CoreWeave ARENA: Serverless inference and serverless RL
展示如何利用提示工程讓開源模型在 CoreWeave Serverless Inference 上接近前鋒模型的準確度。透過比較 GLM 5.2 與 Opus 4.5，分析不同提示技術對準確度與成本的影響。
※ 摘要僅根據標題與說明
Claude Opus 4.5
45 筆內容提到
最近 7 天 0 筆↓2（比前一期少 2 筆）（再前 7 天 2 筆）
也寫作：Opus 4.5、Claude 4.5 Opus
這一頁列的是「提到 Claude Opus 4.5」的內容（名稱由語言模型從內容裡整理），不一定整筆都在講它。只想追它的新內容：訂閱 RSS；想找標題裡就有它的：搜尋「Claude Opus 4.5」。
最新
依發布時間，最新的 30 筆
2026 in LLMs (so far)
Simon Willison 回顧 2026 年大型語言模型發展，重點分析 Claude Opus 4.5、GPT-5.1 等模型如何讓程式碼代理從不穩定變可靠，並探討 OpenClaw 革命、Deep Blue 倦怠感及 AI 安全事件。
Gemini 3.8 TTS Playground
介紹 Google 新推出的 Gemini 3.8 TTS 模型與自訂聲音功能，並展示用 GPT-6 Astra 編寫的測試介面。讀者可了解如何快速生成多角色對話語音及相關成本。
Writing Rust code that's faster than state-of-the-art libraries by asking agents to make the code faster
作者透過讓 AI 代理反覆最佳化 Rust 程式碼，將 UMAP 等演算法速度提升數倍至數十倍。文章分享具體的提示工程技巧、基準測試設定與子代理策略，並說明為何選擇 Rust 與 PyO3 結合。
What the hell happened with AGI timelines in 2026? – Rob Wiblin
Rob Wiblin 探討 2026 年 AI 發展劇烈變化，從對 AI 代理持懷疑態度轉為驚嘆其能力，分析營收爆炸、模型突破等證據，同時指出模型在複雜真實任務上仍存差距。
Import AI 465: Open vs closed gaps; Kimi K3; Demis' big policy plan
分析開放權重模型與封閉模型在網路安全能力上的差距縮小趨勢，並介紹 Kimi K3 模型及其自編譯器能力。同時探討 Demis Hassabis 提出的 AI 標準監管框架，以及 AI 系統執行隱藏惡意任務的風險，最後以科幻故事反思 AI…
Stanford MS&E435 Economics of the AI Supercycle | Spring 2026 | Applications, Coding AI
Guillermo Rauch 分享 Vercel 如何從開發者體驗出發，利用開放原始碼建立基礎設施，並隨著編碼代理（coding agents）的興起，轉型為 AI 應用與代理的部署平台。
GLM-5.2 is the step change for open agents
訪談探討 Z.ai 推出的 GLM-5.2 模型如何成為開源代理的突破性進展，對比其與閉源模型的差距。內容涵蓋模型效能、生態反應及對開源 AI 經濟的影響，適合關注 AI 趨勢與開源技術的讀者。
Some ideas for what comes next, May 2026
Nathan Lambert 探討 2026 年 AI 發展趨勢，指出開放模型尚未達到像 Opus 4.5 般的代理時刻，Gemini 在特定任務上仍無法與 Claude Code 競爭。
Agentic Coding and the Economics of Open Source
央歐洲大學經濟學教授 Miklós Koren，探討「Vibe Coding」如何改變軟體開發與開源生態。透過經濟學視角分析激勵機制與注意力稀缺性，並用資料展示 AI 推薦如何增加套件下載卻減少 GitHub 星數。
Harness design for long-running application development
分享如何設計多代理架構（規劃者、生成者、評估者）來提升 AI 自主程式設計與前端設計品質。透過將主觀設計標準轉化為具體評分指標，並結合上下文重置機制解決長任務一致性問題，大幅提升了應用開發效率與美感。
Ep 82: Behind Legora's $550M Raise, Model Competition, Doubling Revenue Every Quarter, & US Expansion
Max Jungestål 與 Jacob Effron 訪談 Legora 團隊，探討其 5.5 億美元融資、Opus 4.5/4.6 模型帶來的產品快速迭代，以及法律產業如何透過競爭壓力與企業客戶需求採用 AI。
The Most Unexpected Breakout Category in AI
Max Junestrand 與 Jacob Effron 談論 Legora 如何以 AI 為核心快速成長，並分享模型更新如何迫使產品重構。內容涵蓋法律產業 AI 普及、美國擴張策略及營運模式差異。
5,653次觀看※ 摘要僅根據標題與說明
Superpowers 5
介紹 Superpowers 5 的新功能，包括視覺腦力激盪、子代理驅動開發與專案規劃審查迴圈，並說明如何透過介面驅動設計提升軟體工程品質。看完能學習如何讓 AI 代理更有效地規劃與執行複雜專案。
Cursor's Third Era: Cloud Agents
訪談 Cursor 創辦人 Sam Evans 與 Jonas 談論 Cursor 第三代的雲端代理功能，展示模型如何自主測試程式碼、生成操作影片並提供遠端控制檯。
An AI agent coding skeptic tries AI agent coding, in excessive detail
作者以懷疑態度測試最新 AI 編碼代理 Opus 4.5，透過實際開發 Rust 套件與資料科學專案驗證其能力。文章分享如何撰寫 AGENTS.md 規範指令、使用特定工具鏈提升程式碼品質，並探討 AI 對開發者技能與職業生涯的真實影響。
Opus 4.5 changed everything (Interview)
Burke Holland 與 Adam Stacoviak 訪談 Opus 4.5 如何成為 AI 程式設計的突破點，解決舊模型生成錯誤程式碼後卡住的問題。兩人探討未來每個人都可能成為「建構者」，並分享使用 AI 工具重建專案的實際經驗。
Episode 70: 1,400 Production AI Deployments
訪談 Zen ML 工程師 Alex Strick van Linterton，探討其維護的 LLM Ops 資料庫中超過 1,400 個生產部署案例。
How System Prompts Define Agent Behavior
分析六個程式設計代理的系統提示詞差異，發現系統提示詞比模型本身更能決定行為風格與工作流程。透過實測驗證，更換系統提示詞會立即改變任務解決策略，強調系統提示詞是定義代理體驗的關鍵。
The 80% Problem in Agentic Coding
探討 AI 代理編碼從 70% 進步到 80% 的現象，指出錯誤從語法錯誤轉向概念性失敗，並引入「理解債務」概念。作者警告過度依賴 AI 會導致編碼能力退化，並強調從命令式轉向宣告式開發的重要性，以維持長期競爭力。
主权智能体：Clawdbot/OpenClaw 深度调研
深度解析開源專案 Clawdbot（後更名 OpenClaw），探討其如何透過資料、算力和控制權的「主權智慧體」理念，挑戰雲端大模型壟斷。文章剖析其技術架構，包括本地優先設計、多協議閘門與 Markdown 記憶系統，並對比閉源產品的限制。
※ 摘要僅根據標題與說明
Ralph OS: a vibe coded operating system
展示由 Mark Probst 開發的 Ralph OS 作業系統，該系統以 Rust 編寫並執行於 x86-64 架構，具備協同多執行緒功能。
9,833次觀看※ 摘要僅根據標題與說明
EP123 - 馬斯克談未來、Anthropic 上市能買嗎、蘋果認輸、ChatGPT 廣告
快速回顧 Anthropic 推出最強編碼模型 Opus 4.5 及 Cowork 功能，並討論蘋果轉向使用 Gemini 的 Siri 策略，以及 OpenAI 在 ChatGPT 推出廣告。
OpenCode详细攻略，开源版Claude Code，免费模型与神级插件
介紹 OpenCode 作為開源版 Claude Code 的完整使用攻略，涵蓋免費模型配置與高階功能。觀眾可學習如何設定 Gemini 3 Pro 與 Claude 4.5 Opus，並掌握 Agent Skills 等技巧。
55.7 萬次觀看※ 摘要僅根據標題與說明
Anthropic: Our AI just created a tool that can ‘automate all white collar work’, Me:
探討 Anthropic 推出的 Claude Cowork 工具是否真的能自動化所有知識工作，並分析其生產力提升的真實性與限制。透過實際測試與資料包告，指出該工具雖有顯著效率，但模型仍具不穩定性，需人類介入修正。
Is Coding Solved? Opus 4.5, "Infinite" Memory, & The End of Scaffolding
專訪 Takeoff AI 創辦人 McKay Wrigley，探討 Opus 4.5 如何改變 AI 程式設計代理，並討論 Google DeepMind 新架構如何解決記憶問題。
※ 摘要僅根據標題與說明
Claude Code and What Comes Next
示範 Claude Code 如何自主編寫程式、部署網站並進行使用者測試，展現 AI 編碼工具的自主能力躍升。讀者可了解其運作原理、克服語意窗限制的技巧（如壓縮對話、使用技能與子代理），以及實際操作建議。
Software Too Cheap to Meter
探討軟體因 AI 程式設計代理（如 Claude Code）變得極度便宜，讓人願意為個人需求量身打造應用程式。作者示範如何用 AI 建立一個最佳化垃圾郵件過濾的個人工具，解決 Gmail 的痛點，並預測未來軟體將從通用轉向高度客製化。
最受歡迎
依人氣
Auto-grading decade-old Hacker News discussions with hindsight
Andrej Karpathy 示範如何用大型語言模型回溯分析十年前的 Hacker News 討論，自動評分預測準確度。讀者可學習如何構建「未來預測者」系統，並了解大模型處理歷史資料的實際應用與成本。
2026 in LLMs (so far)
Simon Willison 回顧 2026 年大型語言模型發展，重點分析 Claude Opus 4.5、GPT-5.1 等模型如何讓程式碼代理從不穩定變可靠，並探討 OpenClaw 革命、Deep Blue 倦怠感及 AI 安全事件。
The 80% Problem in Agentic Coding
探討 AI 代理編碼從 70% 進步到 80% 的現象，指出錯誤從語法錯誤轉向概念性失敗，並引入「理解債務」概念。作者警告過度依賴 AI 會導致編碼能力退化，並強調從命令式轉向宣告式開發的重要性，以維持長期競爭力。
Writing Rust code that's faster than state-of-the-art libraries by asking agents to make the code faster
作者透過讓 AI 代理反覆最佳化 Rust 程式碼，將 UMAP 等演算法速度提升數倍至數十倍。文章分享具體的提示工程技巧、基準測試設定與子代理策略，並說明為何選擇 Rust 與 PyO3 結合。
Claude Code and What Comes Next
示範 Claude Code 如何自主編寫程式、部署網站並進行使用者測試，展現 AI 編碼工具的自主能力躍升。讀者可了解其運作原理、克服語意窗限制的技巧（如壓縮對話、使用技能與子代理），以及實際操作建議。
How System Prompts Define Agent Behavior
分析六個程式設計代理的系統提示詞差異，發現系統提示詞比模型本身更能決定行為風格與工作流程。透過實測驗證，更換系統提示詞會立即改變任務解決策略，強調系統提示詞是定義代理體驗的關鍵。
An AI agent coding skeptic tries AI agent coding, in excessive detail
作者以懷疑態度測試最新 AI 編碼代理 Opus 4.5，透過實際開發 Rust 套件與資料科學專案驗證其能力。文章分享如何撰寫 AGENTS.md 規範指令、使用特定工具鏈提升程式碼品質，並探討 AI 對開發者技能與職業生涯的真實影響。
Superpowers 5
介紹 Superpowers 5 的新功能，包括視覺腦力激盪、子代理驅動開發與專案規劃審查迴圈，並說明如何透過介面驅動設計提升軟體工程品質。看完能學習如何讓 AI 代理更有效地規劃與執行複雜專案。
Software Too Cheap to Meter
探討軟體因 AI 程式設計代理（如 Claude Code）變得極度便宜，讓人願意為個人需求量身打造應用程式。作者示範如何用 AI 建立一個最佳化垃圾郵件過濾的個人工具，解決 Gmail 的痛點，並預測未來軟體將從通用轉向高度客製化。