AI 开发

免费换5倍效率：本地编码栈的真相

Hacker News 社区实地考察发现，用本地模型写代码像在带一个 junior，效率只有 Claude Opus 的 1/3，但零成本和隐私让它变得无比诱人。Qwen 3.6 已成事实标准，性能摸到了 Claude Sonnet 的屁股。一文讲清本地编码栈的现状、权衡与未来。

OpenAI 提出一种新方法，用真实用户历史对话替换模型回答来模拟新模型上线后的真实表现。测试下来中位数预测误差仅1.5倍，还能抓到传统评估漏掉的“计算器作弊”这类奖励黑客行为。难点在于工具环境模拟的保真度，但方向值得所有做AI安全的人关注。

如果你正在反复调整LLM的数据或架构，想快速对比不同checkpoint的改进，olmo-eval能帮你把评估变得灵活、可重复，还能逐问题比对，区分真实提升和统计噪声。

别再盲目信任 torch.compile 了。这篇通过实际 PyTorch profiler trace 分析，精准指出单层 Linear 下编译器几无作用，而 MLP 中编译器的融合才是真功夫。核心思考方法是：看 trace 前先做预测，任何不匹配都是最有价值的发现。

一个编码代理只靠调用两个Hugging Face Space（图像生成+3D重建），自动生成图像并重建3D高斯散点，建起巴黎地标画廊，展示AI粘合组件的新范式。

作者用一个coding agent，通过两个Hugging Face Space的agents.md接口，链式调用了图像生成和单图转3D高斯泼溅两个模型，自动生成了一个3D巴黎景点展示网站。全程开发者没写一行模型调用代码。

Cohere 用一个 3B 活跃参数的 MoE 模型，在编码 Agent 任务上碾压了 Gemma 4 和 Qwen3.5 等大模型。关键不是模型架构，而是一套聪明的多环境联合强化学习和跨 harness 训练策略。想看 Agent 模型到底该怎么训，这篇是很好的实操样本。

Cognition CPO 亲自拆解 Devin 7 倍增长背后的架构秘密：从大脑与机器的分离设计、完整 VM 的必要性，到 pure vibe coding 为什么两周就崩。这期干货密度极高，适合想真正理解 Agent 生产落地的工程师。