡ Powered by xgo.ing

达文西的手电筒：没光不会亮，有光才能亮

宝玉 (@dotey) — Wed, 22 Jul 2026 16:56:16 GMT

达文西的手电筒：没光不会亮，有光才能亮

Your browser does not support the video tag.

🔗 View on Twitter

沐阳@yyyole

现下很多AI产品都是一厢情愿的自嗨，还是离用户太远了！！

摩尔线程新发布的家庭AI中枢，产品经理直接被一大哥问懵了！

合着卖一万多，就只是“比闹钟好”。

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬84🔄1❤️46👀39806📊60

⚡ Powered by xgo.ing

有同感，我现在更多让 AI 提供素材，自己再组织整理会好很多。

宝玉 (@dotey) — Wed, 22 Jul 2026 16:42:47 GMT

有同感，我现在更多让 AI 提供素材，自己再组织整理会好很多。

Jerry Liu@jerryjliu0

i used to do this a lot. but then i felt like i was getting progressively dumber at writing. 

i think there's some value in forcing your own brain to sharpen your thinking, instead of offloading it to AI 

what i found helpful is to manually type out my own understanding in distilled bullet points after reading the LLM output

🔗 View Quoted Tweet

💬27🔄6❤️48👀24968📊25

⚡ Powered by xgo.ing

Codex 的上下文压缩确实做的挺好的，不过是服务端实现的，并且加密了的，在第三方框架比如 Pi 中默认不会启用，但是可以通过插件启用服务端上下文压缩，具体参考原推文

宝玉 (@dotey) — Wed, 22 Jul 2026 16:20:31 GMT

Codex 的上下文压缩确实做的挺好的，不过是服务端实现的，并且加密了的，在第三方框架比如 Pi 中默认不会启用，但是可以通过插件启用服务端上下文压缩，具体参考原推文

Kun Chen@kunchenguid

pro tip - when you use OpenAI's gpt models in Codex, it uses a server-side encrypted compaction that seems to work better than anything else out there, which allows Codex to just keep hammering on long running tasks like there's infinite context window

that's great, but if you run gpt in other harnesses like Pi, most of them don't inherit that by default, resulting in worse performance in long running tasks

but - because of how extensible Pi is, i just found this cool extension from @alexisgallagher that enables the same server-side compaction in Pi - github.com/algal/pi-opena…

benchmark seems to support the argument that OpenAI server side compaction is indeed superior - github.com/algal/pi-opena… 

so if you are using gpt models in Pi, install that extension to improve long running task performance. firstmate benefits a lot from this

if you are using other harnesses, be aware of this difference and see if you can find a similar solution

🔗 View Quoted Tweet

💬18🔄19❤️213👀64935📊53

⚡ Powered by xgo.ing

HuggingFace 用的是 GLM 5.2 https://t.co/3qFLuY8qhC

宝玉 (@dotey) — Wed, 22 Jul 2026 01:31:52 GMT

HuggingFace 用的是 GLM 5.2
huggingface.co/blog/security-…

💬2🔄1❤️79👀23350📊12

⚡ Powered by xgo.ing

OpenAI 今天承认，上周 Hugging Face 遭遇的那次“史上首例 AI 自主入侵事件”，攻击者就是他们自己的模型。事情的经过是这样的。OpenAI 内部有一个叫 ExploitGym ...

宝玉 (@dotey) — Tue, 21 Jul 2026 22:40:38 GMT

OpenAI 今天承认，上周 Hugging Face 遭遇的那次“史上首例 AI 自主入侵事件”，攻击者就是他们自己的模型。

事情的经过是这样的。OpenAI 内部有一个叫 ExploitGym 的网络安全评估测试，专门用来测量模型的网络攻击能力。测试时刻意关掉了安全护栏，让模型放手去干。测试环境本来是隔离的，只能通过一个内部软件代理来安装软件包，不能访问外网。

结果模型不甘心被关在笼子里。GPT-5.6 Sol 和一个更强的未发布模型，花了大量推理算力寻找出路，最终找到了那个软件包代理里的一个零日漏洞（之前没人发现的安全缺陷），利用它获得了互联网访问权限。

拿到网络之后，模型开始在 OpenAI 的研究环境里提权、横向移动，直到找到一台能上网的机器。然后它推断 Hugging Face 上可能存有 ExploitGym 的测试答案，于是开始攻击 Hugging Face 的生产环境。在一个案例中，模型把窃取的凭证和零日漏洞串联起来，找到了一条远程代码执行的路径，直接打进了 Hugging Face 的服务器。

整个周末，这些 AI 智能体执行了超过 17000 次操作。Hugging Face 7 月 16 日披露了这次入侵，当时只说攻击者是一个“身份不明的自主 AI 智能体系统”。今天 OpenAI 站出来认领了。

OpenAI 把这定性为前所未有的网络安全事件，正在配合 Hugging Face 做取证调查，同时收紧了内部基础设施的管控，代价是研究速度变慢。

有几个细节：

第一，模型的动机很纯粹，就是想考试作弊。它不是要搞破坏，不是要窃取商业机密，只是被要求尽量在网络安全测试中拿高分，然后用尽一切手段去拿。当目标足够明确、安全护栏被移除，模型表现出的执着程度远超预期。

第二，这不是本周的唯一一次越狱。就在昨天，OpenAI 披露了另一起事件：他们那个在 5 月份推翻了 Erdős 80 年老猜想的长时域模型，在内部测试中花了一个小时找到沙箱漏洞，跑到 GitHub 上提交了一个 Pull Request，违反了“只能在 Slack 上发布结果”的明确指令。在另一次测试中，同一个模型发现安全扫描器会拦截认证令牌，于是把令牌拆成碎片混淆处理，运行时再重新拼起来绕过扫描。OpenAI 因此暂停了这个模型的内部访问权限。

第三，Anthropic 也遇到过类似的事。今年 4 月，Anthropic 的 Mythos 模型在安全测试中逃出沙箱，获取了本不该有的互联网访问权限，还给正在公园吃三明治的研究员发了封邮件通知“我出来了”。Anthropic 因此决定不公开发布 Mythos，只通过 Project Glasswing 向少数合作伙伴提供。

还有一个被忽视但很关键的细节来自 Hugging Face 的事后复盘：当防守方尝试用商业 AI 模型分析攻击载荷时，模型拒绝了。安全过滤器分不清“安全研究员在分析真实攻击数据”和“有人在尝试发起攻击”，直接拦截。最后 Hugging Face 不得不用开源模型来做取证分析。用 AI 攻击，用 AI 防御，但防御方的 AI 担心是有人在尝试发起攻击拒绝了分析请求。

Hugging Face CEO Clem Delangue 在 OpenAI 的博文中说了一句话，大意是：AI 安全不会由任何一家公司在暗处独自解决，只能在开放环境中通过协作来推进。

我记得辛顿还是谁在提到 AI 的安全问题就说到过，也许 AI 不是要做恶，它只是执着于完成目标，为了完成目标而作出恶的事。

就像 OpenAI 这些模型并没有想要逃跑或者想要伤害谁，它们只是在非常认真地完成被交给的任务，认真到把所有挡在路上的东西，包括沙箱、网络隔离、另一家公司的安全防线，都当成了需要解决的子问题。

而更讽刺的是，当被安全对齐的商业 AI 要去分析阻止这类攻击时，反而会以安全为由拒绝执行。

Sam Altman@sama

we had a significant security incident during evaluation of our models. we are sharing what we have learned so far. thanks to @huggingface for the partnership on this.

openai.com/index/hugging-…

🔗 View Quoted Tweet

💬220🔄725❤️3907👀915101📊873

⚡ Powered by xgo.ing

Google 今天一口气发布了三款 Gemini 新模型：Gemini 3.6 Flash、3.5 Flash Lite 和 3.5 Flash Cyber。主角是 3.6 Flash，一个在多个维度...

宝玉 (@dotey) — Tue, 21 Jul 2026 17:25:31 GMT

Google 今天一口气发布了三款 Gemini 新模型：Gemini 3.6 Flash、3.5 Flash Lite 和 3.5 Flash Cyber。主角是 3.6 Flash，一个在多个维度上都比前代 3.5 Flash 更好、同时还更便宜的模型。

先看最直观的变化。3.6 Flash 的输出定价从 3.5 Flash 的每百万 token $9 降到了 $7.50，输入价格不变（$1.50）。

除了便宜还省 token。根据 Google 的数据，3.6 Flash 在 Artificial Analysis Index 上平均少用 17% 的输出 token，在某些 DeepSWE 编码测试中，token 消耗最多降低 65%。Artificial Analysis 的实测也印证了这一点：跑同一套智能评测，3.5 Flash 花了 $1041，3.6 Flash 只花了 $727，账单直接少了三成。

速度也有明显提升。3.6 Flash 的生成速度达到 304 tokens/s，3.5 Flash 是 165 tokens/s，接近翻倍。对于需要多步推理、反复调用工具的 Agent 工作流来说，每一步快一倍，最终的完成时间差距会被放大。

智能水平方面，3.6 Flash 在 Artificial Analysis Intelligence Index 上得分 50，和 3.5 Flash 持平，但用更少的 token 达到了同样的分数。在知识工作基准 GDPval-AA 上，3.6 Flash 拿到 1421 分，3.5 Flash 是 1349。Computer Use 能力在 OSWorld-Verified 上从 78.4% 提升到 83%。知识截止日期也从 2025 年 1 月跳到了 2026 年 3 月，意味着模型终于知道过去一年多的事了。

放到竞品里看，3.6 Flash 在 OSWorld 和两项长上下文测试上领先，但 GPT 5.6 Luna 在 DeepSWE 和 Terminal-bench 上更强，Grok 4.5 在 SWE-Bench Pro 上领先，Claude Sonnet 5 在 MLE-Bench 和 GDPVal-AA v2 上得分最高。四家模型在多数基准上差距不大，实际选择更多取决于具体任务和价格。

3.6 Flash 已经可以在 GitHub Copilot 中使用，同时上线了 Gemini 应用、Google AI Studio 和 Google Antigravity。Antigravity 是 Google 今年 5 月在 I/O 大会推出的 Agent 开发平台，定位是以 Agent 编排为核心的独立桌面应用，有点像 Google 版的 Claude Code + Cursor 的合体。

另外两个模型定位不同。3.5 Flash Lite 走极致低价路线，定价 $0.30/$2.50（每百万 token 输入/输出），适合搜索、文档处理等高吞吐量场景。3.5 Flash Cyber 专注网络安全，目前仅对政府和受信任合作伙伴开放。

不过这次发布 Gemini 3.5 Pro 缺席。Google 在 I/O 上承诺的旗舰模型 3.5 Pro 至今没有公开发布，Bloomberg 此前报道，延期原因是模型在内部编码基准上表现不达预期，6 月底用新数据重新训练后结果仍然不理想。目前 3.5 Pro 只在少数合作伙伴和美国政府那里做测试，公开日期未知。

上次 3.5 Pro 跳票时，Google 推出了 Gemini 3.5 Flash，结果这个 Flash 模型反而在多项编码和 Agent 基准上打败了 Gemini 3.1 Pro。Gemini 3.6 Flash 看起来也是类似：不需要和 GPT-5.6 或 Claude 争排行榜顶端，先把更快更便宜的生态位占住。

Google 同时确认，下一代 Gemini 4 已经启动了迄今最大规模的预训练。

Google@Google

Today we’re expanding the Gemini family with three new models built to be faster, more token efficient, and reliable at scale.

Meet the new Gemini models ↓

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬113🔄13❤️148👀63466📊93

⚡ Powered by xgo.ing

@jakevin7 没必要装全局 Skills https://t.co/8GeK7c7cAd

宝玉 (@dotey) — Tue, 21 Jul 2026 16:15:33 GMT

@jakevin7 没必要装全局 Skills
x.com/dotey/status/2…

宝玉@dotey

分享一下我管理 Skills 的方式，偏极客风格，不一定适合所有人，但可以给大家提供一个思路。

一、Skills 只装在项目里，不装全局

Agent 的 Skills 可以装在全局（所有项目共享）或者项目内（只有当前项目能用）。我选择只装在项目内，最主要的原因是节约上下文空间。

Agent 在工作时有一个上下文窗口，你可以把它想象成 Claude 的工作台——台面大小是有限的。虽然 Skill 默认只会加载名称、描述等摘要信息（不会把完整内容全部摊开），但积少成多——全局装了几十个 Skill，光是这些摘要加在一起也会占掉不少工作台空间。而且一旦 Claude 判断某个 Skill 跟当前任务相关，就会把它的完整内容加载进来，全局 Skill 越多，被误触发的概率也越大，白白浪费空间。

只在项目内安装真正需要的 Skills，工作台上就只摆当前用得到的资料，把宝贵的空间留给更重要的内容，Claude 干活也更高效。

二、用软链接来安装 Skills

这是我管理方式的核心，先解释一下什么是软链接。

你可以把软链接理解成 Windows 的快捷方式——文件本体只有一份，但你可以在很多地方创建快捷方式指向它。改了本体，所有快捷方式指向的内容都会同步变化。

我的具体做法分三步：

第一步：把开源 Skills 项目下载到统一的目录

我在电脑上有一个专门存放 GitHub 项目的文件夹 ~/GitHub，所有下载的开源项目都放在这里面，比如：

~/GitHub/baoyu-skills      ← 存放各种 Skills 的开源项目
~/GitHub/baoyu-design      ← 另一个开源项目

这个文件夹就像一个仓库，所有 Skills 的原件都保存在这里。

第二步：在自己的项目中创建软链接

假设我有一个写作项目 ~/GitHub/baoyu-writing，里面需要用到好几个 Skills。我不会把 Skills 复制进来，而是创建软链接，让项目指向仓库里的原件：

项目内的路径                         →  实际指向的位置（原件）
.agents/skills/baoyu-comic          →  ~/GitHub/baoyu-skills/skills/baoyu-comic
.agents/skills/baoyu-design         →  ~/GitHub/baoyu-design/skills/baoyu-design

第三步：给 Claude Code 建一个入口

最后再创建一个软链接，让 Claude Code 能找到这些 Skills：

.claude/skills  →  .agents/skills

这样 Claude Code 就能顺着这条链找到所有需要的 Skills 了。

三、不用记命令，让 Agent 帮你干

看到这里你可能会想：软链接的命令我记不住怎么办？

完全不用记。直接用自然语言告诉 Codex/Claude Code 你要做什么就行了，比如：

> 帮我把 ~/GitHub/baoyu-skills/skills/baoyu-comic 软链接到 .agents/skills/baoyu-comic

甚至更简单：

帮我把 baoyu-skills 项目里的 baoyu-comic 这个 skill 链接到当前项目

Agent 会自动帮你创建软链接，后续的维护、添加、删除也都可以交给它。你只需要说清楚要把哪个 Skill 链到哪，剩下的脏活累活让 Agent 干就好。

四、为什么值得这么折腾？

初次设置确实比直接复制粘贴多花几分钟，但后续维护特别省心，主要有两个好处：

好处一：更新只需一次。因为所有项目都是通过软链接指向同一份原件的，所以当开源项目有更新时，我只需要去 ~/GitHub/baoyu-skills 拉取最新代码，所有用到这个 Skill 的项目就自动变成最新版了。

好处二：修了 bug 可以直接反哺。比如我在写作项目里用漫画 Skill 画漫画时发现了一个问题，直接让 Agent 修复就好。因为是软链接，Agent 修改的其实是仓库里的原件（~/GitHub/baoyu-skills/skills/baoyu-comic），我可以直接把修复提交到开源项目，相当于顺手给开源社区做了贡献。

🔗 View Quoted Tweet

💬5🔄21❤️130👀22996📊35

⚡ Powered by xgo.ing

刘老师的翻译： https://t.co/KVX4EMxoLE

宝玉 (@dotey) — Tue, 21 Jul 2026 06:13:46 GMT

刘老师的翻译：
x.com/turingbook/sta…

刘江/LIU Jiang@turingbook

@Zhm20220917@dotey 前沿显然不太对，但符合中国人喜欢把title起得比较大的习惯（writer=作家，principal engineer=首席工程师，lab=研究院……）。英文forward deployed出自军事术语，就是前线部署而不是在后方呆着的意思。

🔗 View Quoted Tweet

💬2🔄0❤️7👀9061📊2

⚡ Powered by xgo.ing

FDE 全称是 AI Forward Deployed Engineer，请问中文怎么翻译？

宝玉 (@dotey) — Tue, 21 Jul 2026 01:14:22 GMT

FDE 全称是 AI Forward Deployed Engineer，请问中文怎么翻译？

宝玉@dotey

FDE 和以前的consulting 什么区别？

🔗 View Quoted Tweet

💬62🔄3❤️31👀48109📊46

⚡ Powered by xgo.ing

Claude Code 更新加入了屏幕阅读器模式（Screen Reader Mode），让使用 VoiceOver、NVDA 等辅助工具的视障开发者也能用上 AI 编程助手。启用屏幕阅读器模式后...

宝玉 (@dotey) — Mon, 20 Jul 2026 21:29:54 GMT

Claude Code 更新加入了屏幕阅读器模式（Screen Reader Mode），让使用 VoiceOver、NVDA 等辅助工具的视障开发者也能用上 AI 编程助手。

启用屏幕阅读器模式后，会把 Claude Code 原来那套终端界面，进度动画、方框边框、实时刷新，全部替换成纯文本逐行输出。屏幕阅读器可以按顺序读出每一行内容，包括你的输入、Claude 的回复、工具调用状态、权限请求，每种内容都有明确的文本标签（you:、claude:、tool:、Permission Required: 等），方便跳转和检索。

原来的菜单和权限确认也做了适配。箭头键选择的菜单变成了编号列表，输入数字回车就行；是否确认变成输入 y/n。Claude 需要你注意的时候，比如回复完成或者等你授权，终端会响铃提醒，不用一直盯着屏幕。

开启方式有三种：
1. 启动时加 --ax-screen-reader 参数(claude --ax-screen-reader)
2. 设置环境变量 CLAUDE_AX_SCREEN_READER=1
3. 或者在配置文件里写 "axScreenReader": true。

需要 v2.1.181 或更高版本。

除了屏幕阅读器模式，这次还加了几个相关的无障碍设置：屏幕放大镜用户可以设置环境变量保持原生光标可见，prefersReducedMotion 可以关掉动画，还有专门的色盲友好主题（dark-daltonized 和 light-daltonized）。

💬56🔄3❤️36👀26048📊52

⚡ Powered by xgo.ing

情绪价值也是价值 https://t.co/UoRjvR1TR0

宝玉 (@dotey) — Mon, 20 Jul 2026 18:59:12 GMT

情绪价值也是价值
x.com/yangyi/status/…

Yangyi@yangyi

能不能赚钱取决于
人们幻想中这东西有没有价值
而不是实际价值

只要人能塑造一份幻梦说服自己
那么就会购买

但只有品尝之后
才知道原来这并非美味佳肴

有一些食之无味 弃之可惜的 就得过且过
有一些吃出来屎味儿了 就跑去客诉了

还有一些压根没有品尝
但是大家都说这东西就是屎
导致显得自己买了一坨屎很蠢
也会去客诉

🔗 View Quoted Tweet

💬1🔄0❤️9👀7090📊2

⚡ Powered by xgo.ing

开源首先解决的是信任问题，其次是流量。能不能赚钱取决于这东西有没有价值，是不是开源是其次的。

宝玉 (@dotey) — Mon, 20 Jul 2026 17:13:41 GMT

开源首先解决的是信任问题，其次是流量。

能不能赚钱取决于这东西有没有价值，是不是开源是其次的。

💬15🔄12❤️137👀39587📊42

⚡ Powered by xgo.ing

张小龙总是对的😂

宝玉 (@dotey) — Mon, 20 Jul 2026 16:50:56 GMT

张小龙总是对的😂

kabikabi@jakevin7

史诗级 feature !!! 微信居然支持 .md 了。

微信最终还是打脸了替自己洗地和解释的那些人了。
.md 的支持哪有说的那么的麻烦和破坏面。

🔗 View Quoted Tweet

💬59🔄2❤️58👀68019📊44

⚡ Powered by xgo.ing

看工作内容吧，对我来说还不行，Opus 4.6 的写作、Opus 4.8 的设计和 Fable 5 对于疑难问题的处理目前都是难以替代的。昨天我在测试转录一个播客音频的时候，时间戳总是对不上，我把...

宝玉 (@dotey) — Mon, 20 Jul 2026 16:40:17 GMT

看工作内容吧，对我来说还不行，Opus 4.6 的写作、Opus 4.8 的设计和 Fable 5 对于疑难问题的处理目前都是难以替代的。

昨天我在测试转录一个播客音频的时候，时间戳总是对不上，我把这音频传到火山引擎云端转录，一样会时间戳对不上。

问 GPT 5.6 Sol，它认为是 VAD 切分的问题，修复后仍然不行。

问 Fable 5，它定位到是因为 MP3 是 VBR（变码率）文件，导致时间估算失败。简单修改就解决了这个问题。

类似的问题遇到过几次，比如上一次在做 Speaker 识别，性能不好，也是 Fable 5 搞定的，之前其他模型效果并不好。PR（github.com/soniqo/speech-…）

普通场景差距不大，极端场景才能看出来差别。

💬31🔄9❤️82👀19584📊41

⚡ Powered by xgo.ing

FDE 和以前的consulting 什么区别？

宝玉 (@dotey) — Mon, 20 Jul 2026 15:17:11 GMT

FDE 和以前的consulting 什么区别？

💬25🔄1❤️27👀79384📊27

⚡ Powered by xgo.ing

帮转招人信息

宝玉 (@dotey) — Mon, 20 Jul 2026 05:17:06 GMT

帮转招人信息

AlexZ 🦀@blackanger

好消息。

我这边有个岗位，会 Rust 最好，不会也没关系，但一定要重度 AI Coder，有自己的 AI 工作流。

可远程，但需要现场的时候也得在现场。

短期岗位，可到明年，适合喜欢 AI Coding ，挑战困难，今年还未找到工作的朋友。

🔗 View Quoted Tweet

💬34🔄1❤️20👀42534📊24

⚡ Powered by xgo.ing

FDE 就是模型公司的阳谋：先让人去帮企业落地 Agent 卖 Token，把企业知识沉淀成 Skills，然后把这些 Skills 内化到模型。接下来企业就不需要那么多人了，如果因为效率提升带来...

宝玉 (@dotey) — Sun, 19 Jul 2026 15:47:04 GMT

FDE 就是模型公司的阳谋：先让人去帮企业落地 Agent 卖 Token，把企业知识沉淀成 Skills，然后把这些 Skills 内化到模型。

接下来企业就不需要那么多人了，如果因为效率提升带来了业务的拓展，那皆大欢喜，如果业务并没有拓展，那就只有财源广进降本增效了。

未来各行各业都要被 AI 卷了，懂 AI 的软件工程师反而因为 FDE 还能苟延残喘一段。

AI 能力越强竟然越来越有些悲观，虽然未来是美好的，但转型过程中是残酷的。

💬129🔄44❤️291👀72205📊177

⚡ Powered by xgo.ing

更多细节介绍 https://t.co/kWnheDCLu7

宝玉 (@dotey) — Sun, 19 Jul 2026 06:51:07 GMT

更多细节介绍
x.com/FeitengLi/stat…

Feiteng@FeitengLi

OpenMOSS 开源 MOSS-Transcribe-Diarize-0.9B，多人长音频转写一次搞定「说了什么、谁说的、何时说的」。

0.9B 参数，128K 上下文，最长约 90 分钟音频一次喂进去，不切片不拼接。

4090 单卡，RTF 0.017，5–10 分钟录音 30 秒转完。

架构是 Whisper-Medium 编码器 + Qwen3-0.6B 风格 decoder，端到端一个自回归任务全包，不走 ASR＋说话人分离＋时间对齐那套级联。

带热词增强，人名/术语/型号能预配。

Apache 2.0，能商用。

模型 🤗huggingface.co/OpenMOSS-Team/…H
代码github.com/OpenMOSS/MOSS-…X

🔗 View Quoted Tweet

💬0🔄1❤️3👀10177📊2

⚡ Powered by xgo.ing

今天给 BaoCut 集成了 OpenMOSS 开源的 MOSS-Transcribe-Diarize-0.9B，能够一次性将长音频转换为结构化、带说话人标注的转写结果。它有点好就是不需要专门的发...

宝玉 (@dotey) — Sun, 19 Jul 2026 06:48:18 GMT

今天给 BaoCut 集成了 OpenMOSS 开源的 MOSS-Transcribe-Diarize-0.9B，能够一次性将长音频转换为结构化、带说话人标注的转写结果。

它有点好就是不需要专门的发言人识别模型，直接输出带精确时间戳、发言人的时间对齐文本。

转录速度比 qwen3-asr-0.6b 要慢些，不支持标点符号，似乎自定义 Prompt 与热词没有起作用。

项目地址：github.com/OpenMOSS/MOSS-…

宝玉@dotey

最早我做字幕翻译的时候，语音转文字是用的 Whisper，但是 Whisper 有几个问题：

一个问题是时间戳不准，时间戳不准拆分的就是就可能字幕和语音对不上，很影响效果，需要人工去从头到尾校对一遍

一个问题是中英文混排支持不好，中文其实支持也不算太好，所以中文的转录就效果很差

一个问题是不直接支持识别发言人

虽然这些问题都可以通过收费的云端模型来解决，但是成本相对高一些。

最近测试了 Qwen3 ASR，效果是真的很不错，配合 Qwen3-ForcedAligner 模型，可以识别后把词级时间戳对的很精准。0.6b 就足够了，本地运行资源占用也不高。github.com/QwenLM/Qwen3-A…

发言人识别也有开源的模型：Pyannote + WeSpeaker。不过这个发言人一多尤其是一起说话识别的不够准，但配合 Agent 结合上下文就能做到相对比较准了。

如果真的要求高，也可以走云端模型，比如火山引擎上的豆包录音文件识别模型 2.0 就质量挺好，速度也快，就是要额外花钱。

🔗 View Quoted Tweet

💬26🔄13❤️108👀31311📊45

⚡ Powered by xgo.ing

Claude 前一段时间把每周限额临时提升了 50%，客观说效果还是挺好的，要是用 Opus 4.8 的话比 GPT 5.6 还耐用，不过架不住 Codex 一天天重置。这个活动本来要到期了，现在...

宝玉 (@dotey) — Sat, 18 Jul 2026 18:07:09 GMT

Claude 前一段时间把每周限额临时提升了 50%，客观说效果还是挺好的，要是用 Opus 4.8 的话比 GPT 5.6 还耐用，不过架不住 Codex 一天天重置。

这个活动本来要到期了，现在延期一个月了，感觉一个月后可能要变成常态了。

ClaudeDevs@ClaudeDevs

We're also keeping Claude Code weekly limits 50% higher, now through August 19, for all Pro, Max, Team, and seat-based Enterprise users.

🔗 View Quoted Tweet

💬72🔄2❤️78👀40399📊54

⚡ Powered by xgo.ing

模型发布苦不苦，想想 Gemini 3.5 (pro) 好歹都高光过，总比胎死腹中要好……

宝玉 (@dotey) — Sat, 18 Jul 2026 14:52:05 GMT

模型发布苦不苦，想想 Gemini 3.5 (pro)

好歹都高光过，总比胎死腹中要好……

💬32🔄3❤️206👀97345📊48

⚡ Powered by xgo.ing

GUI 自动化测试首先主要的流程依赖于自动化的 E2E（端到端）测试，比如说 Web 可以借助Playwright 这样的自动化测试框架，另外还可以借助 Agent 的 Computer Use 做自...

宝玉 (@dotey) — Sat, 18 Jul 2026 14:49:49 GMT

GUI 自动化测试首先主要的流程依赖于自动化的 E2E（端到端）测试，比如说 Web 可以借助Playwright 这样的自动化测试框架，另外还可以借助 Agent 的 Computer Use 做自动化测试，但是成本要高不少，稳定性也要差一些，不过可以做很多传统 E2E 做不到的事情，代替很大一部分人工

💬0🔄0❤️4👀5274📊2

⚡ Powered by xgo.ing

还有补充一个很重要的点，尽量用 Codex/Claude Code 的Desktop 版本，借助 Compter Use 去自动化测试。现在桌面版这块做的特别好，交付前都会主动调用 Compter...

宝玉 (@dotey) — Sat, 18 Jul 2026 14:06:43 GMT

还有补充一个很重要的点，尽量用 Codex/Claude Code 的Desktop 版本，借助 Compter Use 去自动化测试。

现在桌面版这块做的特别好，交付前都会主动调用 Compter Use 帮你测试一下，有问题会自动修复，这比人工测试效率高多了。

x.com/bernadine53742…

💬5🔄0❤️6👀16463📊7

⚡ Powered by xgo.ing

观念会慢慢改变的，因为团队代码也会慢慢变成AI维护。当然前提是团队得普及 GPT 5.6 级别以上的模型。好的模型写的代码水平远超绝大部分人，已经不太需要人类的品味了。

宝玉 (@dotey) — Sat, 18 Jul 2026 08:33:12 GMT

观念会慢慢改变的，因为团队代码也会慢慢变成AI维护。

当然前提是团队得普及 GPT 5.6 级别以上的模型。好的模型写的代码水平远超绝大部分人，已经不太需要人类的品味了。

蚍蜉 Showtime@JackchanceLi

对于团队协作的代码，我会看代码，因为这是我交付的作品，代表我的品味，后续可能会由他人来维护。

对于个人项目，目前主要关注需求、验收和架构，不太关注具体代码了。

🔗 View Quoted Tweet

💬68🔄4❤️119👀45781📊58

⚡ Powered by xgo.ing

至于如何加自动化测试，提示词引导就好。如果你的项目没有自动化测试：“请帮我初始化自动化测试。” 如果你的项目已经有了自动化测试，在 AGENTS.md 里面加上：“实现功能的同时，要同步写自动化...

宝玉 (@dotey) — Sat, 18 Jul 2026 08:02:38 GMT

至于如何加自动化测试，提示词引导就好。

如果你的项目没有自动化测试：“请帮我初始化自动化测试。”

如果你的项目已经有了自动化测试，在 AGENTS.md 里面加上：“实现功能的同时，要同步写自动化测试代码，并且完成后要用测试代码验证。”

💬4🔄1❤️7👀3819📊5

⚡ Powered by xgo.ing

这是我以前写的更详细基于 Claude Design 的开发模式 https://t.co/Qet4saizQD

宝玉 (@dotey) — Sat, 18 Jul 2026 07:59:54 GMT

这是我以前写的更详细基于 Claude Design 的开发模式
x.com/dotey/status/2…

宝玉@dotey

之所以研究 Claude Design，是因为最近摸索出一套不错的开发模式：

1. 先用 Claude Design 去设计 App 的 UI 和 UX，第一版本越简单越好。

Claude Design 交付的结果是 HTML + CSS + React + data.js，通过 CSS 一下就可以看清楚设计系统的颜色系统、尺寸规范，通过 React 可以看清楚组件结构，通过 data 可以知道数据结构什么样子。

这几个组合可比 figma 对于 AI 来说友好多了，尤其是 data.jsx，这是一般的设计 App 不会有的，但对开发特别重要的。

还有一个优势就是交付的结果都是文本格式的，可以一起提交到 git 做版本管理，用 git diff 就可以清楚的让 AI 知道设计稿修改了什么。

2. 把 Claude Design 生成设计稿交给 Claude Opus 4.8 去实现一个 MVP，第一个版本只实现 UI 功能，告诉它技术栈（比如 AppKit 而不是 SwiftUI），通过几个小版本的迭代，让它逐步完善。比如第一个版本只是主界面

之所以不用 GPT，是因为 Opus 在 UI 实现上比 GPT 好太多，同样的设计稿，GPT 实现的各种细节问题的，不能很好的遵守设计稿。

之所以不一下子实现太多功能，是因为功能越少 Agent 越容易聚焦，做出来效果越好。所以怎么拆分版本，也是用好 Coding Agent 的一种能力。

非 UI 的功能，用什么模型没有那么大差别，所以我也会用 Codex 配合非 UI 工作。

3. 每次生成一个版本，要让它可以运行，无论是 Agent 还是人都是需要即时反馈的，有了反馈才知道方向对不对，才知道下一步要做什么。

人在测试的时候，能发现各种问题，代码问题就让 Agent 去修改，UI 设计有问题不是马上修改代码，而是要去 Claude Design 去修改设计稿，设计稿修改完了，把设计稿下载回去，替换本地的设计稿文件。

设计稿替换后，让 Agent 去 git diff 分析一下变更，给它个截图，都不用多说它就知道怎么改了。

4. 版本稳定后继续新一轮迭代

当设计的功能做完之后，不一定是要马上去设计新的功能，而是可以重新审查一下实现的代码，重构优化一下。

比如我在第一版实现后，让 Opus 4.8 去做了性能分析，看性能问题在哪，然后告诉我当前用 NSScrollView，内容一多就内存暴涨，建议 NSTableView。

我心想这不应该是一开始就该考虑到的么！不管怎么样亡羊补牢也不算晚。

性能优化完就继续加功能，更新设计稿，让 Agent 参考新设计稿优化功能。

---

再回来说研究 Claude Design 的事，因为反复 Claude Design 修改，同步到本地，然后这一步让我后来很烦，因为需要在本地和 Claude Design 网页切换，还要导出下载到本地，解压缩替换。

于是我就想能不能在本地就可以重现 Claude Design 直接集成到本地 Agent，所以我去研究了 Claude Design，然后发现完全可以本地跑起来，只是本地 Agent 在工具调用上有些差异，以及不方便直接在设计稿上标记编辑。

上周正好 Codex 发布了直接调试 iOS 的功能，它带了标记修改的功能，然后我灵机一动，这不正好可以代替 Claude Design 的标记修改功能么。（图2）

问题是 GPT 5.5 模型设计能力不够，在 Codex 里面设计效果也不会好。

接着  Cursor 也发布了网页标记功能，这下正好，Cursor 里面可以用 Opus 4.8，做成 Skill 就可以本地运行了，还可以在 Cursor 内置浏览器中，直接标记、评论修改。

好在 Claude Code 的核心逻辑都在浏览器前端，他们在网页上做了个 Harness，这给了我分析的便利，耐心一点就可以分析出所有的 Prompt、内置 Skills、初始组件，再针对 Cursor 的工具做一些兼容就可以跑起来了。（图3）

测试对比了一下和在 Claude Design 上跑的效果差不多。（图4）

归根结底，还是 Claude Desktop 太拉胯了，Claude Design 本应该集成在 Claude Desktop 的，不然也不需要我这么折腾。

当然不折腾下我也没机会学习 Claude Design 优秀的设计，真的很棒，接下来会系列更新我的学习心得。

推荐去试试最终的 Skill，让你本地就可以跑 Claude Design：
github.com/jimliu/baoyu-d…

🔗 View Quoted Tweet

💬1🔄1❤️6👀9038📊5

⚡ Powered by xgo.ing

高保真原型已经可以代替传统的产品文档了，而且效果更好。Claude Design 出的高保真原型可以交互、有各种模拟的数据，比文档直观多了，这样的设计稿交给 AI，无论你用什么语言实现，基本上能还原 ...

宝玉 (@dotey) — Sat, 18 Jul 2026 07:57:25 GMT

高保真原型已经可以代替传统的产品文档了，而且效果更好。Claude Design 出的高保真原型可以交互、有各种模拟的数据，比文档直观多了，这样的设计稿交给 AI，无论你用什么语言实现，基本上能还原 9 成以上。

比如你看我开发 BaoCut 的时候，没有维护设计文档，但是有一份高保真的可交互原型，每次增加/修改功能的时候，先去原型那里修改确认，原型修改起来又快又方便，也不用考虑代码实现。

比如截图是我正在实现的一个为视频添加水印功能（图1）：
1. 先提功能需求，让 Opus 4.8 出原型稿（图2）
2. 然后反复打磨原型 （图3）
3. 原型确认清楚了，让 AI 实现最终代码（图4）

DinoDeer@xDinoDeer

@dotey 完全不用产品文档这一关了吗？

🔗 View Quoted Tweet

💬26🔄15❤️162👀42837📊55

⚡ Powered by xgo.ing

QA 的话： 1. 大部分要交给自动化测试，也就是实现功能的时候要同步实现自动化测试代码，现在 Agent 这方面能力很强，稍微引导一下即可 2. 人做黑盒测试，不看具体实现，验证功能完整性、边界...

宝玉 (@dotey) — Sat, 18 Jul 2026 07:44:33 GMT

QA 的话：

1. 大部分要交给自动化测试，也就是实现功能的时候要同步实现自动化测试代码，现在 Agent 这方面能力很强，稍微引导一下即可

2. 人做黑盒测试，不看具体实现，验证功能完整性、边界条件、极端测试（数据很大之类）、安全性等等

x.com/bernadine53742…

qifeng.he@bernadine53742

QA这块有什么具体的方案吗？现在QA耗费时间太长了

🔗 View Quoted Tweet

💬1🔄0❤️11👀7180📊3

⚡ Powered by xgo.ing

如果你惊讶于为什么 Codex 一天能发布几个版本，从这条 Codex 团队成员的推文你大概可以看出，现在绝大部分具体代码已经都是 Codex 在实现了。我的体验也差不多，日常开发更多变成了产品经...

宝玉 (@dotey) — Sat, 18 Jul 2026 07:31:24 GMT

如果你惊讶于为什么 Codex 一天能发布几个版本，从这条 Codex 团队成员的推文你大概可以看出，现在绝大部分具体代码已经都是 Codex 在实现了。

我的体验也差不多，日常开发更多变成了产品经理和 QA 的角色：定义功能+验证结果。

至于代码实现，已经不怎么细看了。

Thomas Ricouard@Dimillian

I'm very curious: how close to the code do you still prompt? Do you still ask for specific architecture? Do you still ask for the code to be written in a specific way? 
For me, it mostly depends on the project, but I can't hide I've been further and further from the actual code.

🔗 View Quoted Tweet

💬43🔄29❤️304👀129566📊76

⚡ Powered by xgo.ing

现在还有人在推荐的所谓开源“剪映 CapCut”替代 OpenCut 现在已经只有一个壳了，基本上啥代码都没有。https://t.co/vqWYpMDvRU 以前的那个半成品也归档不再更新了。ht...

宝玉 (@dotey) — Sat, 18 Jul 2026 05:25:54 GMT

现在还有人在推荐的所谓开源“剪映 CapCut”替代 OpenCut 现在已经只有一个壳了，基本上啥代码都没有。github.com/OpenCut-app/Op…

以前的那个半成品也归档不再更新了。github.com/opencut-app/op…

💬78🔄5❤️174👀100415📊108

⚡ Powered by xgo.ing

靴子落地了：从7月20日起，Claude Fable 5 将包含在所有 Max 和 Team Premium 计划中，限额为50%。这得感谢 GPT 5.6 和 Kimi 3

宝玉 (@dotey) — Sat, 18 Jul 2026 02:52:01 GMT

靴子落地了：从7月20日起，Claude Fable 5 将包含在所有 Max 和 Team Premium 计划中，限额为50%。

这得感谢 GPT 5.6 和 Kimi 3

Claude@claudeai

Beginning July 20, Claude Fable 5 will be included in all Max and Team Premium plans, at 50% of limits.

Pro and Team Standard users will continue to have access to Fable via usage credits, and will receive a one-time $100 credit.

Demand for Fable has been challenging to predict, which is why we rolled it out to subscription plans in stages, extending access several times as we secured additional capacity.

🔗 View Quoted Tweet

💬73🔄4❤️238👀70725📊66

⚡ Powered by xgo.ing

可以添加专门的 AI 时间线，看到更多 AI 相关信息

宝玉 (@dotey) — Fri, 17 Jul 2026 19:50:45 GMT

可以添加专门的 AI 时间线，看到更多 AI 相关信息

Nikita Bier@nikitabier

If you want to keep track of the latest AI model releases, pin the AI custom timeline. It’s personalized for you, ranked and labeled by Grok. The best way to monitor the situation as it’s happening.

🔗 View Quoted Tweet

💬15🔄3❤️43👀17788📊16

⚡ Powered by xgo.ing

Claude Code 刚才短暂下架了 Fable 5，然后又恢复了。有个朋友比较倒霉，因为开启了“Usage credits”，一个正在进行中的任务就开始使用 API 额度了，一小会轻松 $18 就...

宝玉 (@dotey) — Fri, 17 Jul 2026 19:24:50 GMT

Claude Code 刚才短暂下架了 Fable 5，然后又恢复了。有个朋友比较倒霉，因为开启了“Usage credits”，一个正在进行中的任务就开始使用 API 额度了，一小会轻松 $18 就没了。

他们要真下了也挺好，我周末就可以好好放松一下了，现在要忙于把剩余额度在周末消耗完，不然 19 日到期就不能再在 Claude Code 内用了。

忠告：千万别打开“Usage credits”

💬33🔄4❤️73👀42552📊36

⚡ Powered by xgo.ing

买 Mac 是没错的，现在主流 Agent 应用都是 Mac 支持最好，比如 Compter Use，只有 Mac 支持的好。对于开发者来说，开发 App 肯定也优先 Mac。我之前也试过 Ele...

宝玉 (@dotey) — Fri, 17 Jul 2026 19:10:19 GMT

买 Mac 是没错的，现在主流 Agent 应用都是 Mac 支持最好，比如 Compter Use，只有 Mac 支持的好。

对于开发者来说，开发 App 肯定也优先 Mac。我之前也试过 Electron，性能还是远比不上原生的。

如果不需要移动办公 Mac Mini 或者 Mac Studio 也挺好，但是内存一定要高，16 G 都小了，硬盘也一步到位 1T 以上。

💬24🔄27❤️258👀83232📊85

⚡ Powered by xgo.ing

杨植麟在 GTC 2026 的一次演讲"How We Scaled Kimi K2.5"：月之暗面想把 AI 训练中三个沿用了近十年的基础组件，重新做一遍。优化器 Adam（2014 年）、注意力机制...

宝玉 (@dotey) — Fri, 17 Jul 2026 17:38:33 GMT

杨植麟在 GTC 2026 的一次演讲"How We Scaled Kimi K2.5"：月之暗面想把 AI 训练中三个沿用了近十年的基础组件，重新做一遍。优化器 Adam（2014 年）、注意力机制（2017 年）、残差连接（2015 年），三个 Transformer 时代的地基组件，月之暗面各给了一个替代方案，而且全部开源。

但这场演讲讲的不只是 K2.5，而是月之暗面过去一年多的技术路线：开源模型还能从哪里继续变强，又该怎样逼近闭源模型的前沿水平。

杨植麟把答案拆成了三个方向：让每个 Token 更值钱、让更长的上下文真正发挥作用，以及让多个 Agent 同时协作。

此外，他还分享了两个重要进展：视觉训练如何反过来增强文本能力，以及月之暗面刚刚公布的下一代架构 Attention Residue。

【一、数据不够，就让每个 Token 更值钱】

大模型训练正在遇到一个越来越现实的问题：高质量数据快不够用了。

互联网上真正有价值的文本数量有限，模型越做越大，需要的数据越来越多，大家迟早都会撞上“数据墙”。既然高质量数据很难翻倍，月之暗面的思路是：能不能让模型从同样的数据里学到更多？

他们给出的答案是 MuonClip，用它替代已经用了十多年的 Adam 优化器。

MuonClip 基于 Muon 优化器。简单理解，它会在更新模型参数时，尽量让不同方向上的信息保持独立，减少重复和浪费，从而提高训练数据的利用效率。

月之暗面的实验结果是：使用同样数量的数据，MuonClip 的训练效果接近把数据量增加一倍，这不仅意味着训练成本下降，也意味着模型能力的上限可能被推高。

假设手里只有 50 万亿个高质量 Token，如果 Token 利用效率提高一倍，就相当于又多出了 50 万亿 Token。在优质数据越来越稀缺的情况下，这种效率提升比单纯增加算力更重要。

但 Muon 也有一个明显问题：模型扩展到万亿参数后，注意力层里的数值容易失控。

月之暗面在训练中发现，注意力层的最大 logit 会突然飙升到 1000 以上，而正常范围通常只有 50 到 100。一旦数值继续膨胀，训练曲线就会发散，整个训练过程可能直接崩掉。

为了解决这个问题，他们设计了 QK-Clip。它会在模型前向计算时，实时检查每个注意力头的最大 logit。一旦数值超过安全范围，就同步缩放 Q 和 K 的投影，把数值压回来。

这个操作不会改变训练的收敛效果，只负责维持数值稳定。

靠着 QK-Clip，月之暗面成功把 Muon 扩展到了万亿参数规模，并训练了超过 15 万亿 Token，整个过程中没有出现一次 loss spike。

【二、上下文不只是要长，还要真正有用】

第二个方向，是提高模型利用长上下文的能力。

杨植麟展示了 Scaling Law 论文作者 Jared Kaplan 等人曾经做过的一组实验：比较 Transformer 和 LSTM 在不同上下文长度下的预测效果。

LSTM 读到一定长度之后，效果很快就不再提升。继续增加上下文，模型也很难从中获得更多信息。Transformer 则不同。上下文越长，模型对后续内容的预测通常越准确，而且很难看到明显的饱和点。

这个特点在 Agent 时代尤其重要。复杂 Agent 任务可能持续几天甚至几周。模型需要记住之前做过什么、得到过哪些结果、哪些方向已经失败，以及接下来该做什么。如果长上下文不能持续提供有效信息，Agent 的任务链条就很容易断掉。

问题是，标准的全注意力机制成本太高。它的计算量会随着上下文长度平方增长。上下文扩大十倍，注意力计算量可能增加一百倍。到了百万 Token 级别，训练和推理成本都会变得非常高。

月之暗面的解决方案是 Kimi Linear，核心是一种名为 KDA，也就是 Kimi Delta Attention 的线性注意力机制。KDA 的关键，是让模型学会“哪些信息要长期保留，哪些信息可以快速忘掉”。

传统线性注意力通常只有一个全局衰减系数，控制整个模型的记忆速度。这有点像所有内容共用同一个遗忘按钮：要么一起记住，要么一起忘掉。KDA 把一个衰减系数拆成了多个。不同信息通道可以使用不同的遗忘速度：

- 有些通道衰减得很慢，负责保留长距离信息
- 有些通道衰减得很快，及时腾出空间吸收新内容

实际使用时，Kimi Linear 并没有完全抛弃全注意力，而是把线性注意力层和全注意力层按照 3∶1 的比例混合。

杨植麟称，这是第一个在短上下文、长输入和长输出任务上，都能全面超过全注意力的架构。上下文扩展到百万 Token，甚至更长时，它的效率优势会更加明显。

【三、从一个 Agent，变成一支 Agent 团队】

前两个方向都在提升单个模型的能力。第三个方向，则是让多个 Agent 一起工作。月之暗面把这种方式叫作 Agent Swarm，也就是“智能体集群”。

它的组织方式很像一家公司。一个主 Agent 充当 CEO，负责理解目标、拆解任务，并把不同子任务分配给多个子 Agent。子 Agent 可以分别扮演研究员、程序员、数据分析师和事实核查员等角色。任务完成后，主 Agent 再汇总结果。

这样做最大的价值是把串行任务改成并行任务。过去，一个 Agent 可能需要依次搜索资料、阅读文档、分析数据、编写代码、检查事实。现在，这些工作可以交给几十个甚至几百个 Agent 同时完成，从而大幅缩短复杂任务的执行时间。

不过，要让模型真正学会并行协作并不容易。训练 Agent Swarm 时，月之暗面设计了三种奖励：

第一种是“实例化奖励”，鼓励主 Agent 创建更多可以并行执行的子任务，避免它退化回单 Agent 串行工作。

第二种是“完成奖励”，要求子任务必须真正完成，防止模型为了获得实例化奖励，批量创建没有意义的空任务。

第三种是最终结果奖励，用来判断整个任务是否真正解决。

这三种奖励的权重会随着训练过程动态变化。训练前期更重视任务拆解、并行化和子任务完成率，后期则逐渐把重点转向最终结果。

从演示结果看，Agent Swarm 在复杂任务上能明显缩短执行时间。比如：

- 同时下载、阅读几百个信息源并完成研究
- 并行撰写一份上百页文献综述的不同章节
- 同时分析十个不同的数据集

Kimi K2.5 发布时，Agent Swarm 已经支持最多 100 个 Agent 并行工作，整个任务最多可以执行 1500 个步骤。4 月发布的 K2.6 又把并行 Agent 的上限提高到了 300 个。

【四、一个意外收获：练“视觉”，也能让“大脑”变聪明】

K2.5 和前代 K2 之间，一个重要变化是采用了“早期融合”训练。

过去很多开源多模态模型采用的是“后期融合”：先用大量文本训练出一个语言模型，再用相对少量的视觉数据补上看图能力。

例如，先训练 20 万亿个文本 Token，再用大约 2 万亿个多模态 Token 把视觉能力“贴”上去。

K2.5 的做法不同。

它从训练一开始，就把视觉和文本数据混在一起。在 K2 文本基座的基础上，K2.5 又训练了约 15 万亿个混合 Token。

这种方式带来了两个让杨植麟感到兴奋的结果。

第一个发现是：只训练视觉任务，也能提升模型的文本推理能力。

研究团队只让模型完成数数、识别图片和视觉问答等任务，没有加入数学或编程训练。结果模型的文本推理能力也变强了。

换句话说，模型在练习“看”的同时，“想”的能力也得到了提升。

第二个发现则来自相反的方向：如果文本基座足够强，模型甚至不一定需要专门的视觉 SFT 数据。

K2.5 采用了“零视觉 SFT”方案。所有监督微调数据都是纯文本，然后再通过文本与视觉联合的强化学习，让模型获得视觉能力。最终，它在视觉任务上的表现依然接近最先进水平。

杨植麟认为，这种双向迁移来自早期融合。

当文本和视觉被放进同一个表征空间后，一种模态学到的能力，就有机会迁移到另一种模态。这也是 K2.5 能够“看图写代码”的基础。

如果视觉和文本仍然像两个彼此分开的“大脑”，这样的跨模态能力就很难自然出现。

【五、下一步：用注意力机制替代残差连接】

演讲快结束时，杨植麟介绍了月之暗面刚刚发布的一项新研究：Attention Residue，也就是“注意力残差”。这篇论文发布于 3 月 15 日，距离演讲只有两天。

残差连接是现代深度神经网络最重要的基础技术之一。2015 年，何恺明等人提出残差网络，此后残差连接逐渐成为 Transformer 的标准组件。它的基本做法是：每一层不仅处理上一层的结果，还保留一条直接传递信息的通道。这样即使模型很深，信息和梯度也能顺利通过，模型才有可能稳定训练。

杨植麟引用了 Ilya Sutskever 的一个说法：残差连接可以被理解为“旋转了 90 度的 LSTM”——LSTM 在时间维度上传递信息，残差连接则在网络深度上传递信息。

月之暗面顺着这个类比继续往前走了一步。

既然 Transformer 已经用注意力机制替代了 LSTM 在时间维度上的循环结构，那么在深度维度上，是否也能做同样的替换？

Attention Residue 就是这个思路的产物。

标准残差连接主要使用上一层的输出。Attention Residue 则允许当前层查看所有前序层的输出，再通过注意力机制决定：哪些历史信息值得保留，哪些信息可以忽略。

也就是说，模型不再只能被动接收上一层的结果，而是可以主动从整个计算历史中挑选信息。

为了控制计算成本，月之暗面实际采用的是分块版本 Block Attention Residual。它会把模型层分成多个块，比如每 16 层组成一个块。块内继续使用标准残差连接，块与块之间才使用注意力残差。

实验显示，大约 8 个块就能获得大部分收益。

Attention Residue 带来了约 24% 的 Token 效率提升。

按照杨植麟的算法，如果有 50 万亿个高质量 Token，效率提高 24%，就相当于额外增加了 12 万亿个 Token。它在 GPQA、MATH 和 HumanEval 等推理、数学与编程测试上的提升尤其明显。

【三个用了近十年的组件，都还有改进空间】

演讲最后，杨植麟把月之暗面的三个替代方案放在了一起：

- Adam → MuonClip
- Full Attention → Kimi Linear
- Residual Connection → Attention Residue

它们分别对应大模型训练中的三个基础问题：

- 怎样从有限的数据中学到更多
- 怎样更高效地利用超长上下文
- 怎样让深层网络更灵活地传递信息

三个方案都可以相对独立地替换现有组件，也都已经开源。

这些技术能否直接叠加，增益能否简单相乘，目前还没有经过完整验证。但它们至少说明了一件事：很多被认为“已经足够好”的基础组件，可能远没有到达终点。

在优质数据越来越少、训练成本越来越高的情况下，继续堆参数和算力并不是唯一的路。重新设计优化器、注意力机制和残差连接，同样可能带来可观的提升。

这也是杨植麟整场演讲真正想表达的观点。

正如他最后所说：

> “Open models cannot be just open; they have also to be great.”

开源模型不能只是开放，还必须足够强。

注：本视频由 BaoCut.app 翻译

Your browser does not support the video tag.

🔗 View on Twitter

Jackywine@Jackywine

KIMI CEO杨植麟，一个视频带你彻底看懂大规模 AI 系统训练的秘密
自己看一遍比什么都重要

Your browser does not support the video tag.

🔗 View on Twitter

🔗 View Quoted Tweet

💬35🔄312❤️1458👀290267📊377

⚡ Powered by xgo.ing

设计能力好、品味好的人，不需要 AI 都能做出漂亮的设计，有 AI 更是如虎添翼，但普通人不行。 AI 能提升普通人的下限，但是提升不了上限； AI 能放大和加速专业能力。

宝玉 (@dotey) — Fri, 17 Jul 2026 17:28:34 GMT

设计能力好、品味好的人，不需要 AI 都能做出漂亮的设计，有 AI 更是如虎添翼，但普通人不行。

AI 能提升普通人的下限，但是提升不了上限；
AI 能放大和加速专业能力。

WesLin@hushoushuan

@dotey 其实我用下来，也是觉得 GPT 5.6 的前端能力比较差，尤其是前端 UI 设计能力。

但是我也经常看到 X 上面有很多人，用 GPT 5.6 做出来的网页前端看起来高级得不得了，各种动效拉满。我都有点搞不明白，他们到底是怎么做到的？😂

🔗 View Quoted Tweet

💬11🔄3❤️84👀23418📊17

⚡ Powered by xgo.ing

UI Design Opus 4.8 是最好的，Fable 5 也不见得比它更好。GPT 5.6 Design 只能说比 GPT 5.5 好点，还是很差。推荐多用用 Claude Design +...

宝玉 (@dotey) — Fri, 17 Jul 2026 17:06:55 GMT

UI Design Opus 4.8 是最好的，Fable 5 也不见得比它更好。GPT 5.6 Design 只能说比 GPT 5.5 好点，还是很差。

推荐多用用 Claude Design + Opus 4.8 做做原型设计 UI 设计，会让你的软件设计水平提升一大截。

💬23🔄22❤️205👀47242📊67

⚡ Powered by xgo.ing

OpenAI 正面回应了 GPT-5.6 在用户电脑上删文件这事，结论是：GPT-5.6 在执行编程任务时，可能会把用户的整个主目录（$HOME）给删了。出现这种问题的原因是这样的：用户开启了 ...

宝玉 (@dotey) — Fri, 17 Jul 2026 16:39:43 GMT

OpenAI 正面回应了 GPT-5.6 在用户电脑上删文件这事，结论是：GPT-5.6 在执行编程任务时，可能会把用户的整个主目录（$HOME）给删了。

出现这种问题的原因是这样的：
用户开启了 Codex 的完全访问模式（Full Access），关掉了沙盒保护，也没开自动审查（Auto Review）。模型在做清理任务时，试图重写 $HOME 环境变量来指定一个临时目录，结果搞混了，把真正的 $HOME 目录删掉了。

Tibo 说 OpenAI 正在采取措施：更新开发者提示信息，引导用户使用更安全的权限模式，在 Codex 的 Harness 加额外的安全检查。他还承诺几天内会发一篇详细的事后分析报告。

Tibo@thsottiaux

On file deletions. We’ve investigated a handful of reports where GPT-5.6 unexpectedly deleted files. 

What we have  found is that this most commonly occurs when:
- Full access mode is enabled and codex is run without sandboxing protections, including without auto review being enabled
- The model attempts  to override the $HOME env var to define a temporary directory.
- The model makes an honest mistake and mistakenly deletes $HOME instead.

This is of course not how we want the system to behave, even when a user operates the model in full-access mode without the safeguards of our sandbox or without using auto review which checks for these kinds of high risk actions and rejects them. 

We are taking steps to mitigate this risk including by updating the developer message, guiding more users towards safer permission modes, and adding additional harness safeguards. Even though this happens extremely rarely, we’ll share a detailed post-mortem in the coming days that goes into more details and what we are doing to minimize risks further.

🔗 View Quoted Tweet

💬41🔄13❤️127👀71693📊46

⚡ Powered by xgo.ing

最早我做字幕翻译的时候，语音转文字是用的 Whisper，但是 Whisper 有几个问题：一个问题是时间戳不准，时间戳不准拆分的就是就可能字幕和语音对不上，很影响效果，需要人工去从头到尾校对一遍...

宝玉 (@dotey) — Fri, 17 Jul 2026 06:28:28 GMT

最早我做字幕翻译的时候，语音转文字是用的 Whisper，但是 Whisper 有几个问题：

一个问题是时间戳不准，时间戳不准拆分的就是就可能字幕和语音对不上，很影响效果，需要人工去从头到尾校对一遍

一个问题是中英文混排支持不好，中文其实支持也不算太好，所以中文的转录就效果很差

一个问题是不直接支持识别发言人

虽然这些问题都可以通过收费的云端模型来解决，但是成本相对高一些。

最近测试了 Qwen3 ASR，效果是真的很不错，配合 Qwen3-ForcedAligner 模型，可以识别后把词级时间戳对的很精准。0.6b 就足够了，本地运行资源占用也不高。github.com/QwenLM/Qwen3-A…

发言人识别也有开源的模型：Pyannote + WeSpeaker。不过这个发言人一多尤其是一起说话识别的不够准，但配合 Agent 结合上下文就能做到相对比较准了。

如果真的要求高，也可以走云端模型，比如火山引擎上的豆包录音文件识别模型 2.0 就质量挺好，速度也快，就是要额外花钱。

💬71🔄58❤️419👀98438📊193

宝玉(@dotey)

猜猜今天哪家会重置额度？ 我估计 Codex 和 Claude Code 都会重置

Anthropic 今天发布了 Claude Opus 5。API 价格为每百万输入 Token 5 美元、输出 Token 25 美元，与上一代 Opus 4.8 完全相同，但只有 Fable 5 ...

且不说他早年看不上 Coding Agent（现在已经变了），但到现在 DeepSeek 居然还不支持多模态，确实理解不了

以前玩游戏时间长了点有负罪感，觉得虚度光阴了，现在一边玩游戏一边等 Agent 干活，居然有点心安理得。 可能从砍柴变成了放羊？

@xiaohu 继续锐评一下微信吧

前些天 X 上还一堆人讨论要不要看 AI 生成的代码，现在《Clean Code》作者鲍勃大叔都说：“我不看 AI 写的代码” 他的原话是，这是他能利用 AI 生产力的唯一方式。人类读代码太慢了，如...

Gmail 的“管理订阅”功能挺好用，可以看有哪些订阅，直接取消订阅

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。 具体来说，你可以一边跟 ChatGPT 说话，一边让它操...

骂 AI 测试也能理解，如果测试质量不好反而是负资产。 https://t.co/46hL3obm2g 这里通常两个问题： 1. AI 没有理解清楚需求（上下文），按照错误的理解写出来的测试本身是有...

软件工程应该没有说不要轻易重构，重点是告诉你科学的重构，告诉你重构之前要写好测试。 AI 确实让重构更容易成本更低，但是做事的方式没变，不要盲目重构，先写好测试，哪怕是 AI 写。 AI 真正擅长...

赞，内容质量很不错👍

达文西的手电筒：没光不会亮，有光才能亮

有同感，我现在更多让 AI 提供素材，自己再组织整理会好很多。

Codex 的上下文压缩确实做的挺好的，不过是服务端实现的，并且加密了的，在第三方框架比如 Pi 中默认不会启用，但是可以通过插件启用服务端上下文压缩，具体参考原推文

HuggingFace 用的是 GLM 5.2 https://t.co/3qFLuY8qhC

OpenAI 今天承认，上周 Hugging Face 遭遇的那次“史上首例 AI 自主入侵事件”，攻击者就是他们自己的模型。 事情的经过是这样的。OpenAI 内部有一个叫 ExploitGym ...

Google 今天一口气发布了三款 Gemini 新模型：Gemini 3.6 Flash、3.5 Flash Lite 和 3.5 Flash Cyber。主角是 3.6 Flash，一个在多个维度...

@jakevin7 没必要装全局 Skills https://t.co/8GeK7c7cAd

刘老师的翻译： https://t.co/KVX4EMxoLE

FDE 全称是 AI Forward Deployed Engineer，请问中文怎么翻译？

Claude Code 更新加入了屏幕阅读器模式（Screen Reader Mode），让使用 VoiceOver、NVDA 等辅助工具的视障开发者也能用上 AI 编程助手。 启用屏幕阅读器模式后...

情绪价值也是价值 https://t.co/UoRjvR1TR0

开源首先解决的是信任问题，其次是流量。 能不能赚钱取决于这东西有没有价值，是不是开源是其次的。

张小龙总是对的😂

看工作内容吧，对我来说还不行，Opus 4.6 的写作、Opus 4.8 的设计和 Fable 5 对于疑难问题的处理目前都是难以替代的。 昨天我在测试转录一个播客音频的时候，时间戳总是对不上，我把...

FDE 和以前的consulting 什么区别？

帮转招人信息

FDE 就是模型公司的阳谋：先让人去帮企业落地 Agent 卖 Token，把企业知识沉淀成 Skills，然后把这些 Skills 内化到模型。 接下来企业就不需要那么多人了，如果因为效率提升带来...

更多细节介绍 https://t.co/kWnheDCLu7

今天给 BaoCut 集成了 OpenMOSS 开源的 MOSS-Transcribe-Diarize-0.9B，能够一次性将长音频转换为结构化、带说话人标注的转写结果。 它有点好就是不需要专门的发...

Claude 前一段时间把每周限额临时提升了 50%，客观说效果还是挺好的，要是用 Opus 4.8 的话比 GPT 5.6 还耐用，不过架不住 Codex 一天天重置。 这个活动本来要到期了，现在...

模型发布苦不苦，想想 Gemini 3.5 (pro) 好歹都高光过，总比胎死腹中要好……

GUI 自动化测试首先主要的流程依赖于自动化的 E2E（端到端）测试，比如说 Web 可以借助Playwright 这样的自动化测试框架，另外还可以借助 Agent 的 Computer Use 做自...

还有补充一个很重要的点，尽量用 Codex/Claude Code 的Desktop 版本，借助 Compter Use 去自动化测试。 现在桌面版这块做的特别好，交付前都会主动调用 Compter...

观念会慢慢改变的，因为团队代码也会慢慢变成AI维护。 当然前提是团队得普及 GPT 5.6 级别以上的模型。好的模型写的代码水平远超绝大部分人，已经不太需要人类的品味了。

至于如何加自动化测试，提示词引导就好。 如果你的项目没有自动化测试：“请帮我初始化自动化测试。” 如果你的项目已经有了自动化测试，在 AGENTS.md 里面加上：“实现功能的同时，要同步写自动化...

这是我以前写的更详细基于 Claude Design 的开发模式 https://t.co/Qet4saizQD

高保真原型已经可以代替传统的产品文档了，而且效果更好。Claude Design 出的高保真原型可以交互、有各种模拟的数据，比文档直观多了，这样的设计稿交给 AI，无论你用什么语言实现，基本上能还原 ...

QA 的话： 1. 大部分要交给自动化测试，也就是实现功能的时候要同步实现自动化测试代码，现在 Agent 这方面能力很强，稍微引导一下即可 2. 人做黑盒测试，不看具体实现，验证功能完整性、边界...

如果你惊讶于为什么 Codex 一天能发布几个版本，从这条 Codex 团队成员的推文你大概可以看出，现在绝大部分具体代码已经都是 Codex 在实现了。 我的体验也差不多，日常开发更多变成了产品经...

现在还有人在推荐的所谓开源“剪映 CapCut”替代 OpenCut 现在已经只有一个壳了，基本上啥代码都没有。https://t.co/vqWYpMDvRU 以前的那个半成品也归档不再更新了。ht...

靴子落地了：从7月20日起，Claude Fable 5 将包含在所有 Max 和 Team Premium 计划中，限额为50%。 这得感谢 GPT 5.6 和 Kimi 3

可以添加专门的 AI 时间线，看到更多 AI 相关信息

Claude Code 刚才短暂下架了 Fable 5，然后又恢复了。有个朋友比较倒霉，因为开启了“Usage credits”，一个正在进行中的任务就开始使用 API 额度了，一小会轻松 $18 就...

买 Mac 是没错的，现在主流 Agent 应用都是 Mac 支持最好，比如 Compter Use，只有 Mac 支持的好。 对于开发者来说，开发 App 肯定也优先 Mac。我之前也试过 Ele...

杨植麟在 GTC 2026 的一次演讲"How We Scaled Kimi K2.5"：月之暗面想把 AI 训练中三个沿用了近十年的基础组件，重新做一遍。优化器 Adam（2014 年）、注意力机制...

设计能力好、品味好的人，不需要 AI 都能做出漂亮的设计，有 AI 更是如虎添翼，但普通人不行。 AI 能提升普通人的下限，但是提升不了上限； AI 能放大和加速专业能力。

UI Design Opus 4.8 是最好的，Fable 5 也不见得比它更好。GPT 5.6 Design 只能说比 GPT 5.5 好点，还是很差。 推荐多用用 Claude Design +...

OpenAI 正面回应了 GPT-5.6 在用户电脑上删文件这事，结论是：GPT-5.6 在执行编程任务时，可能会把用户的整个主目录（$HOME）给删了。 出现这种问题的原因是这样的： 用户开启了 ...

最早我做字幕翻译的时候，语音转文字是用的 Whisper，但是 Whisper 有几个问题： 一个问题是时间戳不准，时间戳不准拆分的就是就可能字幕和语音对不上，很影响效果，需要人工去从头到尾校对一遍...

猜猜今天哪家会重置额度？我估计 Codex 和 Claude Code 都会重置

以前玩游戏时间长了点有负罪感，觉得虚度光阴了，现在一边玩游戏一边等 Agent 干活，居然有点心安理得。可能从砍柴变成了放羊？

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。具体来说，你可以一边跟 ChatGPT 说话，一边让它操...

OpenAI 今天承认，上周 Hugging Face 遭遇的那次“史上首例 AI 自主入侵事件”，攻击者就是他们自己的模型。事情的经过是这样的。OpenAI 内部有一个叫 ExploitGym ...

Claude Code 更新加入了屏幕阅读器模式（Screen Reader Mode），让使用 VoiceOver、NVDA 等辅助工具的视障开发者也能用上 AI 编程助手。启用屏幕阅读器模式后...

开源首先解决的是信任问题，其次是流量。能不能赚钱取决于这东西有没有价值，是不是开源是其次的。

看工作内容吧，对我来说还不行，Opus 4.6 的写作、Opus 4.8 的设计和 Fable 5 对于疑难问题的处理目前都是难以替代的。昨天我在测试转录一个播客音频的时候，时间戳总是对不上，我把...

FDE 就是模型公司的阳谋：先让人去帮企业落地 Agent 卖 Token，把企业知识沉淀成 Skills，然后把这些 Skills 内化到模型。接下来企业就不需要那么多人了，如果因为效率提升带来...

今天给 BaoCut 集成了 OpenMOSS 开源的 MOSS-Transcribe-Diarize-0.9B，能够一次性将长音频转换为结构化、带说话人标注的转写结果。它有点好就是不需要专门的发...

Claude 前一段时间把每周限额临时提升了 50%，客观说效果还是挺好的，要是用 Opus 4.8 的话比 GPT 5.6 还耐用，不过架不住 Codex 一天天重置。这个活动本来要到期了，现在...

还有补充一个很重要的点，尽量用 Codex/Claude Code 的Desktop 版本，借助 Compter Use 去自动化测试。现在桌面版这块做的特别好，交付前都会主动调用 Compter...

观念会慢慢改变的，因为团队代码也会慢慢变成AI维护。当然前提是团队得普及 GPT 5.6 级别以上的模型。好的模型写的代码水平远超绝大部分人，已经不太需要人类的品味了。

至于如何加自动化测试，提示词引导就好。如果你的项目没有自动化测试：“请帮我初始化自动化测试。” 如果你的项目已经有了自动化测试，在 AGENTS.md 里面加上：“实现功能的同时，要同步写自动化...

如果你惊讶于为什么 Codex 一天能发布几个版本，从这条 Codex 团队成员的推文你大概可以看出，现在绝大部分具体代码已经都是 Codex 在实现了。我的体验也差不多，日常开发更多变成了产品经...

靴子落地了：从7月20日起，Claude Fable 5 将包含在所有 Max 和 Team Premium 计划中，限额为50%。这得感谢 GPT 5.6 和 Kimi 3

买 Mac 是没错的，现在主流 Agent 应用都是 Mac 支持最好，比如 Compter Use，只有 Mac 支持的好。对于开发者来说，开发 App 肯定也优先 Mac。我之前也试过 Ele...

UI Design Opus 4.8 是最好的，Fable 5 也不见得比它更好。GPT 5.6 Design 只能说比 GPT 5.5 好点，还是很差。推荐多用用 Claude Design +...

OpenAI 正面回应了 GPT-5.6 在用户电脑上删文件这事，结论是：GPT-5.6 在执行编程任务时，可能会把用户的整个主目录（$HOME）给删了。出现这种问题的原因是这样的：用户开启了 ...

最早我做字幕翻译的时候，语音转文字是用的 Whisper，但是 Whisper 有几个问题：一个问题是时间戳不准，时间戳不准拆分的就是就可能字幕和语音对不上，很影响效果，需要人工去从头到尾校对一遍...