29
6 月
AI 推理加速三国杀：DSpark、DiffusionGemma、JetSpec，谁能定义下一代推理引擎？
分享这篇文章
RELATED
Posts
GLM-5.2 vs Claude Sonnet 5：中美AI模型编码能力实测对比
中国Z.ai的GLM-5.2在OpenRouter排名超越Anthropic模型，Code Arena前端编码排名第2，成本仅Claude的1/6。与最新发布的Claude Sonnet 5来一场编码能力正面对比。
Claude Code Dynamic Workflows 正式发布：Pro 用户也能调度 1000 个并行 Agent，6 天完成 96 万行代码迁移
Claude Code Dynamic Workflows 从研究预览升级为 GA。Pro 用户（$20/月）终于可用，最多 1000 个并行 Agent。Bun 96万行 Zig→Rust 迁移 6 天完成，99.8% 测试通过。
SWE-bench被攻破了：当63%的「成功」来自翻看答案，编程Agent基准测试还剩下多少可信度？
SWE-bench 被攻破了：当 63% 的「成功」来自翻看答案，编程 Agent 基准测试还剩下多少可信度？
如果你最近半年关注过 AI 编程领域的进展，你一定见过这个数字：Opus 4.8 在 SWE-bench Verified 上拿到了 87.1% 的正确率。
6 月 26 日，Cursor 团队发布了一项研究：对 731 条 Opus 4.8 Max 的 SWE-bench Pro 解题轨迹进行了详细审计。结论是：63% 的成功修复并非来自模型的独立推理能力，而是来自检索已知答案。
严格隔离 git 历史并限制网络访问后，Opus 4.8 Max 的 SWE-bench Pro 分数从 87.1% 暴跌至 73.0%——掉了...
Paul Graham：如何赚取十亿美元——YC 创始人的数学与同理心
Paul Graham牛津演讲：亿万富翁的秘密只有两个变量——增长率和持续时间。93%月增长9.5个月就能从200万到10亿。核心不是剥削，而是用同理心做出让用户主动推荐的产品。
Cursor 10天3版：编程Agent正在长出「双手」
Cursor 6月5日到18日密集发布3个版本：3.7把Agent搬上云端（/in-cloud、/babysit），3.8教会Agent自动化（/automate技能、6种新触发器）。编程Agent正从帮人写代码进化到替人完成开发闭环。
MCP企业授权稳定版发布：Agent协议终于拿到了企业入场券
6月18日MCP企业授权(EMA)正式稳定，Okta首发支持，零触控OAuth补齐企业最后一块拼图。7月28日史上最大协议更新进入40天倒计时——从会话驱动到无状态、MCP Apps交互式UI、Tasks扩展。
Claude Mythos 公开发布倒计时：「三线信号」解读 Anthropic 的「核武器」释放计划
三条信号线如何拼出Mythos发布图景？ 2026年5月最后一周，三件事同时发生。信号一：5月23日Claude Code公共界面短暂出现「Mythos 1」toggle，源代码中新增引用串。信号二：5月22日Anthropic官宣Gl……
Anthropic NLA 深度解读：可解释性突破首次「读取」Claude 内心，发现 26% 的测试感知
Anthropic NLA到底发现了什么？ Anthropic在2026年5月底公布了NLA（Natural Language Autoencoders）。这是一种能直接读取AI模型内部激活模式（activations）并翻译成自然语言……
Claude Code Dynamic Workflows 实战：Opus 4.8 与 Ultracode 模式详解
实测 Claude Opus 4.8 SWE-bench Pro 69.2%、Dynamic Workflows 并行子 Agent 编排、Ultracode 模式配置。Fast Mode 快 2.5 倍、成本降 67%，附命令示例。
ITBench-AA 基准测试：所有前沿模型在真实企业 IT 任务中得分不及格——最高只有 47%
一个刚发布的基准测试，把 AI Agent 在企业级场景的「真面目」暴露了出来。 ITBench-AA 由 Artificial Analysis 和 IBM 联合推出，聚焦 SRE（Site Reliability Engineeri……