AISpot

搜尋

依意思最接近的 9 筆

X @OpenAIAI 評分43

OpenAI 稱新模型強化 COBOL、Fortran 等老舊語言的遷移能力

OpenAI 表示,最新一輪模型能力提升集中在 COBOL、Fortran、Visual Basic 等低資源程式語言,增強了這類軟體的建置與遷移能力。這些語言支撐著銀行、政府和企業長期依賴的系統;OpenAI 的目標是理解數十年的業務邏輯,並在保留可用部分的前提下幫助開發者完成現代化改造。OpenAI 稱會圍繞開發者與企業客戶提出的實際難題推進,並公開徵集下一批需要支援的語言與工作流。

Claude blog● 精選AI 評分63

Block 用 Claude Fable 編排遷移,單次數千 PR 由數十個小模型執行

Square 與 Cash App 母公司 Block 的 AI 負責人 Bradley Axen 介紹了用 Claude Fable 5 編排大規模程式碼遷移的做法:單次遷移涉及跨倉庫的數百到數千個 PR、數百萬行程式碼,由 Fable 負責資料模型、API 規格等高層設計,再排程數十個 Opus、Sonnet 等更便宜的模型完成具體檔案修改與測試,全程跑在其開源協作工作區 Buzz 上。早期結果顯示前沿 token 集中在前期規劃、執行更多交給小模型,品質沒有下降。

機器之心● 精選AI 評分77

Anthropic 以 7 人團隊 5 個月自研 Git 替代品 Scion,完成 Monorepo 遷移

Anthropic 用 7 名工程師和 Claude,在 5 個月內從零開發出內部原始碼控制系統 Scion 及程式碼審查工具 Antique,並把整個 Monorepo 從 Git 遷移過去。起因是 AI 程式設計量激增:日均程式碼合併從 5 月的約 2500 次漲到 9 月的 3 萬次以上,主分支歷史近 100GB,CI 每天約 2500 萬次檢出,原有 Git 映象方案難以支撐。

X @AnthropicAI● 精選AI 評分74

@AnthropicAI: New on our Engineering blog: Creating in-house source control.

Anthropic 在工程部落格公布,團隊自建了一套版本控制系統,並在五個月內把整個 monorepo 從 git 完整遷移過去。官方給出的動因是:為人類規模而非 agent 規模搭建的開發基礎設施已經成為瓶頸,5 月每天合併約 2,500 次程式碼變更,9 月已超過 30,000 次。部落格文章詳細介紹了新系統的搭建方式,以及 monorepo 完成遷移的過程。

Hacker News front page● 精選AI 評分77

Anthropic 自研版本控制系統 Scion,五個月完成 monorepo 遷移

Anthropic 自研了內部版本控制系統 Scion,並在五個月內把 monorepo 從 git 全量遷移完成。原因是 AI 編碼速度已超出為人設計的開發基礎設施:日合併程式碼變更從 2026 年 5 月的約 2500 次增至 9 月的逾 3 萬次,主分支歷史近 100 GB,壓縮工作副本超 25 GB,CI 每天約 2500 萬次 checkout。Scion 假設客戶端始終線上,由服務端負責歷史、blame、合併與 rebase,客戶端只保留有界快取;

Hacker News front pageAI 評分55

Epic 要求員工用 AI 完成延期的迪士尼遊戲

Epic Games 已通知員工,延期中的迪士尼遊戲將改為 AI first 專案,由全 AI 工作流生成、不再手寫程式碼。該專案包含漫威與星球大戰角色,原定今年 3 月發布,因低估所需人力而延期;此前 3 月公司已裁員 1000 人。據 Bloomberg 報導,員工得知訊息後十分震驚,有人希望這只是玩笑,Epic 發言人則確認正在推進 AI 加速開發,迪士尼未作回應。

X @OpenAIDevsAI 評分47

OpenAI 付費層級組織將自動遷移至新檔位

OpenAI 開發者帳號通知,處於付費層級的組織會自動遷移到新的層級,使用者無需進行任何操作。官方同時給出了資格認定與速率限制的詳細說明,連結指向 platform.openai.com 的組織限額設定頁面。通知中未披露新層級的名稱、價格或具體額度。

Hacker News front pageAI 評分46

Meta 工程師稱難逐行審查 AI 生成程式碼

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。