跳到主要内容

AI Builders Digest — 2026-06-17

🧠 模型发布​

GLM-5.2 — 智谱 AI（Z.ai）最新旗舰模型，约 744B MoE（40B 激活参数），最大亮点是可用的一百万 token 上下文窗口（GLM-5.1 仅 200K），最大输出 131K tokens。支持两种推理力度：High 与 Max。架构创新：IndexShare 机制在稀疏注意力层间复用 indexer，1M 上下文下减少 2.9× FLOPs；MTP 投机解码将接受长度提升 20%。MIT 开源许可证，无区域限制。GLM Coding Plan（Lite/Pro/Max/Team）所有层级即时可用，API 和模型权重随后开放。定价约 $10-$80/月，仅为 Claude Max 的十分之一。值得关注的姿态——无基准发布，Z.ai 未公布任何 SWE-bench 或其他分数的数据，将评判权交给社区。评价: 开源长上下文赛道最强选手，但现阶段"只有能力没有数据"。

🔥 新产品发现​

  • Understand-Anything — 将任意代码转为可交互的知识图谱，支持搜索与问答。与 Claude Code、Codex、Cursor 等兼容。[GitHub Trending 1146★]
  • Agent-Reach — 让 AI agent 获得"看遍整个互联网"的能力，一条命令搜索 Twitter、Reddit、YouTube、GitHub、Bilibili、小红书，零API费用。[GitHub Trending 2025★]
  • cc-switch — 跨平台桌面 AI agent 一体机，支持 Claude Code、Codex、OpenCode、OpenClaw、Gemini CLI、Hermes Agent。[GitHub Trending 994★]
  • machine0 — 从 CLI 控制持久化 NixOS 虚拟机，开发者场景下的轻量基础设施。[HN 90👍 35💬]
  • The Engineer — 从 GitHub Issue 自动驱动 Claude Code 完成开发、提 PR、自动 merge。[HN 7👍]
  • Canopy — 原生 macOS 上并行运行沙箱化的 Claude Code 会话。[PH]
  • Microsoft Fara-7B — 微软开源的 agentic 模型，专为 Computer Use 场景设计。[GitHub Trending 97★]
  • Chrome DevTools MCP — 谷歌官方推出的 Chrome DevTools for coding agents，coding agent 可直接操控浏览器调试工具。[GitHub Trending 94★]

⚙️ 工具更新​

Codex — Codex app features available in EEA, UK, and Switzerland 变更日志

  • Computer Use 已支持 macOS 和 Windows
  • Codex Chrome 扩展已上线
  • Memories 可记住用户偏好和重复模式
  • Chronicle 作为 opt-in 研究功能可用

📰 博客更新​

Claude Blog

  • New in Claude Managed Agents: dreaming, outcomes, and multiagent orchestration — Claude Managed Agents 推出三大功能：Dreaming（研究预览）在会话间自动审查 agent 的 memory，提取模式并自我优化，支持手动审核或自动更新；Outcomes 让开发者编写评估标准，独立的 grader 在单独上下文中评估输出并给出针对性修改建议；Multiagent orchestration 支持多 agent 协作流程和 webhooks。

Anthropic Engineering

🐦 开发者动态​

Amjad Masad (Replit CEO): "谁还需要 Fable，Mistral 的 Le Chaton Fat 就够了"——这条推获得 1044 个赞，反映出开发者群体对 Fable 5 下线的不满正在催生替代方案。同时展示了 Replit 的 domain-specific agents：growth agent 自动发现 SEO 问题和 security agent 发现潜在漏洞，"全选 → 用 Agent 修复"的 UX 体验极佳。

Guillermo Rauch (Vercel CEO): v0 推出 skills 系统，默认打包顶级技能，目标让每次 prompt 等效于一个 Vercel 产品工程师。同时宣布 Vercel Functions 运行时长大幅延长，底层基于自研 Fluid 计算基础设施（microVM），已统一了 Builds、Sandbox、Functions。"2026 年是 serverless 和 servers 最终融合的一年"——这句话概括了 Vercel 对计算抽象层的终极思路。

Aaron Levie (Box CEO): 引用了一条关键观点——"AI 领域最有趣的事情不是某个模型变得更聪明，而是 intelligence 变得可以定制化。赢家不一定拥有最大的模型，而是能将 intelligence 转化为独特资产的公司。"同时就 AI 监管发表看法：能力有无限排列，FDA 式的预审批会严重拖慢进展，应聚焦于应用层面的风险监管。

Josh Woodward (VP, Google GoogleLabs / GeminiApp / AI Studio): Gemini 的语音图标重大升级——已支持 70+ 语言、可自由混用语言无需切换设置、不再打断用户。同时开放 Gemini Trusted Tester 计划招募重度用户试用未发布功能。

Peter Steinberger (OpenClaw): ClawSweeper 自动处理 GitHub Issues——在开源项目上提 Issue 时，ClawSweeper 会自动审阅，如果匹配 VISION.md 则会自动创建 PR 并完成自审。

🎙️ 播客摘要​

The MAD Podcast with Matt Turck — OpenAI's Dan Roberts: Why AI Can Now Make Discoveries

Takeaway: AI 已经从"你问我答"进化到能独立解决数学领域几十年未解难题的能力——OpenAI、DeepMind、Anthropic 团队相继攻克 Erdős 问题，标志着 AI 进入科学自主发现的新时代。

OpenAI 基础强化学习团队负责人 Dan Roberts 在访谈中深入讨论了这一转折背后的技术驱动力。核心观点：强化学习是目前 AI 领域最重要的范式。Dan 所在的 Foundations of RL 团队的核心任务就是推动 RL 的底层理论，使模型能沿着更长的计算路径坚持探索——"当你在一个方向上坚持到底时，需要极强的信念来走完漫长计算路径"。

Dan 分享了他们对 AI 与科学交汇的展望："我很激动我们终于能借助模型的力量回答科学领域最基础的问题——模型正在成为推动力。" 他提到了 ChatGPT 在解题时会主动"假设答案是错的"这一反直觉策略——正因这种 contrarian 思维，才能在复杂的推理路径上坚持到底。

对于 Reinforement Learning 的未来，Dan 认为 RL 在 AI 中的角色正在从仅仅用于训练后微调，演变为整个系统推理过程中的核心组件。这为自主科学发现（automated research）铺平了道路——模型能够在几乎没有人类干预的情况下，提出假设、设计实验、分析结果。

本集适合关心 AI 研究前沿、RL 技术演进以及"AI 科学家"这一概念的听众。