AI探索指南
- 今年的AI Coding实在是太热闹了，缺席的大模型厂商基本可以被开除出第一阵营了。
昨夜今晨的沸腾终于轮到了阿里，Qwen-Coder登顶全球开源模型编程榜，性能对齐Claude 4。
其实Qwen这么晚才下场反而是我比较在意的，好在晚有晚的好处，那就是准备充分，因为训练得足够熟练，Qwen-Coder在实际工作时能调用的工具量是远高于Claude 4的，非常有助于效果的追赶。
是的，在模型层，Claude 4的编程能力依然是最能打的之一，唯一的问题就是贵，前几天看到一个程序员整活，给Claude 4配了一台设备，授予控制权供它自由发挥，一天下来最大的乐子是收到了几百美金的新增账单⋯⋯
不过因为AI Coding的杠杆性，对于模型成本的考虑在此前并没有太高的优先级，毕竟和时间成本相比，单月几十美金的标准费用已经很划算了，所以AI Coding几乎是这波AI浪潮里最早也是唯一具有盈利确定性的赛道。
但在Agent时代到来之后，Tokens的消耗眼看着呈指数级增长，被「智能带宽」卡脖子的情况必然会出现得越来越频繁，Qwen-Coder主打「同性能价位最低、同价格性能最强」，多少有些白衣骑士的人设。
这也可能是第一个为Agent而生的编程模型，看报告就知道了：
「Qwen3-Coder具备出色的Agent能力，尤为擅长解决多步骤的长任务，它能通观全局自主安排工作内容，支持Agent调用各种工具深入钻研，最终解决复杂编程任务，基于Qwen3-Coder，网页开发、AI搜索、深度研究等智能体应用将变得更智能、更高效。」
一句话总结，就是旧的市场他强任他强，新的市场必有我的一顶王冠。
就像Qwen家族已经是全球下载量最高的来源模型，Qwen-Coder也要用质价比这张王牌，继续降低编程门槛，打破20美金/月起步、200美金/月能爽的约定俗成，让更多的普通人也能享受数字造物的乐趣。
还有一个细节是，Qwen-Coder的API是能和Claude Code、Cline等工具协同使用的，这已经不是「三个臭皮匠胜过诸葛亮」了，而是把三个诸葛亮凑在一起搞末位淘汰制⋯⋯
只要价格能打下来，专业的程序员完全可以自由组建「AI员工矩阵」，择优验收各自最擅长交付的工作成果，获得以前想都不敢想的生产力。 - 朋友公司的机器人
出完差回杭州中……
（应该没有买票） 
- 前天字节Trae solo（牛逼）
昨天腾讯 codebuddy（IDE）
今天阿里 qwen3 coder（开源）
下半年AI编程国内开花了 - AI+机器人🤖
- 这个观点很好，软件正从以界面为中心的用户体验（UX），变为以 Agent 为核心的 Agent 体验（AX）。#ai创造营#
最好的产品会主动理解、记忆并不断优化用户体验。
传统的 UX（用户体验）以屏幕和界面为中心，用户每次操作都从零开始，产品只根据预设流程做出反应，几乎不记住用户的历史和偏好。设计师提前规划好所有路径，用户需要不断填写表单、选择选项，软件只追求“更少点击、更快流程”。
AX则以“关系”为核心。软件像一个智能助手，持续记住用户的目标、偏好和历史，主动推送下一步建议，随着使用不断进步。系统会自主规划路径，学习上下文，记住团队习惯，甚至能做出设计师未预设的决策。
在 AX 模式下，衡量产品成功的标准变成了“信任感”和“复利价值”，而不是单纯的操作效率。信任的建立也更像人与人之间的协作，智能体会展示自己的推理过程，随着信任加深逐渐减少干预。
未来大多数软件都会采用 AX 模式，成为“你合作的伙伴”而不是“你使用的工具”。一旦体验过真正的 AX，传统的 UX 会让人觉得“过时且低效”。
这是 UX 和 AX 两者的详细对比：
传统用户体验 (以屏幕为中心)：
用户点击一个按钮，产品做出反应，任务便完成了。每一次新的会话都意味着从零开始。
一旦用户偏离了设计师预设的“理想路径”，系统往往会不知所措，并出现错误状态。
用户需要通过填写表单等来提供所有信息，一旦离开当前会话，产品便会忘记关于你的一切。
衡量体验好坏的标准主要集中在减少操作摩擦上，而不是能否带来深刻的理解或创造持久的价值。
用户信任的是品牌界面的外观和感觉，而非系统持续的、智能的判断力。
代理式体验 (以关系为中心)
代理会持续追踪进度，适时地推动下一步，并随着时间推移不断学习和改进。
它能主动地感知、推断并选择行动方案，这些行动是设计师未曾，也无需逐行编写脚本的。
系统会记住并复用用户的偏好、行为模式，甚至是团队的工作规范，用户无需再三解释自己。
关键的衡量指标转向了用户留存率、对决策的满意度，以及用户最终愿意将多少自主权交予系统。
代理会像一位出色的人类队友，在合作初期充分展示其工作成果以建立信任，然后随着用户信心的增长而逐渐减少不必要的干预。
来源：x.com/gregisenberg/status/1947693459147526179 
- AI 的 IMO 2025 成绩这事已经进入叠加态了。
先是 MathArena（一个苏黎世的研究机构）发布了一个结果，说各大 AI 成绩都不怎么样，最好的 Gemini Pro 2.5 也只做出来三分之一。这个结果被广泛引用（了几天）。——这其实和我对 AI 能力的认知是相符的。
然后 OpenAI 搞了个大新闻，说他们的一个内部模型获得了 IMO 金牌。这个模型（他们自称为 IMO gold LLM）并不会向公众发布，只是内部试验用。
这条消息立刻引起很大争议。陶哲轩估计是被问烦了，在他自己的社交媒体上不冷不热地说：我不会就不公开方法的自我宣称金牌做出任何评论。
然后 DeepMind 宣布自己的模型 Gemini Deep Think 也获得了金牌（做出六道题中的前五道）。但为了和 OpenAI 区隔，DeepMind 特意强调，自己的结果得到了 IMO 主办方的官方认证。CEO Demis Hassabis 不忘阴阳怪气，在社交媒体上说：「我们没有在周五宣布，是因为我们尊重 IMO 委员会的原始要求，即所有 AI 实验室都应该在官方结果得到独立专家验证且学生们理应获得应有的赞誉之后才分享他们的结果。」——但他们用的也是没有公开的模型，所以陶哲轩也没有公开评论。
然后就在昨天，一篇新的报告出笼，宣称只用市面上公开的 Gemini Pro 2.5，配合上精心设计的 prompt pipeline（但不包含作弊性的提示），就能在 IMO 上拿到金牌。报告里详述了他们的做法。Google 对此尚未作出评论，我怀疑他们对此略有点尴尬（？）
说实话，上面这四条新闻里我最诧异的是最后一条。如果可复现，这意味着当下市面上的模型的潜力远远超出它们纸面上的能力。
但总之，现状是AI正好落在一个好像过线了又好像还没有的薛定谔状态里。看这个意思，至多明年肯定就过了。 - 早晨起来，意外发现 Qwen3 Coder 发布了。
Qwen3 Coder 一个具备 Agent 能力的代码模型。
这个模型在 Agentic Coding、Agentic Browser-Use 和 Agentic Tool-Use 上取得了开源模型的 SOTA。
简单说，代码和 Agent 能力，可以和 Claude Sonnet4 相媲美。
模型总参数量只有 480B，激活参数 35B。
模型原生支持 256k 并可通过 yarn 等方式扩展至 1M。
我用下来，这个模型的推理速度真的太快了，特别是习惯了 R1 和 K2 的慢速，你会感觉瞬间起飞。
模型实测和价格信息详见文章
https://mp.weixin.qq.com/s/feoAQV5qJoJ5xfZIEDinKw - Claude Code 的国产平替终于来了朋友们
早晨看到后立刻安装体验
配置简单，速度飞快，不会封号，爽起来了。
Qwen Code 虽然是基于 Gemini CLI 进行二次开发，但进行了 prompt 和工具调用协议适配 ，能最大程度激发 Qwen3-Coder 在 Agentic Coding 任务上的表现。
安装非常简单，详见公众号文章
https://mp.weixin.qq.com/s/feoAQV5qJoJ5xfZIEDinKw - Kimi 的深度研究
用来分析国内的政策变化影响
实在是比 GPT/Gemini 要有用的多 - Vibe Coding 产品的时代变了朋友们
MiniMax Agent 获得大幅更新，现在支持前端和后端服务一起生产了
我一句话就搞定了一个完整的 AI 算命产品。
支持登录注册、两种算命方式、还能预约真人大师和购买会员，算的结果不要当真，图一乐就行
如果对 AI 算命感兴趣的话可以来试试，每个用户会有 3 次试用机会，3 次试用结束会要求登录。
另外支付逻辑是写好的，但是我没有申请自己的 Stripe 账户，所以会支付失败。
你可以在这里尝试天机神算：https://9f6jzycxnkop.space.minimax.io
下面是具体的创建过程介绍：
刚开始他很清楚自己不会算八字和六爻，所以非常谦虚的开始了学习，这要是其他类似的 Agent 估计就开始瞎编了。
八字这里他直接找了一个开源项目学习他的算法，六爻因为比较简单，本质是随机数，他就直接写了。
完成了核心算法之后，他开始最难的两部分了，如何存储用户信息以及如何加入支付逻辑和支付系统。
这时候数据库 MiniMax Agent 用的是常见的 Supabase ，但是整个数据库创建和连接过程及其优雅.
直接在新建页面登录账号后点击授权按钮，就结束了不需要你寻找各种 API 和翻看后台。
Stripe 也是类似，只需要你填写你的 Stripe API Token 就行，完全不需要跳出页面就可以搞定。
在做好左右准备之后他就直接开始设置数据库和构建对应的算法和项目了，这部分没什么好说的。
然后在完成项目之后他会主动进行代码测试和利用 Browser use 进行可视化测试，去点击每个网页的按钮查看实现效果和逻辑完整性。
最后的结果非常令人惊喜，他几乎一次性完成了所有主要的核心流程，包括八字和六爻的计算，试用逻辑、支付弹窗以及登录注册逻辑。
我刚开始测试的时候基本没有管真人预约这部分，我就没想他能做，结果没想到，他这都做好了，在填写完信息之后他会告诉你预约成功了，工作人员会跟你联系。
