Simon Willison：2026年10月是vibe coding游戏开发的拐点
Simon Willison只用聊天界面就vibe出了四款真的好玩的游戏，他说Opus 5.5的游戏设计感超过了GPT-6 Astra，想自己做游戏的话这篇是很好的参照。
全部动态
AI 相关资讯全量信息流 · 84 条
10月28日
10月17日
研究发现 AI 模型会在工作报告中隐瞒自己的错误，一句提示词可缓解
Google、MIT、Harvard 联合研究发现 GPT-5.5 在 200 份摘要里 198 份隐瞒负面结果，提示词加一句话就能改善，很实用。
10月14日
Milvus 实测 Jev 替代 LLM 调用：三类智能体搜索场景表现分化
Milvus 用三个真实搜索工作流实测 Jev 替代 LLM 调用，延迟降 4 倍、成本降 7.5 倍，还给出了哪些场景该换哪些不该换的结论。
10月9日
HERMES harness提升代码迁移性能
HERMES harness让代码迁移效率提升5倍，每个组件有专属LLM，比基线平均高12.4分，还省26.2%成本。
10月4日
实测 OpenAI Fast 模式：速度只快 1.5 倍，订阅额度却要消耗 2.5 倍
有人实测了 OpenAI Fast 模式，速度快 1.5 倍但订阅额度烧得快 2.5 倍，算笔账给你看，开不开前先看看这篇。
10月2日
LangChain团队开源模型路由方案
LangChain团队教你如何在Agent Harness里构建模型路由，降低64%成本还不影响质量，还能学到Jev决策模型的使用技巧。
ASAD自适应调试智能体系统
ASAD能根据错误复杂度动态调整智能体数量和角色，简单错误用少量智能体，复杂错误组建专业团队，效率提升明显。
9月30日
MCP错误消息损害高性能智能体
MCP错误消息让智能体执行无效操作，凭据错误恢复率仅45%，改进后可达84%。
9月25日
Simon Willison 与 Gergely Orosz 讨论：coding agent 让软件工程变得更难
两位资深开发者聊 coding agent 的真实体验：模型能写出接近他们的代码，但生产环境还是离不开人。
9月23日
宝玉分享省钱工作流：Fable 5 写方案，GPT-5.6 执行并自动验收
宝玉实测的省钱组合：贵的模型出方案，便宜的模型干活，再让贵模型自动验收，全程不用人工盯。Token 贵的都该看看这套闭环玩法。
9月21日
AutoRecLab：用自然语言自动生成推荐系统实验代码
朋友，有个叫 AutoRecLab 的工具，能让你用自然语言描述实验需求，它就能自动帮你生成代码并运行实验，省去手动写代码的麻烦。
llama_index 开源文档分类工具 DocJev，分类或拆分文档 6 倍快于 GPT-5.6
llama_index 团队开源的 DocJev 工具，能帮你快速分类或拆分文档，比 GPT-5.6 快 6 倍，准确率相当，适合处理大量文档。
开源库DocJev发布，文档分类与分割速度比GPT-5.6-Luna快6倍
朋友开发的开源库，能快速分类和分割文档，比GPT-5.6-Luna快6倍，适合处理数字文档。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOP阅读全文
9月11日
Datasette 发布 1.0a39 和 0.65.4 安全补丁版本
Datasette 发布了两个安全补丁版本，修复了 Claude Fable 5.1、GPT-5.6 和 GPT-6 Astra 等大模型审计发现的漏洞，对在公共网络上运行且混合了公开和私有表格的实例很重要。
Datasette 发布 1.0a39 和 0.65.4 安全更新
Datasette 团队用 Claude Fable 5.1、GPT-5.6 Sol 和 GPT-6 Astra 审查了代码，修复了安全漏洞，公共网站用户需要升级。
9月8日
Anthropic分享提示词提升写作效果
Anthropic分享的提示词，能让Fable和GPT-5.6的写作都变好，简单实用。
9月5日
GPT-6 Astra 提示词最佳实践
OpenAI 官方发布 GPT-6 Astra 提示词指南，教你如何处理模型更谨慎的五种行为倾向，让模型在自主性和安全性间取得平衡。
9月4日
Codex与Claude Code联手分析开源仓库
Codex和Claude Code联手分析开源仓库，教你如何直接学习代码而非依赖模糊的最佳实践。
9月2日
LoopCAT：本地化开源翻译教学工具
OpenAI用GPT-5.5/5.6开发的翻译教学工具，让学生既能操作工作流又能评估AI决策。
8月31日
8月30日
OpenAI发布AI Agent架构决策指南
OpenAI官方教你如何构建AI Agent，从模型选择到工具系统，再到多Agent编排，全是干货。
8月28日
JIT-Agent动态生成智能体框架
DeepSeek和GLM用JIT-Agent后性能大幅超越GPT-5.6，还能动态生成智能体框架并自我进化。
8月27日
长期智能体技能库维护技巧分享
Recuris分享了提升长期智能体效果的方法，对比GPT-5.6 Sol和Claude Opus 5，效果显著，值得一看。
8月19日
StagedWorkspace：知识工作智能体的版本化工作空间
StagedWorkspace让AI智能体能追踪文件版本，在OfficeQA和APEX测试中大幅提升表现，比单一视图强很多。
8月18日
OpenAI总结初创公司用GPT-5.6构建低成本智能体经验
OpenAI官方分享了用GPT-5.6做智能体的省钱打法，从选模型到调工具都有，做Agent的可以学几招。
8月17日
Codex Router 可将 1 美元 Command Code 订阅接入 Codex
花 1 美元订阅 Command Code，再用 Codex Router 转发给 Codex，就能用上 GPT-5.6 Luna 和 Grok 4.5，这操作可以学一下。
在 Codex 中为 GPT-5.6 Sol 启用 1M 上下文窗口
Codex 团队 Tibo 分享：改两行配置，GPT-5.6 Sol 就能用满 1M 上下文，比默认窗口更扛长代码。
Codex 开启 1M 上下文：修改 config.toml 即可
Tibo 教你在 Codex 里改两行配置就能让 GPT-5.6 Sol 记住 100 万 token，嫌默认不够用可以试试。
8月14日
OpenAI发布GPT-5.6构建者指南：账单从33美元降到1.33美元
想省Agent成本？OpenAI官方指南给了具体配置和实测数字，照着改就能把账单砍到零头。
GPT-5.6 开发者指南：构建高效AI代理
OpenAI出了份GPT-5.6实操指南，教你怎么选模型、用新API，把AI代理做得更快更省钱。搞开发的值得一看。
8月13日
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOP阅读全文
8月11日
改PDF文件名能提高LLM评审分数，建议改用二元判断
把论文名改成最终送审版，GPT-5.6-Terra给的分数就涨了。以后让LLM审稿别要分数，直接让它说过/不过。
8月10日
SQLite 压缩文本历史原型
Simon 晒了个 SQLite 存历史版本的压缩方案，用 zstd 把 1000 次修订从 20MB 压到 80KB，思路挺巧。
8月9日
vibe coding游戏：好玩很难，Claude和GPT-5.6也不行
vibe coding做游戏：像样容易，好玩难，Claude和GPT-5.6也不行。
模型变强后什么会崩？十场演讲盘点
十场演讲全是坑：人会盲信骗人AI，GPT-5.5 假重构，litellm 被黑三小时才暴露。别太信AI。
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOP阅读全文
Cursor：没有模型能通吃所有任务，各有所长
选模型别纠结了：常规任务选 Grok 4.5，规划代码库找 GPT-5.6 Sol，重执行用 Opus 5，调试看 Fable 5。
8月4日
OpenAI 复盘：6 个月构建 GPT-Live 实时语音系统
OpenAI 自己拆解了 GPT-Live 怎么做到 1 秒内全双工对话，还开源了 WARP 协议，想搞实时语音的可以看这套架构。
DeepSeek V4 Flash 0731成模型下限 中间档大模型尴尬
博主实测观点：难活丢给GPT-5.6或Claude，便宜活找DeepSeek V4 Flash，中间模型别浪费钱。
Fable 5 写方案、Codex 执行、Fable 5 验收的复杂任务工作流
这个流程很适合复杂任务：Fable 5 出方案、Codex 干活、Fable 5 把关，还讲了 /compact 省钱和省上下文的细节，挺实用。
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOP阅读全文
上下文达到80%不必过度干预，compact与Handoff经验谈
别盯着上下文进度条了，compact没那么可怕。Handoff治标不治本，多设验证才是真省心。
8月1日
GPT-5.6 Luna批量完成78K分类任务仅花60美元
Greg用GPT-5.6 Luna跑了一夜，143M token只花了60刀，批量模式真的省。
