打造克制、好用的 AI 产品。

2026年7月9日

OpenAI 发表 audit 报告《Separating signal from noise in coding evaluations》，把业界常用的编程评测集 SWE-Bench Pro 翻箱倒柜查了一遍，结论有点尴尬 - 大约 30% 的题目是坏的。围绕智能体评估，harness 工程化成了新的关注点。

2026年7月8日

腾讯正式发布 295B 参数的 MoE 开源模型 Hy3；微软在 Excel 和 Word 里悄悄用自研 MAI 模型替换 OpenAI 和 Anthropic；SWE-Marathon 在十亿 token 尺度上评估编程 Agent；Alignment Forum 的研究发现数据筛选对 SFT 行为的影响远小于预期。

2026年7月7日

Addy Osmani 发布了一套衡量 Agent 自主性的双轴框架；AWS 把 MiniMax 的智能体原生模型放上 Bedrock；Hugging Face 的 LeRobot v0.6.0 给机器人学习加上了世界模型和奖励模型。三条线拼出同一幅画面。

2026年7月6日

Simon Willison 用 Claude Fable 写完了 sqlite-utils 4.0rc2 - 一个新增 1321 行、删除 190 行、覆盖 30 个文件的 pull request，总花费 149.25 美元。另外还有 MCP 应用层的新思考，以及智能体持续学习的前沿讨论。