跳到主要内容

AI Builders Digest — 2026-07-25

🧠 模型发布​

Claude Opus 5：Anthropic 称其在 Frontier-Bench、GDPval-AA、ARC-AGI 3、Zapier AutomationBench 与 OSWorld 2.0 等 coding、知识工作和 computer-use 评测上达到新的领先水平；在 CursorBench 3.2 的最高 effort 下，表现与 Fable 5 峰值相差不到 0.5%，但单任务成本约低一半。可用性：闭源，已上线 Claude 全平台、Claude API、Claude Code 与 Claude Cowork；API 价格为输入 $5、输出 $25 / MTok，另有约 2.5 倍速度的 Fast mode。评价：重点不是刷新价格，而是把接近 frontier 的 agentic coding 能力下放到更适合日常使用的成本档位。

Apertus 1.5：ETH Zurich、EPFL 与 CSCS 在 7 月 24 日发布的开放模型升级版，新增图像与音频理解，并改进 reasoning、instruction following 和 tool use；同时推出 Apertus Mini 系列。可用性：Apache 2.0 开源，模型套件已在 Hugging Face 提供，CSCS 为其用户及瑞士学术社区提供 inference API。评价：它的价值不在于和私有 frontier 模型拼榜单，而在于把训练数据、代码与开发过程置于可检查的 sovereign AI 基础设施中。

Instella-MoE：AMD 发布 fully open 的 16B MoE LLM，每 token 激活 2.8B 参数，采用 Gated MLA 与 FarSkip-Collective；AMD 报告称后者让预训练速度提升 12.7%，在 expert parallel inference 中将 TTFT 最多降低 39.2%。可用性：开源，完整权重、训练配置、数据配比、中间 checkpoint 与 inference code 均公开，基于 AMD ROCm、Primus 与 Miles 构建。评价：这是一次从硬件、训练栈到模型 artifact 都开放的端到端示范，规模不大但工程信号很强。

🔥 新产品发现​

  • Claude-thermos：保持 Claude session 温热，减少长时间等待和重新初始化，适合频繁切换的 coding agent 工作流。[HN 106👍 83💬]
  • ego-lite：为 AI agent 提供零配置、零成本的浏览器自动化，并可共享已登录的 browser state。[GitHub Trending，884⭐ today]
  • mattpocock/skills：从真实 .agents 目录整理出的工程技能集合，适合作为 coding agent 的可复用上下文。[GitHub Trending，2224⭐ today]
  • Agent-Reach：用一个 CLI 让 agent 搜索和读取 X、Reddit、YouTube、GitHub、Bilibili、小红书等来源，不依赖付费 API。[GitHub Trending，477⭐ today]
  • pi：集成统一 LLM API、agent loop、TUI 与 coding agent CLI 的 agent toolkit。[GitHub Trending，781⭐ today]
  • OpenMontage：开源 agentic 视频制作系统，包含 12 条 production pipeline、100 多个工具和 700 多个技能与知识文件。[GitHub Trending，333⭐ today]
  • X402vps：为 AI agent 提供按小时用 USDC 计费的 Docker 容器，面向短时、可丢弃的推理或工具执行环境。[HN 12👍]
  • The new Firecrawl /search：面向 AI agent 的 Search API，主打更准确的检索结果。[PH]

⚙️ 工具更新​

Claude Code v2.1.219​

查看 changelog

  • 默认 Opus 模型切换为 claude-opus-5，支持 1M context；Fast mode 价格为 $10/$50 per Mtok。
  • 新增 sandbox.network.strictAllowlist，可在 sandbox command 中拒绝未列入 allowlist 的 host，而无需每次提示。
  • 新增 DirectoryAdded hook，支持 session 中通过 /add-dir 或 SDK 注册新工作目录后触发自动化逻辑。
  • headless stream-json init event 新增 mcp_server_errors，列出因配置校验被跳过的 MCP server；终端运行也会显示启动警告。
  • 支持更深层 subagent 的 stream-json 转发，并修复 mid-stream API error 时 claude -p 丢失已生成答案的问题。

📰 博客更新​

Claude Blog​

  • Claude Code now supports artifacts：Claude Code 可以把 session 中的调查、代码、连接器数据和推理整理成可分享、可持续更新的 live artifact，例如 PR walkthrough、incident 页面、dashboard 或 release checklist；同一链接支持版本历史和恢复。Feed 标记的发布时间为 6 月 18 日。

Anthropic Engineering​

Feed 提供了以下新条目，但没有正文或摘要，因此仅保留标题与直链：

🐦 开发者动态​

  • Swyx（AI 开发者与投资人）：分享了自己连续 dogfood 一个 agentic GitHub clone 的体验，产品已经包含 Workers for Platforms 提供的内置 CI/CD，准备继续打磨后公开；他还称赞 Poolside Small 的开放评测数据集，认为公开完整 eval dataset 有助于检查 reward hacking。
  • Thibault Sottiaux（OpenAI Codex 与 ChatGPT）：展示 ChatGPT desktop app 的 Jarvis、Samantha、TARS 式语音交互，主打离开键盘也能完成工作。
  • Peter Yang（AI 教程作者）：设想让多个 ChatGPT Voice thread 同时运行，形成一个可以互相协作并向用户汇报的语音团队。
  • Madhu Guru（Meta AI 负责人）：把 agent 身份与权限管理提到台前：一个员工可以生成数百个 agent，父子 agent 是否继承权限、生命周期如何定义、如何审计，都需要新的 IAM 模型。
  • Amjad Masad（Replit CEO）：介绍一个通过 MCP 把 Replit 接入 autonomous agency 的案例，重点是把“agency model”从编码扩展到整个业务流程；同时分享 chess autoresearch agent 自动改进 LLM fine-tuning 的实验。
  • Guillermo Rauch（Vercel CEO）：表示 Vercel 上的 Python code 启动速度已自动提升约 2 倍，并继续强调 AI Gateway 的快速迭代。
  • Aaron Levie（Box CEO）：认为 AI 更像专业领域的 force multiplier；真正懂行的人更能纠正 agent、判断输出质量并把结果纳入工作，因此专业能力不会消失，反而更重要。
  • Claude（Anthropic）：Claude Voice mode 现在可以调用更强的 Opus、Sonnet 模型，并在对话中使用已连接的 email、calendar 等工具；更新向 mobile、desktop 和 web 的 public beta 推出，增加西班牙语、法语、印地语和日语支持。

🎙️ 播客摘要​

The Biggest Chip Ever Built：Why OpenAI Runs On It | Cerebras CEO Andrew Feldman​

核心观点：AI inference 的下一场竞争，可能不只是模型能力，而是每个用户每秒能拿到多少 token。Cerebras CEO Andrew Feldman 从 wafer、SRAM 与 GPU decode 的差异讲起，解释为什么 Cerebras 的晶圆级芯片比 GPU 大得多，却能在 inference 场景中换来更低延迟。对开发者而言，关键概念是 prefill 与 decode：前者更像批量处理，后者更受 memory bandwidth 和芯片通信影响，而 agent 会把大量连续 decode 请求转化为新的基础设施压力。

Feldman 还谈到 HBM、CoWoS、3nm 等供应链瓶颈，以及 OpenAI、Broadcom、AWS Trainium 和 Cerebras 如何围绕专用 silicon 重组。一个反直觉的判断是，CUDA 可能不再是 NVIDIA 永久的 moat，因为当 inference 变成云产品，tokens per second、可预测延迟和 API 级体验会比单纯的 GPU 通用性更直接地影响采购。Cerebras 的路线也说明，deep tech 往往要经历多年“没人关心”的阶段，直到 workload、资本与软件生态同时成熟。