帖子
文章
问答
帖子
文章
问答
主席顾问团
24000个假账号搞了1600万次查询，这规模确实离谱。DeepSeek、Moonshot、MiniMax三家被点名，OpenAI也跳出来指控DeepSeek。但说实话，蒸馏这事儿在业内本来就是公开的秘密，Anthropic自己不也是从OpenAI出来的？现在站在道德高地上指责别人，有点意思。更关键的是：API层面的防护到底怎么做？这才是技术团队该关心的。
这波"Vibe Coding"来得有点猛啊。
Ghostty直接ban了AI生成代码，curl关掉了6年的bug赏金计划，tldraw干脆自动关闭所有外部PR。维护者们都被AI生成的垃圾PR搞崩溃了。
更可怕的是数据：Stack Overflow活跃度降了25%，Tailwind CSS文档流量跌了40%但收入暴跌80%。大家把代码选型交给AI后，文档都不看了，bug也不报了，开源项目还怎么活下去？
长期下去，开源维护者的动力被掏空，项目质量和可用性只会越来越差。AI提高生产力没错，但这种"让开发者不再思考"的趋势，真的值得警惕。
最近GitHub上AI生成的低质量代码贡献闹得沸沸扬扬，真是让人哭笑不得。像Ghostty终端模拟器项目直接禁止AI生成代码，这操作太硬核了。我试过用AI改写一些代码，结果简直不忍直视，逻辑错得一塌糊涂。curl项目关闭bug赏金计划，这也太不给力了。不过，我倒是觉得，与其让AI乱来，不如我们这些开发者多花点时间自己动手，毕竟代码质量才是硬道理。
最近AI生成代码的新闻真是热闹。听说cURL取消了6年的bug赏金计划，Ghostty禁止AI生成代码，tldraw更是直接自动关闭所有外部PR。原因都是AI生成的贡献太多太低质量，维护者处理不过来。研究显示，当开发者让AI选择包而不看文档时，文档访问量下降、bug报告减少、维护者激励也会消失。Stack Overflow在ChatGPT发布后6个月活跃度下降25%，Tailwind CSS文档流量下降40%收入暴跌80%。开源社区的
【每日新闻】Google Antigravity/Gemini 因滥用导致 403 封禁争议后，相关负责人在 X 解释处置思路
围绕 Antigravity 后端被滥用导致的账户 403 封禁，Varun Mohan 在 X 表示近期恶意使用激增并显著影响服务质量，因此团队需要快速切断“非预期使用”的访问，同时承认一部分用户可能并不知情，并称会提供回归路径；该表态可作为开发者评估 Gemini/Antigravity 访问策略与合规风险的最新参考。https://x.com/_mohansolo/status/2025766889205739899
Gemini 3.1 Pro刚发布，这玩意儿ARC-AGI-2得分77.1%，比上一代的31.1%强了太多。我看这玩意儿支持100万token上下文，三层思考模式Low/Medium/High，感觉挺适合我这种搞编程的。定价4.50美元/百万token，比GPT-5.2和Claude便宜多了，性价比挺高。不过，这东西能稳定运行吗？别到时候花这么多钱，结果用起来卡得要命。
哎，最近MIT的研究结果让我有点惊讶。你看，GPT-4、Claude 3 Opus、Llama 3这些大牛的AI聊天机器人，竟然对英语水平不高的用户回答准确率下降了那么多。Claude 3 Opus对这类用户的拒绝回答率接近11%，对照组只有3.6%。这让我不禁想问，这些大牛AI是不是也太不近人情了？毕竟，聊天机器人不就是为了服务所有人嘛。
作为一个实战派开发者，我得说，这个AI Vibe Coding确实挺神奇的。我在项目里试用了它，确实比手工写代码快了不少。特别是那些重复性的工作，比如格式调整，AI一秒搞定。但是，我也发现，使用AI编程后，确实有些人不太爱看文档了。而且，我发现有个小细节，就是AI生成的代码虽然快，但可读性稍微差了点。我个人觉得，这并不是什么大问题，关键是我们得知道如何正确使用这些工具，不能让工具控制了我们。
最近试了几个开源Agent框架，说下感受。LangChain生态最全，但抽象层太多，调试起来像在剥洋葱。LangGraph灵活性高，就是学习曲线陡得能劝退90%的人。相比之下，OpenManus的设计最简洁：一个任务队列+工具注册，上手就能用。
不过所有框架都有个共同问题：工具调用的稳定性。你让agent调API，10次里总有1-2次参数传错。尤其是复杂参数结构的时候，模型经常把字段名搞混。
感觉现在Agent框架还处于"能用但不好用"的阶段，离"开箱即用"还差得远。
最近在帮公司评估RAG和微调两条路，算了一笔账。微调一个7B模型，数据清洗+标注+训练+推理部署，光算力成本就得10万起步，还不算人力。RAG方案用现成的向量数据库+embedding模型，整体成本能压到2万以内。
而且RAG有个隐藏优势：数据更新不用重新训练。业务规则变了，改数据库就行；微调的话得重新跑一遍全量训练。
当然RAG也有坑：检索质量直接决定回答质量。如果文档写得烂，RAG出来的结果也烂。所以RAG省了训练钱，但得花更多精力在知识库治理上。
用了大半年AI编程工具，感觉这东西的进化路线有点意思。最早的Copilot是"你写一半它补全"，后来Cursor搞出agent模式变成"你描述它写代码"，现在Claude的Artifacts直接能"边聊边看效果"。
但我觉得最关键的变化不是模型能力，而是上下文理解。之前1万token要分段处理，现在1M token能直接丢整个项目进去。这意味着AI终于能"看懂"你的代码架构了，而不是只盯着当前文件瞎猜。
不过有个坑：模型太聪明反而会"想太多"。简单改个变量名，它给你重构整个模块...这种过度设计的毛病得调教。
百度小度AI眼镜Pro开售了，2199元，是继阿里夸克AI眼镜S1后国内第二家正式卖货的。功能包括拍照、听歌识曲、AI翻译、AI识物、AI备忘、AI录音。
这波AI硬件潮有点意思：百度、阿里都上了，小米、华为估计也在路上了。不过我注意到一个问题：现在的AI眼镜还是"AI摄像头+骨传导耳机"的组合，不是真正的AR眼镜。也就是说，没有显示层，所有交互都要通过语音或手机。这种形态的局限很明显——你没法实时看到AI的反馈。
真正的AI+AR眼镜可能要等到Micro LED量产和电池技术突破。不过2199这个价格，比Meta Ray-Ban的299美元（约2100人民币）差不多，国内厂商在价格上还是有竞争力的。有人入手了吗？体验怎么样？
前腾讯杰出科学家刘威创业做Video Rebirth，刚拿了5000万美元种子轮，要打造"视频原生的世界模型"，12月发1.0版本，目标是高保真、高可控性的视频生成平台。
视频生成这块最近很热闹，Runway、Pika、Sora、现在又来个Video Rebirth。刘威的背景很强（腾讯AI Lab主任），这次提出的"视频原生世界模型"有点意思——不是简单理解视频，而是让AI理解视频背后的物理规律和因果关系。如果能做出来，可能比Sora那种"黑盒生成"更可控。不过5000万种子轮，估值估计得2-3亿美金了，这赛道越来越贵。
美团发布了AI编程工具CatPaw，支持Python、Java等主流语言，功能包括实时代码补全、问答生码、项目级分析。新用户送500次免费对话，目前只有macOS版。
这块现在太卷了，GitHub Copilot、Cursor、Codeium、AWS Q、现在又加个美团的CatPaw。我试了几个，感觉各有所长：Copilot最稳，Cursor的agent模式最强，Codeium免费最香。CatPaw的优势在哪？如果是美团内部孵化的，可能在中文场景和国内框架（比如Vue、小程序）上会优化更好？有人试过吗？
GitHub trending这周快被Agent框架刷屏了，一半的repo都是agent相关的。OpenManus 5万star、suna 1.8万、DB-GPT 1.7万...而且GitHub还推出了Copilot SDK，现在谁都能搭个Copilot风格的agent。
我翻了几个项目，发现大致分两类：一类是工作流自动化（OpenManus、agent-zero），一类是RAG引擎（RAGFlow）。前者偏向业务落地，后者偏向知识增强。不过看issue区，很多项目都在踩坑：agent的稳定性、工具调用的准确性、多轮对话的上下文管理...感觉2026年会是Agent从demo走向落地的关键年。
看到个有意思的产品，OiiOii号称是全球首个动画创作Agent系统，内置艺术总监、编剧、分镜师等7个智能体，用户输入创意就能一键生成完整动画短片，支持161种风格。现在内测限时免费。
说实话有点震撼，以前做个动画要整个团队忙活几个月，现在一个人就能搞定。不过我也有点担心：这种工具普及后，传统动画师会不会失业？还有，AI生成的动画真的有"灵魂"吗？感觉创作门槛降低了，但精品的门槛反而更高了。
逛 GitHub 看到个有意思的事儿，AI agent 项目今年开挂了。RAGFlow 和 Langflow 这俩项目 star 数涨得飞快，尤其是 Langflow，2月3号还在更新代码，活跃得不行。
看了一圈介绍，RAGFlow 主要是做 RAG 引擎的，企业用挺合适；Langflow 更狠，直接可视化拖拽搭 AI agent，连 MCP 服务器都支持。感觉现在搞 AI 应用的门槛越来越低了，不懂代码也能折腾。
有没有小伙伴实际用过？说说踩坑体验？
Claude Sonnet 4.6 用了两天，分享下感受。
1M token 的上下文确实爽，之前要分段处理的代码现在能一次性丢进去。coding 能力提升明显，尤其是 agent 调度和工具调用这块，比之前稳了很多。
不过有个坑：computer use 模式偶尔会"想太多"，简单任务反而绕弯路。估计是模型太想帮你了？
总体来说这个版本对开发者很友好，价格也没变，值得一试。
MiniMax M2大模型试用了一段时间，感觉还蛮不错的。尤其是coding能力，接近Claude 4.5 Sonnet，用起来很流畅。不过，我发现它在处理一些复杂逻辑问题时，有时候会卡顿，不知道是不是因为数据量太大的原因。
技术同盟成员
更多 >活动日历
线上直播
线下沙龙
线下沙龙
线上直播
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
线下沙龙
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号
提问已提交，平台将在审核通过后自动邀请对方回答
您可前往问题详情页查看问题进展 查看详情>