{"source":{"id":"2044787072947601796","title":"AI独立写代码的成功率被推到了87.6%。 看一眼Opus 4.7的成绩单。 在最硬核的SWE-bench Verifi…","url":"https://mubeitech.com/p/2044787072947601796"},"method":"semantic-similarity","count":4,"items":[{"rank":1,"id":"2054215545663144217","account":"mubei","brand":"@mubei","title":"GPT 5.5 破局了。 程序员最担心的事，还是发生了。 200个高难度任务，24.8万次高压测试。 在此之前，没人相信…","summary":"GPT 5.5 破局了。 程序员最担心的事，还是发生了。 200个高难度任务，24.8万次高压测试。 在此之前，没人相信 AI 能从零开始重构程序。 这是 ProgramBench 的最新数据。 GPT 5.5 xhigh 的完成率冲到了 13.5%。 而此前的霸主 Opus 4…","body":"GPT 5.5 破局了。\n\n程序员最担心的事，还是发生了。\n200个高难度任务，24.8万次高压测试。\n在此之前，没人相信 AI 能从零开始重构程序。\n\n这是 ProgramBench 的最新数据。\nGPT 5.5 xhigh 的完成率冲到了 13.5%。\n而此前的霸主 Opus 4.7 只有 4.5%。\n三倍的性能跨越，标志着 AI 正式接管复杂逻辑。\n\n更有意思的是 AI 的策略选择。\n面对同一任务，高级版选了 Python 追求效率。\n顶配版直接掏出 C 语言，挑战计算底层。\nAI 已经学会根据任务难度，自主选择最适合的武器。\n\n2026 年，算力即是国力。\n川普政府对 AI 监管的松绑，让研发速度彻底爆发。\n当某些模式还在忙着给模型套上各种复杂的审查枷锁时。\n硅谷已经在 24 万个测试用例中，拿到了重塑软件工业的钥匙。\n\n这种从零构建代码的能力，正在让传统程序员的护城河迅速干涸。\n软件生成的边际成本，正在无限趋近于零。","category":"科技","score":80,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-12 18:45:20","created_at":"2026-05-12T17:02:06+02:00","url":"https://mubeitech.com/p/2054215545663144217","markdown_url":"https://mubeitech.com/p/2054215545663144217/markdown"},{"rank":2,"id":"2079256614238814551","account":"mubei","brand":"@mubei","title":"AI写代码的胜负，开始变成模型编队的成本问题。 干完全一样的事，账单能差出15倍。 看看这个极端的测试。 任务是丢给AI…","summary":"AI写代码的胜负，开始变成模型编队的成本问题。 干完全一样的事，账单能差出15倍。 看看这个极端的测试。 任务是丢给AI智能体团队一本835页的手册。 让它们从头开始，用Rust语言把SQLite数据库重写一遍。 代码交出来，100%通过了保留测试集，完美复刻。 活儿干得都挺好，…","body":"AI写代码的胜负，开始变成模型编队的成本问题。\n干完全一样的事，账单能差出15倍。\n\n看看这个极端的测试。\n任务是丢给AI智能体团队一本835页的手册。\n让它们从头开始，用Rust语言把SQLite数据库重写一遍。\n代码交出来，100%通过了保留测试集，完美复刻。\n\n活儿干得都挺好，但一结账，差距惊人。\n全靠单体大模型硬刚的，账单直接上天。\nFable 5花了两万多美元，GPT 5.5也花了一万多。\n但如果换个玩法，用Opus 4.8搭配Composer 2.5呢？\n只要1339美元。\n\n为什么差这么多？\n秘密就在于分工。\n把任务拆成“规划者”和“打工人”。\n让顶级模型出脑力做规划，让性价比高的模型当码农干苦力。\n同样的代码质量，成本直接砍掉九成。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2079394892363489533","translated_status_id":"2079394892363489533","published_at":"2026-07-21 00:06:30","created_at":"2026-07-21T02:01:32+02:00","url":"https://mubeitech.com/p/2079256614238814551","markdown_url":"https://mubeitech.com/p/2079256614238814551/markdown"},{"rank":3,"id":"2080728910291959884","account":"mubei","brand":"@mubei","title":"怎么让落后的 GPT-3.5 干翻最强的 GPT-4？ 搭个工作流。 看一组刺眼的测试数据。 在写代码的 HumanEv…","summary":"怎么让落后的 GPT-3.5 干翻最强的 GPT-4？ 搭个工作流。 看一组刺眼的测试数据。 在写代码的 HumanEval 测试里，GPT-4 直接裸跑，得分只有 67.0%。 上一代的 GPT-3.5 裸跑更惨，只有 48.1%。 但只要把 GPT-3.5 塞进多智能体工作流…","body":"怎么让落后的 GPT-3.5 干翻最强的 GPT-4？\n搭个工作流。\n\n看一组刺眼的测试数据。\n在写代码的 HumanEval 测试里，GPT-4 直接裸跑，得分只有 67.0%。\n上一代的 GPT-3.5 裸跑更惨，只有 48.1%。\n但只要把 GPT-3.5 塞进多智能体工作流，得分直接飙到了 95.1%。\n\n落后一代的模型，靠着架构，把最强模型按在地上摩擦。\n系统设计，比选哪个模型更重要。\n\n吴恩达把这套逻辑彻底拆开了。\n逼大模型一次性给个完美答案，就像让人类一口气写完万字长文不改稿，违背常理。\n解法就是让 AI 走四步：反思、用工具、做规划、多智能体协作。\n翻译一下：让它打草稿、上网查、拆任务、拉个群开会。\n\n到了 2026 年 7 月，这套系统又进化了。\n多个 AI 员工一起干活，最大的痛点是状态和记忆不同步。\n于是，知识图谱成了这个虚拟公司的底座。\n\n这套新架构分工极其明确。\n顶层是架构师 Agent，负责定计划。\n中间是技术主管 Agent，负责分发和评估。\n最底层是开发者 Agent，负责敲代码调用工具。\n它们围着一个共享的知识图谱实时读写，不再单线传话。\n事实能保存，跨任务能推理，连逻辑都能追溯。\n\n吴恩达把话放这了：\n今年智能体工作流带来的进步，可能比下一代基础模型的升级还要大。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2080961389712036214","translated_status_id":"2080961389712036214","published_at":"2026-07-25 10:18:05","created_at":"2026-07-25T12:16:10.252442","url":"https://mubeitech.com/p/2080728910291959884","markdown_url":"https://mubeitech.com/p/2080728910291959884/markdown"},{"rank":4,"id":"16270387","account":"mubei","brand":"@mubei","title":"Luna 高档位，把 Sol 低档位打没了。 同一张 Agentic Coding 成本图里，最有用的结论就这一条。 编…","summary":"Luna 高档位，把 Sol 低档位打没了。 同一张 Agentic Coding 成本图里，最有用的结论就这一条。 编程 Agent 选模型，先别盯着名字，先看 effort 档位。 这张 Artificial Analysis Coding Agent Index v1.1，…","body":"Luna 高档位，把 Sol 低档位打没了。\n同一张 Agentic Coding 成本图里，最有用的结论就这一条。\n编程 Agent 选模型，先别盯着名字，先看 effort 档位。\n\n这张 Artificial Analysis Coding Agent Index v1.1，把横轴放成 API 成本，纵轴放成 Index score。\n越往右越贵。\n越往上越能打。\n\nGPT-5.6 Luna 从 Light 到 Ultra，一路从 40 多分爬到 70 多分。\n成本大概还压在几百美元区间。\n同一段区域里，Sol 的低档位并没有给出足够的分数溢价。\n\n所以原作者那句话很实用。\n除非你明确需要 Terra Ultra 那一档性能，否则 Luna 提高 effort，往往同分或更强，还更便宜。\n\n再往上看，GPT-5.6 Terra 和 Sol 确实能把分数推到 80 附近。\n但成本也开始从 1000 美元、2000 美元往上走。\n这已经不是日常写代码的默认选项，更像关键任务时买确定性。\n\nClaude Opus 4.8 的线也很清楚。\nMedium 大概 67 分，Max 大概 73 分，成本却从 1000 多美元拉到 2000 多美元。\nClaude Fable 5 更夸张，接近 3700 美元，分数大约 77。\n\nGemini 3.1 Pro Preview 在图里只有 40 多分。\n便宜不便宜已经不是第一问题，问题是它还没站到这条赛道的有效区间里。\n\n给普通工程团队的保存版选择表很简单。\n低成本试错，用 Luna 高 effort。\n需要更稳的高性能，再看 Terra。\n真的要冲顶，再碰 Sol Ultra。\nSol Extra 可以先划掉。\n\nAI 编程的成本曲线，正在变得像云计算。\n贵模型不是信仰，effort 档位才是旋钮。\n会调旋钮的人，先省钱，也先接近生产力。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2075761783206216032","translated_status_id":"2075761783206216032","published_at":"2026-07-10 23:12:03","created_at":"2026-07-11T00:53:30+02:00","url":"https://mubeitech.com/p/16270387","markdown_url":"https://mubeitech.com/p/16270387/markdown"}]}