strands-decider 架構實測:編碼器延遲減半但泛化更差
AWS 工程師 Marc Brooker 用實驗比較編碼器與解碼器架構在 strands-decider 上的表現,結論是這一規模下兩者都沒有明顯優勢。編碼器-only 的 e1b 延遲中位數約 35ms,低於基於 Qwen3.5 改造的 2B 解碼器 v19 的 65ms,精度大致相當,但 prompt 變長後擴充套件性更差;
依意思最接近的 30 筆
AWS 工程師 Marc Brooker 用實驗比較編碼器與解碼器架構在 strands-decider 上的表現,結論是這一規模下兩者都沒有明顯優勢。編碼器-only 的 e1b 延遲中位數約 35ms,低於基於 Qwen3.5 改造的 2B 解碼器 v19 的 65ms,精度大致相當,但 prompt 變長後擴充套件性更差;
作者花 3 個月、約 500B token 讓 AI agent 把一款第一人稱射擊遊戲反編譯成 C++,最終程式碼可讀但語義錯誤。專案同時使用 Claude Max(20x)與 Codex Pro 訂閱,agent 跑在 Claude Code CLI 與 Codex CLI 裡,主力是 Sonnet 5,也用過 Opus 5.5、Luna、Sol、Terra;
OpenCode 發布 v1.18.35,核心改進是新增 canonical redirects,並提供 JSON 與 Markdown 兩種格式的 agent 可讀統計資料。本次修復讓 xAI 的工具呼叫結果可以攜帶受支援的圖片,不支援的圖片格式會被跳過,做法是把 @ai-sdk/xai 升級到 3.0.139。文件方面,Zen 文件新增 Fledge Alpha Free,生態外掛列表加入 opencode-supabase,該版本同時致謝 3 位社群貢獻者。
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現,AI 程式設計工具並未讓企業軟體產出增加或減少用人,編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加,pull request 更常需要返工,審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
OpenAI 開發者帳號介紹了內部工程師如何使用 Codex:在自家程式碼庫中檢索、定位需要關注的部分,並逐步消化積壓的維護任務。推文只給出這一概述,未披露具體工作流程、所用模型版本或效率資料。
九章雲極為 GLM-5.3 推出推測解碼加速方案 Alaya-DFlash2,在 8×H200、TP=8 單併發下解碼速度達 288.2 tokens/s,為原生自迴歸 84.5 tokens/s 的 3.41 倍,總輸出吞吐從 78.95 提升至 236.47 tokens/s。64 併發時吞吐 608.71 tokens/s,較原生提升 44.9%;32k 上下文下草稿接受長度 5.39,高於參評的 IncoAI-DFlash2 與 RedHat-DSpark。
一位開發者撰文稱,AI 輔助程式設計(vibecoding)只把樂趣前置:能快速做出可用原型,但重構和維護階段不再有趣,也缺少手寫程式碼帶來的成就感。他把建造的樂趣分為六種,認為 vibecoding 只能滿足「想到點子」「把點子變成現實」和「解決自己的問題」三類,攻堅後的成就感、作品完成的滿足感與學習樂趣都不會自然產生。他仍用 AI 做出了一些手工做不出來的東西,包括即時野火預警系統、Kobo 資料庫遷移助手和即時音準訓練應用,但表示過程不像自己寫小指令碼那樣好玩。
Airbnb CTO Ahmad Al-Dahle 披露,公司目前 60% 的程式碼由 AI 生成,功能交付量同比增加近 80%,工程師人均 PR 吞吐量提升約 1.6 倍;約一半客服工單已完全由 AI 處理,與 Q2 財報中近 45% 的數字一致。內部上下文圖譜 Everest 幫助雜貨配送服務在 8 至 9 個月內上線,機場接送僅用約 6 周。Airbnb 採用多模型策略,至少部署 10 個定製模型,主要在開源模型上做後訓練和強化學習。
DeepSeek 將其生產環境使用的 token 編碼與解碼元件 deepseek-recipe 開源。該元件的處理邏輯與官方 DeepSeek API 對齊,目的是讓社群自行部署的服務復現相同的 API 行為。這條訊息是該發布執行緒中的第 3 條,官方只給出倉庫連結,未說明許可證與適用範圍。
投機解碼提速並不是因為計算量更少,恰恰相反,同一序列的浮點運算總量反而上升。它快在改變了 GPU 的工作型別:逐個 token 解碼時 GPU 處於記憶體瓶頸、算力閒置,而用小草稿模型一次並行驗證多個 token,等於用閒置算力換取單條序列的深度推進。被拒絕的草稿 token 都是白做的功,高吞吐場景下反而浪費算力,因此 vLLM 提供 --speculative-disable-by-batch-size 引數按批大小整體關閉該功能;
OpenAI 開發者帳號 @OpenAIDevs 發帖預告正在用 Codex 做新東西,並附上一個直播連結,但帖文字身沒有說明具體內容。原文只有一句「Here's what we're cooking with Codex」加一條連結,未給出模型版本、功能範圍、價格額度或時間表,細節需看直播。
OpenCode 1.19.2 把 1.x 固定在 1.x 發布線上:更新檢查只讀取 npm 上 opencode-ai 的 latest 版本,1.x 安裝不會再被當作常規更新推送到 2.x。升級到 OpenCode 2 需顯式操作,走 /update 中的 2.0 入口或執行 opencode upgrade --major。
awslabs 發布 AI-DLC 最新穩定版,這是一套與 harness 無關的 AI 編碼工作流核心,可原生執行在 Claude Code、Kiro CLI、Kiro IDE、Codex CLI、Cursor、opencode 與 GitHub Copilot 中。macOS、Linux、WSL 和 Windows 各有一條安裝命令,原生安裝自帶 aidlc 命令與各 harness 執行時,無需 Bun 或 Node.js。
獨立遊戲開發者 Popcar 指出,AI 正在推動一波對既有遊戲的大規模反編譯,讓老遊戲更容易被移植、修改,並藉助 WebAssembly 在瀏覽器中執行,利好遊戲儲存。但同樣的能力也意味著任何軟體都可能被反編譯:公司可以竊取競品程式碼,付費遊戲或應用可能在違背作者意願的情況下被開源,而且這不限於老遊戲。作者認為,在主機廠商全面轉向數字版、伺服器關停導致遊戲無法遊玩的背景下,這一進展既令人興奮也令人擔憂。
一位開發者認為 AI 程式設計的瓶頸是 agent 而不是模型:模型生成程式碼的能力持續提升,agent 卻停在原地。他區分了模型(GPT Astra、Claude Sonnet、GLM-5.3)與 agent(Claude Code、Codex),並列舉四類問題:OpenCode 把約 1.5k 行的改動拆成 10 個子任務卻逐個序列執行;agent 不會按任務難度切換更便宜或更強的模型;Claude Code 說不清自身功能,只能聯網搜尋;Plan 模式產出的計劃零散、難讀。
Meta 工程師在 LinkedIn 發帖稱,用 AI 寫程式碼後難以逐行審查,交付的系統成了自己不完全理解的黑盒。帖文說 AI 輔助交付節奏太快,逐行檢查會耗費大量時間,結果可能只懂高層結構、不懂每個細節,這違背軟體工程習慣。該帖被轉到 Hacker News 的 Ask HN 後獲得 179 分、292 條評論,討論工程師該理解到什麼程度、又該如何應對才敢繼續交付。
蒙大拿州立大學計算機教授 Carson Gross 在《Yes, and...》中回答“AI 時代還該不該學程式設計”:應該,但初級程式設計師必須親手寫程式碼。他認為 AI 能生成作業程式碼,但若因此不寫程式碼,就難以讀懂程式碼,可能造出自己無法理解和控制的系統;AI 更適合當助教,他給學生提供 AGENTS.md 來把編碼代理配置成助教。他同時判斷,未來寫程式碼本身的相對價值會下降,清晰溝通與理解業務會更重要。
OpenCode 2.0 是一次大規模重構,核心新功能是 Code Mode:用 @opencode/codemode 包內建的極簡 JavaScript 直譯器,把 MCP 伺服器與 OpenAPI 端點轉成代理可呼叫的函式,2.0 中所有 MCP 伺服器預設啟用 Code Mode,一次指令碼就能串起多個工具呼叫,減少往返。服務端也改為在本地自動以單一後臺程序執行,TUI、Web 與桌面端共用同一程序,並推出 @opencode/client 客戶端包與從頭重寫的 API。
OpenCode 發布 v1.19.0,使用者可通過 opencode upgrade --major 升級到 OpenCode 2;TUI 內改用 /update 來安裝更新或完成升級,更新不再自動安裝。本次還允許使用 OpenAI ultrafast 服務層級,並在檢查 PTY 是否存在前先校驗 PTY 連線來源與票據。另有社群貢獻者提交 Exo 用量統計歸屬修復及 Zen 文件條目增刪。
OpenAI 產品負責人 Tibo Sottiaux 發帖預告未來模型會更擅長刪除和簡化程式碼,並在評論中確認 Astra 6.1「coming soon」。負責 coding post-training 的研究員 Rajan Agarwal 轉發該帖,並公開徵集使用者遇到的 sloppy code 與程式碼品質問題。《華爾街日報》此前報導,Astra 6.1 原計劃 10 月發布,因內部安全測試中在權限邊界上表現不穩而被臨時叫停。
一位寫了 18 年程式碼的開發者表示,自去年在 Claude Code 中使用 Opus 4.5 後,用自然語言描述需求比手寫程式碼更快,於是徹底停止了手寫程式碼。他所在的 Filestage 團隊月合併 PR 從約 200 增至 300,bug 報告未增加,每位開發者每月 AI 訂閱費 20 美元,工具可自選 Codex、Claude Code 或 Cursor。
OpenAI 開發者帳號宣布上線一個社群站點,用來瀏覽社群成員用 Codex 做的硬體專案,也可以提交分享自己的作品。公告只強調「用 Codex 可以直接把東西做出來」,沒有給出站點地址、專案數量或參與方式等細節。
LiquidAI 發布 LFM2.5-Encoder 系列,含 250M 與 350M 兩個版本,基於 LFM2 架構的雙向掩碼語言模型,支援 15 種語言、8k 上下文,可微呼叫於分類、檢索、重排與語義相似度等任務。官方稱其吞吐量持平或超過 ModernBERT,CPU 長上下文有優勢,並可在瀏覽器 WebGPU 上執行;GGUF 權重已上傳 Hugging Face,llama.cpp 已提交對應支援 PR。
OpenAI 的 Codex 大使在多座城市辦起 Astra Commons 咖啡館聚會,參與者現場用 Astra 動手做東西。倫敦的 Rohith 做出動畫工具 Forma,帶水母演示;西拉法葉的參加者合力搭建視覺化裝置並在咖啡館投影;馬尼拉一位沒有程式設計背景的燈光音響師用 Astra 原型出樹莓派視覺化裝置;布宜諾斯艾利斯的主辦者用 Codex 做了個工具,把一半名額留給此前沒搶到的人。OpenAI 表示也願意支援做 demo 與教程的創作者。
OpenAI 的 Codex 大使在多座城市辦起 Astra Commons 咖啡館聚會,參與者現場用 Astra 動手做東西。倫敦的 Rohith 做出動畫工具 Forma,帶水母演示;西拉法葉的參加者合力搭建視覺化裝置並在咖啡館投影;馬尼拉一位沒有程式設計背景的燈光音響師用 Astra 原型出樹莓派視覺化裝置;布宜諾斯艾利斯的主辦者用 Codex 做了個工具,把一半名額留給此前沒搶到的人。OpenAI 表示也願意支援做 demo 與教程的創作者。
OpenCode 發布 v1.19.3,核心改進是支援通過模型推理選項生成推理變體,取代目錄中的變體,同時保留使用者已配置的變體覆蓋。該版本由 opencode-agent 於 2026 年 10 月 16 日發布,並被標記為 Latest,發布說明的 Core 部分僅列出這一項改動。除此之外沒有其他功能、修復或破壞性變更的說明,需要該能力的使用者升級到 v1.19.3 後在推理選項裡配置即可。
AI 現在能在數天內自動反編譯遊戲,把編譯後的成品還原成原始碼再重新編譯到其他平台,產出支援高幀率、動態解析度與模組的原生版本。作者舉例 IsaacRecomp 將 2011 年 Flash 版《以撒的結合》自動移植為 C++,從鎖定 30FPS、低解析度變為原生 1440p、插值到 165FPS,同類專案已有數百個,涵蓋《科林麥克雷拉力賽 2.0》《最終幻想戰略版 Advance》《銀河戰士 Prime》,開發中的 AnyPS5 號稱可把任意 PS5 遊戲移植到 PC。
量子位發文吐槽,Fable、Sol 等與 Coding 沾邊的模型普遍輸出「15/15 全綠」「單腿啞火」這類黑話。文中分析,除 Coding 過擬合外,更主要的原因是廠商為省 Token 把思維鏈壓縮成「穴居人語」,OpenAI 最早這麼做,同樣一句話的 Token 消耗比白話文少 70%;Claude 自 Opus 4.6 起也開始如此。作者稱最新 Opus 5.5 語言能力回升明顯,而 Gemini 因輸出風格正常、排版層級清晰,被社群視為少數還能正常溝通的 AI。
Einsia AI 旗下 Navers Lab 發布 EmbodiedEvo,讓 Coding Agent 在單個 Playground 場景中通過互動積累程式碼 Skills 與文字 Lessons,凍結經驗後交給新 Agent 在未見場景複用,全程不更新模型權重。在具身評測 RoboDojo 上,它以 45.08 平均分、38.95% 成功率超過所有 VLA/WAM 與 Agent 方法;
OpenAI 開發者帳號 @OpenAIDevs 發帖,提示可以直接用語音與 Codex 對話,讓鍵盤休息一下。帖文只有這一句話,未說明該能力在哪些客戶端或介面可用、是否已上線,也未提及面向哪些帳號型別、如何呼叫或是否收費。