如果你已经同时用过 Codex CLI、Claude Code、OpenCode 或 Pi，你可能会遇到同一个问题：它们各自跑、各自记上下文，结果越用越分裂。 我最近在试 Orca，它把自己定位成 Agent Development Environment，而不是另一个“AI 终端”或“AI 聊天框”。 它到底在解决什么问题Orca 想解决的是 多 Agent 并行管理，不是单纯换一个终端。

MODEL REVIEW · 本地实测 2026.07 27B 模型只能跑在数据中心？ Bonsai 27B 把答案压缩到 3.9 GB 手机也能跑 27B 参数 Pri

工具不是问题，方法是。 一、AI编程的「裸奔」时代你大概率经历过这个场景—— 打开 Claude Code，输入「给用户模块加个批量导出功能」，AI 秒回开始写代码。export async function exportUsers() { ... }，行云流水，一气呵成。 然后你发现：格式不对。没分页。大数据量会 OOM。没考虑权限。连导出格式都没问你。 这不是 AI 的

最近读到一篇相当有分量的文章：OpenAI 官方 Prompting 指南。 作者 Eric Provencher，是 OpenAI Codex 开发者体验（DX）负责人，也是 Repo Prompt 的原作者。原文来自 OpenAI 官方文档 learn.chatgpt.com/docs/prompting，国内有公众号做了逐段中英对照翻译。 读完之后最大的感触不是「学到了新

很多人跟 AI 对话时，只会甩一句模糊需求；但高手 prompt 的底层逻辑，其实是把“人怎么指挥人”换成“你怎么指挥 AI”。 从一篇文章，看懂高手在教什么最近看到 OpenAI 官方写的一篇 Prompt 指南，核心意思其实是：Prompt 不是你“怎么写”，而是你怎么“提要求”。 这篇指南把 prompt 拆成了四块： Goal：你到底想让它干什么 Context：哪些资料能帮它做对

QUOTE 配合微信AI小程序成长计划本轮加码，大模型Token额度从1亿提升至10亿，AI生图额度从1万张提升至10万张。10亿Token、10万张图，意味着你可以放心地把AI能力「用厚」在产品里，不必再盯着用量条算账。 —— 腾讯云开发 · 微信AI 本文看点 01 10亿Token + 10万张图 02 全行业开放申请 03 三步开始使用 01 UPGRADE 资源大升级：10 亿

最近 AI 圈又迎来一波重磅消息，腾讯混元团队正式发布了 Hy3 大模型。不是预览版，是正式版，而且——Apache 2.0 协议开源。 这篇文章带你快速了解 Hy3 的核心亮点、实际表现，以及怎么零成本体验。 Hy3 是什么简单说，Hy3 是腾讯混元最新的大语言模型，采用 MoE（混合专家）架构。 几个关键数字： 总参数量 295B，激活参数 21B 支持 256K 上下文窗口 Apach

前言如果你关注 AI 视频生成，最近应该被各种”世界模型”刷屏了。从 Sora 到 Luma，从 HY-WorldPlay 到 LingBot，业界仿佛一夜之间从”生成视频”跨入了”模拟世界”——你可以在生成的场景里推拉摇移、自由导航，甚至触发事件。 6 月刚开源的 DreamX-World，来自高德地图团队（AMAP-ML），直接拿到了 5 秒基准综合评分 84.76 分，超过了 HY-Worl

当模型开始自己设计解题脚手架，开源编码模型的边界又被往前推了一步。 这波开源编码，为什么是 Ornith-1.0开源编码领域最近又在聚光灯下。DeepReinforce 发布 Ornith-1.0 全家桶，一次放出 9B Dense、31B Dense、35B MoE、397B MoE 四个版本，全部 MIT 许可，允许商用和再分发。这个姿势本身就说明：它不只是“又一个模型发布”，而是一套面向

不是更大的模型在赢，而是会用模型的系统在赢。 一个反常识的开源项目Sakana AI 发布 Fugu 时，外界把它当成一个”新模型”来报道。 但它本质上不是模型，是一套编排策略：用一个极小的语言模型当调度器，根据用户问题，从 Opus、GPT、Gemini 等大模型池里选出最合适的 worker，再把答案拼回给用户。外表看起来像一个模型，内部却是一整个 multi-agent 系统。 现在，这