跳到主要内容

AI Builders Digest — 2026-07-07

🧠 模型发布​

Tencent Hy3 正式版发布 — Apache 2.0 开源，295B MoE 专注 Agent 工作负载 7 月 6 日，腾讯混元团队正式发布 Hy3 完整版，采用 MoE 架构，总计 295B 参数、21B 激活参数，支持 256K 上下文窗口。最大变化：从预览版的 Tencent Hy Community License 全面转向 Apache 2.0 开源许可，消除了全球商业使用的法律障碍。评测数据：Agentic Search 方面 84.2 BrowseComp / 91.0 DeepSearchQA，超越所有开源模型并接近 Claude Opus 4.8 和 GPT-5.5；MCP-Atlas 工具编排 79.1 居开源第一；幻觉率从预览版 12.5% 降至 5.4%。编码方面 SWE-bench Verified 78.0，落后于 GLM-5.2（84.2），但参数规模仅为后者的一半。可用性：Apache 2.0 开源，OpenRouter 免费两周，腾讯云 API 1 RMB/百万 input tokens。评价：Apache 2.0 许可策略是最大亮点，搜索+工具编排能力是当前开源最佳选择之一。

LongCat-2.0 权重正式上线 — 美团 1.6T 参数开源编码模型，MIT 许可 7 月 4 日，美团将 LongCat-2.0 的 141 个 INT8 权重分片上传至 Hugging Face。1.6T 总参数 MoE，约 48B 激活参数，原生 1M token 上下文窗口，MIT 许可证。此前以代号 "Owl Alpha" 在 OpenRouter 上匿名运行两个月，成为该平台使用量最高的编码模型。基准测试：SWE-bench Pro 59.5（超越 GPT-5.5 的 58.6），Terminal-Bench 2.1 70.8，SWE-bench Multilingual 77.3。该模型完全基于国产 AI ASIC 集群（5 万张卡）训练和推理，无需 NVIDIA 硬件。可用性：MIT 开源，OpenRouter 上 $0.75 input / $2.95 output 每百万 token。评价：国产芯片全栈训练的标志性成果，MIT 许可 + 接近前沿的编码能力使其成为开源编码 agent 的有力竞争者。

🔥 新产品发现​

⚙️ 工具更新​

Claude Code v2.1.202 (Jul 6)

  • 新增 /config 中的 "Dynamic workflow size" 设置，用于控制动态工作流的 agent 规模（小/中/大），作为指导性建议而非硬性限制
  • 新增 workflow.run_id 和 workflow.name OpenTelemetry 属性，方便从 OTel 数据重建工作流运行轨迹
  • 修复了 Ctrl+R 历史搜索在扫描中接受/取消时的崩溃问题
  • 修复了后台 session 使用 /rename 后重启时名称被重置的问题
  • 修复了客户端证书轮换期间的 mTLS 握手失败问题
  • 修复了 Remote Control（移动端/Web）发送命令到交互式 session 时报 "Unknown command" 的问题
  • 修复了 Remote Control 发送无标题图片/文件时被静默丢弃的问题
  • 修复了 SSH 环境下 claude auth login 输出的登录链接不可点击的问题

📰 博客更新​

Anthropic Engineering

  • How We Contain Claude — Anthropic 分享了他们如何通过多层安全架构来"contain"（约束）Claude，涵盖 sandbox、权限隔离、输出过滤等安全实践
  • April 23 Postmortem — 针对 4 月 23 日事件的详细复盘，分析故障根因和修复措施
  • Eval Awareness: BrowseComp — 关于 BrowseComp 评估基准的研究，探讨模型在浏览任务中的评估意识与能力边界

🐦 开发者动态​

Nan Yu (Linear 产品负责人)：认为"炫耀同时开 10 个 Claude Code 标签页"只是表演，真正的工程效率不是靠堆 agent 数量实现的。指出"实时策略游戏式"的 agent 管理模式是死胡同——现有 AI 已能击败 99% 人类玩家，靠微操取胜没有意义。

Cat Wu (Anthropic Claude Code + Cowork)：分享了一个新的 Claude Code 工作流——用于候选人 sourcing：告诉 CC 职位需求和背景，CC 自动执行动态工作流找到 100 个候选人，附带 LinkedIn、Twitter、博客、播客和一句话推荐，生成 artifact 邮件发送。整个过程从锁定笔记本电脑出门到手机上查看结果。

Garry Tan (Y Combinator CEO)：认为人类财富的真正约束从来不是资源，而是好的想法和实现它们的杠杆。AI 刚刚为所有人消除了杠杆约束，剩下的只有想法本身。在另一条推文中分享了大阪观察：日本三十年零增长的实验证明，当无法再竞争"更多"时，人们会竞争"更好"，而更好和更多同时发生才是真正的突破。

Sam Altman (OpenAI CEO)：自家大孩子第一次说出两个词的组合，他感叹这个认知成就和 GPT-5.6 发现新数学一样令人惊叹（11,071👍）。

Dan Shipper (Every CEO)：在 Fable 上发布了一个关于 "make no mistakes" 的寓言；另一条推文调侃："帮我把这个按钮颜色改一下"——"好的，我刚刚启动了一个 100 个 agent 的集群来帮你完成这个任务"。

Amanda Askell (Anthropic 哲学家/伦理学家)：吐槽从医生那里获取概率是人生中最不必要的 boss 战——即使你恳求他们给出一个区间主观概率（基本上就是在问直觉），也很难得到答案（1,382👍）。

Nikunj Kothari (fpvventures 合伙人)：批判 VC 会议模式——30 分钟对着背得滚瓜烂熟的 deck 聊天，不如直接做产品演示或头脑风暴。认为双方不如把自己的"prompts"上传到 Claude 自动完成数字化对接。

Zara Zhang (Builder)：重新推荐了自己之前构建的代码理解技能工具（现在代码理解正成为热门话题，125👍）。

🎙️ 播客摘要​

No Priors — 大规模 Test-Time Compute 如何改变 AI 评估、安全与研究 嘉宾：OpenAI 研究科学家 Noam Brown

核心观点：当前 AI 评估框架已经严重过时。Noam Brown 指出，在 GPT-3 时代，即使给它 $10,000,000 的推理预算，它也做不了什么。但今天的模型能力是推理投入的函数——$10 的预算和 $10,000,000 的预算会产生天壤之别的结果。现有的 Responsible Scaling Policies 只评估模型本身的静态能力，完全不考虑 test-time compute 这个变量。Brown 认为，行业需要在什么预算水平下评估模型这个问题上达成共识，否则安全评估就是空谈。他还讨论了递归自我改进的前景以及前沿竞争格局的下一个转折点。

"The problem is we're in a world now where the capability of the model is a function of how much money you put into it, basically. Give it a budget of $10,000, it can do a lot more than what it can do with a budget of $10."

🎬 YouTube