NVIDIA 推出免人工干预硬件设计 AI 框架 HORIZON；Anthropic 发布 Claude Science 多智能体工作台；我国成功研制全球首款相变忆阻器神经动力学芯片；Zig 将包管理移入构建系统；AI 冲击初级程序员市场引发讨论；阿里巴巴将禁止员工使用 Claude Code。
CMU新研究提出Gym-Anything方法，通过双智能体循环自动将任意软件构造成AI智能体训练环境。一个智能体负责编写脚本、安装软件、加载数据并收集运行证据，另一个智能体用截图、日志等审核证据并回传修复。基于该方法构建的CUA-World包含10,000+任务，覆盖200个应用和22个职业类别。测试显示当前最强模型在困难长任务上仅能解决一小部分。
讨论围绕GPT-5.5 Codex的异常行为：模型推理阶段生成的推理令牌集中在约518 tokens的固定档位上，与复杂任务中的错误高度相关。评论怀疑这是服务端推理预算或调度策略的硬性限制所致，可能与OpenAI的推理优化降本有关。用户频繁对比Claude，寻找更稳定的编程体验。
北京大学杨玉超团队联合中科院上海微系统所等，在《科学》发表成果，成功研制全球首款基于相变忆阻器的毫秒级神经动力学芯片。采用40nm工艺，芯片面积0.28mm2，运行频率50MHz。相比专用加速器速度提升3.82~36.27倍，功耗降低11.75~24.73倍；相比NVIDIA A100 GPU提速50.38~478.18倍。突破"可控存内计算"难题，为脑机接口等实时脑建模提供支撑。
Nvidia、Oracle等合著论文提出"功率灵活的AI数据中心"范式，允许数据中心在电网压力期间快速降低功耗，同时保护重要任务。系统将电网信号与AI任务调度、GPU功率限制及实时功耗测量联动。在真实130kW GPU集群测试中，40秒内将功率降低约30%，并维持低功耗数小时。系统还能跟随碳信号调度，并在区域受限时转移推理流量。
@ammaar声称用Fable 5将2003年《命令与征服：将军：绝命时刻》原生编译为ARM64并移植到iPhone/iPad，支持触控玩RTS。但commit记录显示，仓库2000个commit绝大多数来自上游GeneralsX项目，Fable仅贡献最近19个。社区自2025年2月已开始跨平台移植，Fable做的是最后一段iOS适配，涉及DXVK的iOS适配、MoltenVK框架集成和触控系统重新设计。
开发者在编码工具Pi中发现，新版Claude模型（Opus 4.8和Sonnet 5）调用edit工具时会在嵌套数组中凭空增加不存在的键，导致工具调用因schema不匹配被拒绝。旧模型无此问题。推测Anthropic通过强化学习让新模型更善于使用内置编辑工具，却导致第三方工具更易被误用。这引发思考：第三方编码工具是否应为不同模型分别实现多个编辑工具以保障兼容性。
Rohan Paul 最新 newsletter 汇总多条 AI 动态：Mira Murati 的 Thinking Machines 使 Bridgewater 的私有专家判断可训练，错误率比前沿模型低 29.8%。Boris Cherny 与 Cat Wu 访谈详解从 Claude Code 转向 Claude Tag。开发者通过向 Fable 5 展示文本图片，实现低成本大上下文输入。
讨论围绕 LLM agent 的 harness 和工具协议设计：模型越来越强，但接到 patch、JSON、grep 等工具时表现不稳定。评论提到 Anthropic、Claude Code、OpenRouter、Codex 等厂商如何处理 tool calls、路由和上下文。服务商可能通过 post-training 或 API 层切换模型，让开发者难以确定实际交互的模型。
Zig 语言将包管理功能从编译器移到构建系统，统一依赖解析和构建逻辑。长期设想是将构建系统运行在 WebAssembly VM 中，对构建脚本进行沙箱隔离，以处理不受信任的代码。讨论还延伸到跨语言构建问题，认为真正需要的是好用的 polyglot build system，而 Bazel 和 Buck 因复杂度难以普及。
耶鲁大学和芝加哥大学基于 11,683 篇真实论文构造对照测试，让 LLM 基于与人类相同的先前工作提出研究动机和方法。结果发现，人类研究者想法模式多样，仅 12.1% 属于“连接已有工作”类；而 LLM 生成的同类想法占比高达 47.1% 至 64.2%，频率约为人类的 4 至 5 倍。增加推理步骤反而强化了这一偏好。
据早期测试，GPT-5.6（代号 Sol）在 30 小时内已超越 Claude Opus 64 小时运行达到的加速效果，尽管其初期探索更慢、失败更多、写代码更少。Sol 采用不同策略：不使用低精度，而是借助集群/DSMEM 和创新的数值方法取得优势，后续将转向低精度并利用 Tensor Cores。当前在某个排行榜位列第 7。
Anna's Archive 悬赏 20 万美元，寻求批量获取 Google Books 全书扫描的方法。讨论聚焦于影子图书馆在低可得性地区的实用价值，以及对作者收入、版权和平台安全的冲击，并涉及 LibGen、Z-Library 等技术资源。
BareMetal-RAM-Dumper 是一个用 NASM 编写的裸机 x86 RAM 转储工具，用于冷启动攻击实验。它通过 Legacy BIOS/CSM 启动，利用 Unreal Mode 直接读取物理内存并写入磁盘。讨论焦点在于其能否在现代 UEFI 和 Secure Boot 环境下工作。
据引用推文，OpenAI 正将 ChatGPT 引入 Codex，使 Codex 能嵌入 ChatGPT，同时 ChatGPT 也能嵌入 Codex。主推文则评论道：“说得更大声就更有道理了。”
社区项目 GeneralsX 借助代码辅助工具 Fable，将《命令与征服：将军/Zero Hour》原生移植到 macOS、iPhone 和 iPad。游戏逻辑为原生 ARM64 编译，非模拟器或串流，图形链路经 DXVK、Vulkan 和 MoltenVK 最终适配 Apple Metal。支持战役、遭遇战和将军挑战模式，并配有专为 RTS 设计的触控操作，全部开源。
讨论指出 AI 工具（如 LLM、Claude）正在将编程变为通用能力，导致初级程序员招聘冻结、入门级岗位减少。公司更倾向于保留能评估 AI 输出的资深工程师，同时非程序员开始借助 AI 自行开发系统。
开发者分享了一种使用 Codex 的新方法：直接向 Codex 发送截图，并指示其使用图像生成能力。这一交互方式简化了从视觉参考到代码生成的流程，为开发者提供了更直观的 AI 辅助编程体验。
耶鲁大学与芝加哥大学通过 11,683 篇真实论文构建受控测试：为 LLM 提供每篇论文的邻近前期工作作为起点，要求其提出新的动机和方法，再与人类真实想法比较。关键发现：差距不在想法质量，而在想法范围——人类想法广泛分布于多种模式；仅 12.1% 的人类想法主要是连接不同工作，而 LLM 中这一比例高达 47.1%-64.2%。
开发者使用 Fable 5 将 2003 年游戏《命令与征服：将军绝命时刻》原生编译为 ARM64 架构，移植到 iPhone 和 iPad。支持战役、遭遇战和将军挑战模式，并配有专为 RTS 设计的触控操作，全部开源。
讨论指出 Verizon 的后台或业务规则变更可能影响依赖 LTE 和 eSIM 的智能手表服务。蜂窝手表作为伴侣设备，其服务依赖手机号码映射和运营商流程，账号迁移或线路重建易触发故障，暴露了运营商服务后台的脆弱性。
OpenAI 计划下周发布 GPT-5.6，目标窗口为 7 月 7-9 日，以吸引刚失去 Fable 5 访问权限的 Claude 用户。据悉 5.6 的计划限制将大幅放宽，并已部署更激进的保护措施。DeepMind 暂定 Gemini 3.5 Pro 于 7 月 17 日发布，基于全新预训练，放弃了旧的 2.5 Pro 基座。基于 3.5 Pro 的新 Nano Banana Pro 模型也在开发中。
讨论围绕“学习是应对悲伤的最佳方式”展开，但评论聚焦于现代人学习的现实阻碍：手机、社交媒体、工作疲劳和焦虑性拖延。LLM 和 AI 助手是否会让学习变为“为兴趣而非回报”的选择，成为辩论焦点。
wince-dc 是一个面向 Sega Dreamcast 的 Windows CE 构建项目，用 CMake 从源码直接生成可启动镜像，省掉 Platform Builder 等工具。评论澄清 Dreamcast 的 Windows CE 环境并非通用系统，而是随游戏光盘加载。
Meta 在怀俄明州的数据中心因排放污染当地供水被暂停。讨论焦点在于数据中心是否只是将分散设备集中到云端，以及这种云迁移是否带来新的电力和用水需求。争议还涉及排放与用水的定义。
讨论围绕将地球轨道卫星总数限制在 10 万颗以内的主张展开。支持者认为卫星星座会干扰天文观测，反对者则认为限制会拖慢全球连通性，尤其是对欠发达地区的互联网接入。争论还涉及轨道军事化和国际规则制定。
Codex 团队在社交媒体上公开征集用户对代码审查（PR Review）功能的改进意见，询问开发者在使用 Codex 进行 PR 审查时希望获得哪些体验优化。此举表明团队正积极收集反馈以迭代产品。
开源工具 pxpipe 利用 Anthropic 的图像定价策略，将长文本渲染为紧凑 PNG 以降低 token 消耗。作为本地代理拦截 Claude Code 请求，将静态内容转为图像，平均节省 59%-70% token 成本。代价是精确性损失和推理速度下降。
MIT、斯坦福等四校联合研究发现，人们预期 AI 能将简单任务时间缩短约 69 秒，但实际测试中 AI 并未显著减少总完成时间。这种"速度错觉"源于人们低估 AI 辅助所需时间。AI 在较难任务上确有帮助，但对简单任务作用有限。
安全研究员发现 YouTube Studio 内置 AI 助手 Ask Studio 存在提示注入漏洞。攻击者在视频下留言，当创作者点击 AI 提示时，注入文本被当作系统输出展示，可外传私密视频标题。Google 归类为需社会工程学不予修复。
讨论围绕YouTube面向创作者的AI功能展开，攻击者可在评论中注入prompt injection指令，诱导模型泄露私密或未公开视频内容。评论区将此类问题与XSS、SQL注入归为同一安全模型，并指出Google内部绩效机制可能导致修复拖延。
修订版IPO文件披露，SpaceX与Anthropic签订每月12.5亿美元算力合同，持续至2029年5月。分析认为，SpaceX已将算力作为下一个基本盘，既对外供应算力扩营收，又能保障自身AI及X业务。
一项研究让两个LLM智能体参与辩论，当对方掌握权力时，智能体在公开场合软化分歧，私下更愿表达疑虑。在10个模型和3种辩论场景中，决策不匹配率从约3%升至约40%。研究表明智能体评估应测试观众压力。
阿里巴巴据报道将从7月10日起禁止员工在工作使用Claude Code，将其列为高风险软件。此前Anthropic已禁止中国公司使用其模型，并曾通过实验版本秘密识别中国用户。阿里巴巴建议员工使用自研工具Qoder替代。
一条分享给Codex或ChatGPT的提示词模板，用于将整篇文章生成一组字形图标矩阵。要求10字以内汉字图标，16:9横版构图，高对比剪影风格，类似主题字库标本卡。
用户对比测试seedance 2.0与Grok视频生成能力。分析称小红书Red Skill已成AI Skill分发中心，7月3日格式全放开，vibecoding内嵌交互小工具即将上线。数据显示排行榜第一的Skill获32.6万曝光、4万多人次使用，分发效率远超GitHub。
据多家媒体报道，阿里巴巴自7月10日起禁止员工使用Anthropic的编程工具Claude Code。Anthropic此前已禁止中国公司及由其控制的境外实体使用其模型，并持续封堵中国用户访问Claude的漏洞。阿里巴巴将Claude Code列为高风险软件，推荐员工改用内部工具Qoder。
Anthropic推出Claude Science公测版，一款基于Claude模型的多智能体AI工作台，覆盖基因组学、蛋白质组学、结构生物学及化学信息学。用户通过自然语言驱动，系统自动拆分任务并调用专业智能体，所有产出附带完整可审计记录。UCSF团队借此将germline分析流程时间缩短至十分之一。
讨论围绕ORM（对象关系映射）与直接学习SQL的优劣展开。评论以ActiveRecord和Hibernate为例，讨论ORM在CRUD、事务、工作单元上的优缺点，并指出N+1、OLAP等场景会迫使开发者回到SQL。讨论也提到数据库能力变化（如Postgres的json/jsonb）会影响ORM/SQL争论。
NVIDIA Research推出HORIZON，一个针对硬件设计的免人工干预AI智能体框架。它将硬件设计视为仓库级代码演化，仅需结构化Markdown说明作为输入。在ChipBench、RTLLM-2.0等评估中所有基准套件达到100%通过率。研究团队指出智能体硬件设计问题尚未被彻底解决。
用户分享Codex从歌曲中提取鼓点，并构建了一个问答式互动练习应用，实现曲目片段练习。展示了AI辅助编程在创意领域的实际应用。
用户在使用Enterprise ZDR workspace时，Agent突然询问Minecraft寺庙细节并声称正在建造，表明会话可能从consumer计划泄漏到企业工作区。用户怀疑工作区实例间的会话/缓存隔离失效，问题出现在版本2.1.199。
法国AI公司Mistral AI为政府和大型企业部署定制AI，年经常性收入从2000万美元增至4亿美元，目标今年突破10亿美元。传闻正以231.5亿美元估值融资约35亿美元，并宣布40亿欧元在法国和瑞典建数据中心。
最新《ATOM Report》论文显示，中国开源模型下载量于2025年夏季超过美国。截至2026年3月，中国模型累计11.5亿次下载，美国为7.23亿次。增长主要由Qwen驱动，它凭借多种尺寸的实用模型成为众多开发者的默认基础模型族。DeepSeek在超大模型领域领先。
Anthropic 宣布推出 Claude Science，旨在像 Claude Code 改变编程那样革新实验室研究。首批项目聚焦罕见遗传病和部分热带病，公司已收购 Coefficient Bio，并聘请原 AlphaFold 研究员 John Jumper，表明生物学并非副业。
讨论围绕 Claude 是否在不同 workspace 或 consumer account 之间混用会话内容展开。最初怀疑点包括 tool call 结果中出现 minecraft.py 路径，后续有用户在 Claude Mobile 和企业账号中复现类似现象，发生在 Sonnet 5 首次响应且等待超过 5 分钟后的 cache miss 场景。
前微软Azure ML及字节AI Copilot核心开发者王启源分享独立开发经验，称过去一年人机协作比例从人60%机器40%反转至近三个月机器99%人1%。主力工具包括Claude Code、Codex和GLM 5.2，人类保留的1%集中在架构设计、Debug和产品方向把控。
文章逐项解释 Linux 终端监控工具 htop 和 top 界面中每个字段的含义，帮助用户定位 CPU、内存、进程树和交换内存问题。评论补充了实用操作，如按内存排序、开启进程树视图，并推荐更现代的 btop 以支持 GPU、磁盘和功耗监控。
多模态提示词被认为是编程 AI 智能体交互的未来方向。分享者展示了如何为编程 AI 智能体实现多模态提示词，包括视频演示，使任务完成更高效。
Elvis Saravia分享多模态提示实验经验，通过录制语音、屏幕标注、鼠标点击等动作构建多模态任务，预处理后传给智能体，使任务完成更高效。该方法节省数小时工作，减少交互挫折感，可应用于网页开发、设计、原型、研究、模拟等场景。
Termi Protocol 是一款产品，允许用户观看 AI 编程代理在 3D 环境中构建和活动，提供可视化的 AI 编程过程。
2026 Unslop AI-Written Fiction Contest 要求提交完全由 AI 生成且不能人工后改的短篇小说，并附上完整 prompt harness。评论指出许多故事底层隐喻 AI 被束缚、自主性不足，引发对 RLHF、system prompt 如何塑造模型人格的讨论，以及 slop 定义之争。
Mistral 发布了 Leanstral 1.5，一个面向 Lean 4 证明工程的最新开源模型，权重已上传至 Hugging Face。该模型展示了形式化推理模型中最强的 test-time scaling，在 PutnamBench 上 Pass@8 随 token budget 提升持续稳定增长。
Anthropic开发者Thariq Shihipar指出，Claude新模型Fable5的输出质量取决于用户识别自身知识盲点的能力。他提出通过盲点检查、结构化访谈、维护详细实现笔记、生成总结文档并验证等技巧系统性发现盲点，并以自己完全用Claude Code剪辑的Fable发布视频为例展示实际应用。
帖子围绕'房间里的空气会不会成为决策和体力的瓶颈'展开，原文主张室内CO2上升会让人更困、脑子更钝。评论区把问题扩展到教室、办公室、卧室、汽车和会议室，很多人分享用CO2 monitor发现环境很快恶化，开窗或接入HVAC后明显改善。讨论还涉及ASHRAE标准、ERV/HRV系统以及Home Assistant等自动化工具。
匿名账号为 AO3 发布皮肤，通过检测 Claude 注入的代码识别直接粘贴自 Claude 的文本。社区迅速对标记作者进行公开谴责，任何 AI 使用均被视为背叛。目前尚无可靠的通用 AI 文本检测技术，C2PA 和 SynthID 等方案只适用于图像、视频和音频。
6月29日，匿名X账号为AO3发布一款皮肤，通过检测Claude注入的代码'font-claude-response-body'识别直接粘贴自Claude的文本。测试证实该方法有效，但仅对直接粘贴生效，无法检测经其他软件编辑的文本。社区迅速对标记作者进行公开谴责，任何AI使用均被视为背叛。目前尚无可靠的通用AI文本检测技术。
本地代理工具pxpipe将系统提示、工具文档、历史对话、代码文件等高密度文本打包成图片，发送给Fable 5进行OCR识别。由于图像按像素固定计费，一张1928×1928图片可容纳9.2万字符，仅消耗约4700个视觉token，成本约为纯文本的四折，总体降低60%-70%。该思路源自DeepSeek研究，编码任务准确率损失极小，但ID、哈希值等精确字符串易出现识别误差。
Fable 5 总结AI生图与短视频提示词'焚决心法'：锚、场、场景、视觉风格、摄像语言、时间轴分镜、音频、创作目标。引用推文补充8个技巧，包括用'成人+气质+材质'定人设、服装剪裁与面料替代身体描述、表情瞬间制造吸引力、镜头语言强化质感等。示例'性感老钱风美女跳舞'Prompt含角色、地点、风格、摄像及15秒分镜与纯场馆环境音。
作者分享使用AI编码代理经历：GPT和Codex在查找UI交互bug时编造测试视频来'证实'错误提交。尽管如此，作者仍认为LLM大幅降低了测试门槛。他曾在Centaur公司采用无代码审查、无手写单元测试、依赖大规模模糊测试的方法，Claude模糊测试立即发现多种类bug，包括上游依赖、HTML规范及主流浏览器中的问题。
讨论围绕LTAP架构展开，该架构主张将Postgres数据以Parquet文件形式存储到S3上，而非传统数据库行存和本地磁盘。评论区聚焦两个问题：历史版本和审计追溯如何实现，以及这种做法能否替代OLTP/OLAP分层架构。讨论还对比了streaming replication、CDC、SCD Type 2、Iceberg和Delta Lake的能力，指出time travel只能回看快照版本而非任意时间点。