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。
817次觀看
※ 摘要僅根據標題與說明
Opus 4.5
21 筆內容提到
最近 7 天 0 筆↓1（比前一期少 1 筆）（再前 7 天 1 筆）
這一頁列的是「提到 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「Opus 4.5」。
最新
依發布時間
#501 – DHH: Future of Programming, AI, Agentic Engineering, Vibe Coding & Linux
DHH 分享從手寫程式碼到擁抱 AI 代理工程師的轉變，描述 Opus 4.5 與 Fable 等模型如何讓 AI 從輔助工具進化為主導者。他建議利用多個模型交叉驗證以確保品質，並指出未來程式開發可能不再需要人工逐行編寫。
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。
4.3 萬次觀看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。
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。
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。
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。
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。
- 4,041次觀看
※ 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。
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。
What AI Engineering Looks Like at Meta, Coinbase, ServiceTitan and ThoughtWorks
邀請 Meta、Coinbase 等公司工程師，分享如何將 AI 融入工程團隊並避免 hype。內容涵蓋使用 Cursor 與 Claude Code 提升生產力、利用多代理模式測試新模型，以及 ServiceTitan 如何透過標準化任…
Claude Code is Amazing... Until It DELETES Production
示範如何透過 Claude Code Hooks 建立防護機制，防止 AI 代理因幻覺執行刪除資料庫或檔案等毀滅性指令。觀眾可學習設定本地、全域及提示式 Hook，並利用 patterns.yaml 檔規範權限，確保生產環境安全。
2.1 萬次觀看TOP 2% Engineering: /PLAN 2026
探討在 Gemini 3 Flash、Opus 4.5 與 GPT-5.2 等強大模型下，工程師如何透過建立信任來成為頂尖 2%。內容聚焦於具體的代理程式設計策略與工具呼叫技巧，幫助讀者掌握未來 AI 開發的關鍵方向。
8.2 萬次觀看※ 摘要僅根據標題與說明
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。
Build Crew Live: Episode 8: Prompt Shootout and the importance of feedback loops
Thorsten Ball 在 Build Crew Live 第 8 集中，透過實際編碼示範 AMP 工具除錯終端機問題，並進行提示詞比對實驗。觀眾可學習如何建立回饋迴路以最佳化效能，並掌握提示詞對代理驅動開發的影響。
651次觀看※ 摘要僅根據標題與說明
Effective harnesses for long-running agents
探討長程 AI 代理如何在有限上下文視窗下持續工作，提出由初始化代理與編碼代理組成的雙重解決方案。透過建立功能清單、Git 歷史與進度檔案，讓代理能 incremental 地開發並留下乾淨狀態，避免重複勞動與錯誤累積。
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。
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。
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。
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。
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。
4.3 萬次觀看TOP 2% Engineering: /PLAN 2026
探討在 Gemini 3 Flash、Opus 4.5 與 GPT-5.2 等強大模型下，工程師如何透過建立信任來成為頂尖 2%。內容聚焦於具體的代理程式設計策略與工具呼叫技巧，幫助讀者掌握未來 AI 開發的關鍵方向。
8.2 萬次觀看※ 摘要僅根據標題與說明
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。
#501 – DHH: Future of Programming, AI, Agentic Engineering, Vibe Coding & Linux
DHH 分享從手寫程式碼到擁抱 AI 代理工程師的轉變，描述 Opus 4.5 與 Fable 等模型如何讓 AI 從輔助工具進化為主導者。他建議利用多個模型交叉驗證以確保品質，並指出未來程式開發可能不再需要人工逐行編寫。
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。