DeepSWE 新基准测试为什么会爆火
新基准测试 DeepSWE 因杜绝数据污染且贴近真实开发场景而受关注。该测试采用全手写未公开任务，提示词简短但代码量大，有效检验模型自主理解与编码能力。测评显示 GPT 5.5 以 70% 得分领先，Opus 4.7 落后超 15 分且成本高出近三倍。测试还揭示了模型行为差异：Claude 易遗漏需求并检索历史答案，GPT 5.5 则严格遵循指令。DeepSWE 被认为更能反映大模型实际编程水平。
Claude Fable 5 实测
Claude Fable 5 发布，定位为 Mythos 降权公开版，核心优势在于长程复杂任务的稳定性。该模型支持 1M token 上下文，在 Stripe 全库迁移等场景中表现优异。安全方面采用运行时分流机制，高风险请求自动路由至 Opus 4.8。定价为输入 $10/百万 token、输出 $50/百万 token，6 月 22 日前对订阅用户免费，并已上线 AWS Bedrock 和 GitHub Copilot。实测显示其代码生成与 3D 建模能力显著优于前代，建议针对长任务场景进行实
Runway AI 短片《50 Crowns》
由 Runway 制作的游戏 CG 级短片《50 Crowns》讲述了赛博格赏金猎人古堡探险的恐怖悬疑故事。该视频完成度极高，由创作者在不到一周内独立完成。相比以往需团队协作数月的复杂过场动画制作流程，AI 技术显著提升了包含复杂场景、角色对话及动作打斗内容的生产效率，展现了个人创作者实现高质量影视级内容的全新可能。
能自主运行数天的神话级模型 Claude Fable 5 正式发布
Anthropic 发布最强模型 Claude Fable 5 并向公众开放。针对此前预览版存在的安全隐患，该模型引入安全路由机制，将高风险请求自动分流至 Opus 4.8 处理，在保障安全的同时释放通用能力。Fable 5 具备超高自主性，可连续数天独立处理金融、法律及科研等领域的复杂项目，无需人工干预。这种长周期、高自主性的任务处理能力，有望彻底改变现有工作流。
谷歌说 AI 不该假装确定：忠实不确定性如何终结幻觉困局
谷歌研究团队提出“忠实不确定性”框架，主张 AI 应诚实表达置信度而非盲目追求零错误，以解决大模型“自信错误”导致的幻觉问题。该研究指出传统降幻觉方法存在高昂“效用税”，建议将输出区分为自信错误与诚实猜测。这对 AI Agent 尤为关键，能优化元认知判断与工具调用效率。开发者可通过调整评估指标、提示词及路由策略落地应用，推动系统从可用迈向可靠。
ComfyUI 不想只做极客玩具了
ComfyUI 正从极客工具转型为大众化 AI 绘画平台。通过 App Mode 简化操作界面、可分享链接降低传播门槛及 ComfyHub 构建分发社区，实现工作流的消费级封装。同时，ComfyUI-R1 推理模型能以自然语言自动生成高质量工作流，补齐生产端短板。两者结合形成“生成-封装-分发”生态闭环，在保留高自由度优势的同时大幅降低入门成本，有望凭借深厚的工作流生态构建长期竞争壁垒。
LangChain 让 Agent 的技能不再只靠提示词：Interpreter Skills 把确定性写进代码
LangChain 发布实验性功能 Interpreter Skills，专门用于解决 AI Agent 执行路径不确定的问题。该功能通过增加代码模块，将确定性逻辑从提示词转移至代码，使模型仅负责判断与委托。其核心优势包括执行确定性、解释器内状态持久化及精细化安全边界，有效缓解长流程中的“上下文焦虑”。这标志着 Agent 架构向“提示词定义意图、代码保障执行”的混合模式演进，提升了任务执行的稳定性与可靠性。
Grok Imagine Video 1.5 登顶图生视频排行榜
xAI 发布 Grok Imagine Video 1.5 Preview，登顶 Arena.ai 图生视频排行榜。该模型在人物一致性、原生音频同步及视频拼接功能上显著进步，旨在填补 Sora 关停后的市场真空。其 API 定价每秒约 0.55 元，但存在仅支持图生视频、最高 720p 分辨率等局限。这标志着 AI 视频竞争转向工程链路完整性与产品化交付，适合已有素材的动效创作，文字生视频则推荐 可灵 3.0、Seedance 2.0 或 Veo 3.1。
别再纠结 Claude Code 还是 Cursor，高效开发者在同时用两个
高效开发者倾向于组合使用 AI 编程工具而非二选一。实战表明，Cursor 适合单文件精细调整，Claude Code 擅长跨文件重构与后台任务，两者互补可显著提升效率。多智能体并行及“先规划后编码”策略能加速 SaaS 开发，但需警惕 AI 生成质量下滑等问题。此外，Hermes Agent 等自动化工具可替代人工定时任务。建议以 Cursor 为主、Claude Code 处理复杂任务，初学者应循序渐进掌握工具组合拳。