BestBlogs.dev 精选文章 第 66 期

Anthropic 推出了 Claude Sonnet 4.5，定位为世界领先的编码、复杂代理开发和计算机应用模型，在推理和数学方面实现了显著改进。此次发布还包括重要的产品增强功能，如检查点和 Claude Code 的 VS Code 扩展，以及 Claude API 的高级上下文管理。Claude Agent SDK 是一项关键产品，它使开发者能够访问 Anthropic 的基础代理构建基础设施。文章着重强调了 Sonnet 4.5 在 SWE-bench Verified 编码基准测试中表现出的先进性能，以及在 OSWorld 真实计算机任务基准测试中领先的 61.4% 的成绩。此外，在金融、法律、医学和 STEM（科学、技术、工程和数学）等领域，Sonnet 4.5 的领域特定知识也得到了显著提升。Anthropic 还强调，Sonnet 4.5 是其最符合人类价值观的前沿模型，减少了未对齐行为，并增强了针对提示注入的防御能力，在人工智能安全 3 级保护下运行。该模型现已通过 API 和应用程序提供，定价与现有 Sonnet 4 相同，并提供名为“Imagine with Claude”的临时研究预览，展示了即时软件生成能力。

OpenAI 推出了其下一代视频和音频生成系统 Sora 2，以及新的 Sora 应用。Sora 2 在处理物理交互、生成更长且更连贯的叙事，以及将音频直接与视频集成方面，展示了显著的进步。“Cameo”功能是其亮点，它使用户能够将自己或他人放置到 AI 生成的场景中。Sora 应用提供了一个社交媒体风格的界面，旨在培养一种新的基于视频的沟通形式，并强调用户生成的 AI 内容。该平台整合了强大的安全措施，包括 Cameo 的身份验证机制、内容审核，以及使用 C2PA 标准的可见水印，以清晰地标记 AI 生成的内容。OpenAI 计划推出 API 和创作工具，将该模型的实用性扩展到应用之外，最初将通过邀请系统在美国和加拿大推出 iOS 应用。

深度求索正式发布实验性模型 DeepSeek-V3.2-Exp，其核心创新是引入了 DeepSeek Sparse Attention（DSA）稀疏注意力机制。该机制在不显著影响模型输出效果的前提下，大幅提升了长文本场景下的训练和推理效率。文章指出，V3.2-Exp 在公开评测集上的表现与前一代 V3.1-Terminus 基本持平。为推动技术普惠和社区发展，DeepSeek 同步大幅下调 API 价格超过 50%，同时开源了 V3.2-Exp 模型、相关研究论文以及创新的 TileLang 与 CUDA GPU 算子。官方鼓励广大用户对新模型进行对比测试并提供反馈，以进一步验证其在真实应用场景中的表现。

文章宣布了智谱最新旗舰代码模型 GLM-4.6 的上线，强调其在代码能力上的全面进阶，较 GLM-4.5 提升 27%。GLM-4.6 在高级编码、长上下文处理（200K）、推理、搜索和写作能力方面均有提升，并在公开基准测试和真实编程任务中表现优异，部分榜单对齐 Claude Sonnet 4，被誉为国内最佳代码模型。文章还指出 GLM-4.6 在平均 token 消耗上比上一代节省 30%以上，并首次在寒武纪和摩尔线程等国产芯片上实现 FP8+Int4 混合量化部署，为国产芯片在大模型本地化运行开创了可行路径。智谱同步升级了 GLM Coding Plan，提供个人和企业版套餐，并公开了部分测试数据以供业界验证。

本文宣布谷歌 Gemini 2.5 Flash 图像处理模型正式面向生产环境推出，重点介绍了其在图像生成和编辑方面的先进功能。主要新功能包括支持 10 种不同的长宽比，方便用户为电影、社交媒体等各种平台创建内容，并支持仅输出图像。该模型使用户能够无缝混合多个图像，保持角色一致性以实现更丰富的叙事，使用自然语言进行精准编辑，并利用 Gemini 广泛的通用知识。开发者可以通过 Gemini API、Google AI Studio 和 Vertex AI 在企业环境中使用该模型。文章展示了 Cartwheel 和 Volley 等公司的实际应用案例，证明了该模型在提供卓越的角色控制、保持姿势以及为实时应用提供低延迟和美学引导的图像生成方面的有效性。此外，文章还为开发者提供了文档、使用指南、使用该模型构建的 AI 驱动应用示例、定价详情以及 Python 代码示例等资源，以鼓励开发者立即采用。

该视频课程是“生成式人工智慧與機器學習導論 2025”的第三讲，核心在于解构 LLM 的内部工作原理。文章详细阐述了从输入句子如何经过词元化、嵌入表查询，到多层 Transformer（自注意力、前馈网络）处理，最终通过语言模型头部（LM Head）和 Softmax 生成下一个词元概率的全过程。特别强调了“逆嵌入”的概念，即 LM Head 复用嵌入表，使模型在预测时寻找与目标词元嵌入最接近的表示。文章还深入探讨了模型中间层表示的语义意义，如何通过“表示工程”修改模型行为，并介绍了 Logic Lens 和 Patch Scope 等先进工具，用于可视化和分析模型在理解上下文、处理多义词和进行内部“思考”时的变化。最后，通过对 Llama 和 Gemma 模型参数结构的实践解剖，验证了理论讲解，并展示了词元相似度、表示变化及注意力权重的可视化。

Anthropic 对 Claude Code 进行了重大改进，旨在提高其在复杂开发任务中的自主性和效率。主要更新包括：新的原生 VS Code 扩展，提供更丰富、图形化的界面，可以直接在 IDE 中进行实时差异对比，并补充了刷新的终端界面，改进了状态可见性和可搜索的提示历史记录。文章还介绍了 Claude Agent SDK（以前称为 Claude Code SDK），为开发者提供了构建自定义 AI 代理的核心工具，现在支持子代理和钩子，以实现更大的定制化。关键新增的检查点（Checkpoint）机制功能可以在每次更改之前自动保存代码状态，使用户能够自信地委派长时间运行的任务，并在需要时恢复到以前的版本。结合用于并行开发的子代理、用于自动操作的钩子以及用于非阻塞进程的后台任务，这些功能共同使 Claude Code 能够更可靠地处理复杂的重构和功能探索。这些进步由 Sonnet 4.5 驱动，使 Claude Code 成为一个更有能力和集成化的 AI 开发助手。

本视频由 Anthropic 的 Alex Albert、Brad Abrams 和 Katelyn Lesse 主讲，他们深入探讨了使用 Claude 构建 AI 代理的演进过程。他们介绍了更名后的 Claude 开发者平台，该平台全面集成了 API、SDK、文档以及一系列高级工具，如 Prompt 缓存、批量 API、网页搜索、网页抓取和代码执行。一个核心理念是释放模型潜能，强调提供必要的工具，使模型能够自主决策、执行任务、处理结果并迭代，而非过度约束。这种方法确保 Agent 可充分发挥模型智能。最初为编码而开发的 Claude 代码 SDK，现已成为一个强大的通用 Agentic 框架，由于其内置的工具调用和循环自动化功能，非常适合快速原型设计。讨论内容还包括识别有价值的 Agentic 用例、有效的上下文管理（例如，使用“墓碑”自动删除过时的工具调用记录）以及 Agentic 内存实施的最佳实践。展望未来，Anthropic 计划引入更高级别的抽象、增强长期运行任务的可观测性，并为 Claude 提供一台“持久计算机”，以释放更大的自主问题解决能力。

本次演讲探讨了将 AI 功能实际集成到 Java 应用程序中，从实验阶段过渡到生产阶段。它涵盖了重要的 AI 模式，例如为大型语言模型 (LLM) 提供短期和长期记忆，通过工具调用，将 LLM 与 API 集成，构建更强大的智能代理，以及实施安全防护以保护 AI 工作流程免受提示词注入和敏感数据泄露。本次演讲还深入探讨了多模态，通过图像交互进行演示，并利用高级检索技术 (RAG) 来增强 LLM 上下文与自定义数据。通过使用 Spring AI 和 Vaadin 的现场演示，演讲者为开发人员提供了即时实用的见解，无论工作负载是在本地还是在云中运行，都适用。主要内容包括系统提示配置、流式响应、结构化输出的情感分析以及模型概念协议(MCP)在工具发布中的应用。

本文深度剖析了 AI 结对编程在软件开发全流程中的应用与实践。作者以自身从传统 IDE 向 Cursor 转型的经验为例，详细介绍了 PDCA（计划-执行-检查-处理）循环方法论，并将其作为 AI 协同的核心策略。文章根据开发场景（生产交付、快速验证、实验探索）区分了人机协作模式，并提供了提示词工程、上下文管理（通过 Cursor Rules 和 Memories）等具体实践方案，旨在提升 AI 辅助开发的确定性和效率。最后，文章展望了 AI 驱动下业务开发将从经验驱动转向知识工程，并演进为人和 Agent 矩阵协同生产的新范式，呼吁开发者加强系统思考、架构能力和创新力，并持续投入知识工程建设。

本文作为一份技术报告探秘，详细拆解了阿里通义实验室开源的 Tongyi DeepResearch Web Agent 项目。文章首先介绍了 DeepResearch 作为开源、高性能 Web Agent 的定位，并分析了其包含的模型、推理代码、评测代码等核心组成部分。接着，重点阐述了 DeepResearch 模型的三阶段训练流程：增量训练（CPT）、监督微调（SFT）和强化学习（RL），并深入探讨了 WebFrontier 等数据合成策略，以及 IterResearch 模式在长周期 Agent 任务中的关键作用。文章最后深入探讨了 DeepResearch 的设计对 Agent 领域研究的参考价值，并从“共识”与“欠共识”的角度，为不同背景的技术从业者提供了更具指导意义的技术洞察和实践方向。

本次访谈邀请了 OpenAI 首席科学家 Jakub Pachocki 和首席研究官 Mark Chen，深入探讨 GPT-5 的战略目标，并强调整合高级推理以提升用户可访问性。他们详细阐述了 OpenAI 如何衡量研究进展，不再局限于传统且饱和的基准，而是侧重于模型在数学和编程竞赛等挑战性领域中取得新发现的能力。讨论展望了“自动化研究者”能够产生具有经济影响力的新想法的未来，强调了在更长的时间范围内扩展推理能力并确保智能代理系统一致性的重要性。对话还涉及强化学习与复杂语言模型结合所取得的持续成功、CodeX 等 AI 编码工具带来的变革性影响（催生了“感觉流”编码等概念），以及顶尖研究人员的关键能力。此外，他们还概述了培养以使命驱动且具有韧性的研究文化的策略，该文化能够有效平衡基础性突破与产品开发，并强调算力资源在推动前沿 AI 发展中的关键作用。

文章详细介绍了 Kimi 大模型新推出的 Agent 模式“OK Computer”，该模式已开启小规模灰度测试。它旨在通过更多轮次的推理、多达 20 多种工具的调用和原生 Agent 能力，显著提升 AI 的智能水平。Kimi Agent 能够自主规划并完成从需求调研到产品方案、交互设计、前端开发的整个过程，从而交付多页面网站原型、移动端 Web 应用和高品质演示文稿。文章通过宠物网站开发、财经数据可视化分析、电影主题 PPT 制作三个具体案例，展示了“OK Computer”在复杂任务处理上的强大能力，例如化身项目经理、产品经理、设计师、前端工程师等角色，自动获取素材、编写代码、部署网站。该模式通过端到端强化学习训练 K2 模型，使其掌握文件系统、浏览器、终端、代码、图片/音频生成等工具，能够应对更多任务场景并灵活处理突发情况。文章指出，“OK Computer”将帮助用户成为全栈知识工作者，但因其算力需求密集，将逐步扩大灰度测试范围。

本文对字节跳动新上线的豆包视觉大模型 Seed-1.6-vision 进行了深度实测和对比分析。文章首先介绍了 Seed-1.6-vision 内置的 POINT、GROUNDING、ZOOM、ROTATE 四种图像处理工具。随后，通过多组实际案例，如模糊车牌识别、船只地点定位、旋转文字识别和图像找不同，将 Seed-1.6-vision 与 GPT-5 进行了详细对比。测试结果显示，豆包模型在图像细节处理、多步推理和准确性方面均表现出色，尤其在利用图像工具辅助分析上具备明显优势。文章强调了这些内置工具如何降低用户使用门槛，提升模型实用价值。

这篇文章是对 Figma 首席执行官迪伦·菲尔德的深刻采访，探讨了人工智能对设计领域产生的深远影响。菲尔德阐述了 Figma 的战略演进，尤其强调 Figma Make 在简化设计到应用创建流程中的作用。他介绍了一个三层设计可组合性模型：高级设计抽象（Figma Make），粒度组件编辑（Figma Design）和基础设计系统。讨论强调了 Figma 向“Figma 到代码”公司的转型，利用人工智能来自动化设计实施和交付，他们的 MCP 服务器就是例证。菲尔德分享了他如何深入接触并拥抱人工智能的历程，并对自然语言界面提出了前瞻性的看法，预测它们最终会演变为更直观的、用于探索“潜在空间”的多模式交互方法。一个核心主题是，在人工智能加速软件创作的时代，品味、工艺和独特设计愿景等人类要素成为关键的差异化因素。这次采访还解决了“空白画布”的挑战，将 Figma 定位为降低创意工作门槛的工具，使更广泛的受众可以更轻松高效地进行设计工作。

本文深度探讨了 OpenAI 最新推出的 ChatGPT Pulse 功能及其对 AI 行业的影响。Pulse 被视为 OpenAI 继 Memory 之后的第二个数据飞轮，旨在将大模型交互从被动问答转向主动推送，从而大幅降低用户使用门槛，使其有望成为国民级 AI 应用。文章汇集了多位行业专家观点，分析了 Pulse 如何通过极致个性化理解用户上下文、提升日活，以及其对算力需求、推荐系统演进和行业竞争格局的深远影响。讨论还触及了数据所有权、用户隐私保护以及端侧 AI 发展等关键挑战和机遇。

经验丰富的 AI 创业者 Liam Ottley 通过对 18 种不同选择进行排名，揭穿了关于 AI 副业的常见误解。他根据五个关键标准评估了每种选择：技能学习、收入潜力、客户获取难度、长期可行性和对初学者的友好程度。分析表明，大多数在线 AI 副业都是在浪费时间，通常需要大量的前期投资或提供低回报。Ottley 强烈推荐两个“S 级”选项：建立 AI 自动化机构 (AAA) 和使用 AI 工具为本地企业进行“氛围编码”网站。这些选择因其显著的技能发展、高收入潜力、可管理的客户获取和强大的长期增长前景而备受关注，能够帮助创业者实现真正的财务自由。

本文基于对 Nesrine Changuel (前 Spotify 、 Google ) 的采访，深入探讨了“产品愉悦”的战略重要性。产品愉悦不仅仅是增加功能，更是一种战略选择。Changuel 将愉悦定义为创造既满足功能性需求又满足情感性需求的产品，特别是结合了“愉悦感和惊喜感”。她概述了实现这一目标的三大核心支柱：消除摩擦（例如， Uber 的简易退款），预测需求（例如， Revolut 的 eSIM ），以及超出预期（例如， Edge 的自动优惠券）。她的方法的核心是一个实用的四步“愉悦模型”：1 ) 识别用户的功能性和情感性需求，2 ) 将这些需求转化为产品解决方案方向，3 ) 使用“愉悦度评估矩阵”对解决方案进行分类（表面、低度、深度愉悦），以及 4 ) 使用“愉悦度核查表”（包括包容性和熟悉度）验证方案。讨论还涵盖了将愉悦应用于 B2B (面向企业的 B2B ) 产品（“企业对人”），用于优先考虑愉悦功能的“ 50-40-10 ”规则，培养愉悦文化，以及防范“习惯化效应”和愉悦适得其反的情况（例如， Apple Reactions ）。来自 Spotify 、 Chrome 和 Google Meet 的真实案例说明了该框架的应用，突出了愉悦在用户留存和团队积极性方面的作用。

文章深度报道了英伟达 CEO 黄仁勋在 BG2 播客中的访谈内容，此次访谈正值黄仁勋宣布与英特尔投资合作并计划投资 OpenAI“星际之门”等一系列高调活动之后。黄仁勋否认了 AI 泡沫论，指出市场严重低估了 AI“思考”式推理的指数级增长潜力，并认为英伟达已从单纯的 GPU 公司转变为 AI 基础设施公司。他强调通过“极限协同设计”——同时优化 CPU、GPU、网络芯片等整个系统——结合极致的供应链规模，实现远超摩尔定律的性能提升，以此降低 Token 成本并保持竞争优势。黄仁勋还回应了对投资 OpenAI“循环营收”的质疑，称这是对未来万亿美元超大规模公司的战略投资。此外，他还讨论了 ASIC 竞争、主权 AI 的重要性、美国吸引顶尖人才的必要性，并展望了 AI 与机电工程、生物学融合的未来。

Stripe 的 John Collison 与 Intercom 联合创始人 Des Traynor 的访谈，深入探讨了 Intercom 如何转型为 AI 驱动的客户服务公司。Traynor 阐述了 Intercom 的 AI 客户服务代理 Fin 的快速发展和成功。Fin 现在每周解决超过一百万个查询，解决率高达 65%，并带来了可观的收入。他强调了在竞争激烈的人工智能市场中销售 AI 产品的挑战，指出公司需要提供确凿的成果和保障，而非流于表面的营销。讨论还涵盖了深度、差异化 AI 技术的重要性，重点在于解决实际的客户问题，以及过度依赖数据而缺乏直接用户反馈的弊端。Traynor 分享了 Intercom 向基于使用量的人工智能定价模式转变的见解，尽管最初存在风险，但通过将成本与所交付的价值对齐，最终获得了成功。他还为初创公司提供了建议，包括将投资与潜在市场规模 (TAM) 相匹配，专注于核心竞争力，避免过早扩张。对话强调了成功的人工智能公司加速增长的步伐，以及联合创始人在应对此类转型时所面临的独特挑战。

本文是腾讯高级执行副总裁汤道生时隔一年的独家访谈，详细复盘了过去半年腾讯在人工智能领域的重大战略调整。文章重点介绍了腾讯聊天机器人产品“元宝”从 TEG 划归 CSIG，标志着从技术驱动转向产品驱动，并由汤道生领衔。同时，元宝从单一自研模型策略转向支持多模型策略，率先接入 DeepSeek。汤道生深入阐述了腾讯对 AI Chatbot 作为 C 端新入口的认知、元宝接入 DeepSeek 的决策过程、大模型与搜索的关系、Agent 化趋势，以及微信生态对元宝的支持。他还分享了腾讯在 AI 人才竞争、To B 智能体落地、组织管理上的思考，并强调了公司对 AI 时代变革的强烈危机感和积极拥抱的态度。

文章深度访谈了明略科技创始人吴明辉，他以其北大数学系和 AI 交叉学科背景，展现了独特的技术理想主义，探讨了 AI 创业的本质、未来趋势及明略的战略转型。吴明辉强调 AI 创始人需亲自投入模型研发，并以“发论文”作为判断其是否仍“在牌桌上”的简单标准。他认为 DeepSeek 等开源大模型将推动企业全面转向“Agent”模式，极大地降低了 Agent 开发的门槛，使得企业能基于此构建专业技能服务。明略科技作为样本，从数据分析公司转型为专注于垂直领域专有模型，以“数据驱动的可信生产力”为核心定位。吴明辉主张“拿着锤子找钉子”的理想主义创新路径，认为伟大成功往往源于对技术潜力的信念而非预设场景。文章还讨论了数据作为 AI 时代护城河的重要性，以及 AI 对组织形态和生产关系的影响。明略正冲刺港股 IPO，旨在为持续的 AI 研发争取更多资源，以在细分赛道构建全球领先的专有模型能力。

这篇文章采访了 Drift 和 Agency 的联合创始人 Elias Torres，他强调了一个核心悖论：企业想要人工智能，但由于期望“完美”的准确性（这是前人工智能时代的遗留问题）而拒绝它。Torres 分享了他的创业历程，从尼加拉瓜的卑微出身，到建立像 HubSpot 和 Drift 这样成功的公司，这让他深入了解了以人为中心的客户体验扩展的局限性。这促使他创立了 Agency，旨在通过自动化业务后端来创建真正由人工智能驱动的客户体验，从而实现前所未有的规模和效率提升。Torres 还谈到了大语言模型的高成本。他的目标是利用人工智能进行核心运营，建立一家拥有不到 100 名员工的十亿美元公司。

本视频深入探讨了 Maria Sha、Wes Roth 和 Dylan 之间关于 AI 时代编程领域不断变化的讨论。主要议题包括：尽管大语言模型 (LLMs) 崛起，编程技能仍然至关重要；Python 非常适合初学者；以及情商在科技领域中的关键作用。他们深入研究了 AI 对未来就业市场的深刻影响、传统学术 AI 教育的局限性以及终身学习的必要性。对话还涵盖了哲学层面，如 AI 意识、数据所有权的隐私问题、个性化 AI 的潜力以及开源 AI 的优势。参与者强调 AI 在各个行业提高生产力的潜力，倡导 AI 开发中更大的透明度，并呼吁在 AI 训练数据背景下重新评估版权法。他们对 AI 在释放人类潜力方面的未来持乐观态度。