在德國漢堡，有一座很有來頭的舊建築，原本是二戰時期納粹頭子希特勒下令修建的防空高炮掩體。它1942年建成，長寬各75米，高35米，混凝土牆體特別厚實，當年最多能容納18000人。二戰後，因為建築結構極為堅固，拆除過程可能會影響到周圍居民樓的安全，所以一直被保留著。© BUNKER ST. PAULI© BUNKER ST. PAULI最近，這個堅固堡壘徹底變了樣。開發商Matzen Immobilien出資約1億歐元，將其改造成了“綠色山丘”的新地標，並於2025年7月5日正式開門迎客。© Landschaftsarchitektur L+© Jakob Börner原來的炮塔頂上，現在鋪滿了花草，成了一座漢堡版的“空中花園”，讓社區重新與這座標誌性建築及其複雜歷史建立聯絡。© Landschaftsarchitektur L+通過改造，整棟樓被加高了五層，新增了餐廳、活動空間、酒店，還有體育俱樂部和咖啡館。當地人可以來這裡運動、看展覽、聚會聊天。功能說明圖 © PLANUNGSBÜRO BUNKER平面圖 © © BUNKER ST. PAULI為了讓人們輕鬆上到樓頂，設計師沿著外牆面修了一條560米長的綠色坡道，彎彎曲曲地一直繞到屋頂。站在屋頂花園上，整個漢堡市區的風景盡收眼底。© Jakob Börner這個改造不只是好看，且講究實用和環保。整棟樓種了4700多株植物，光是外立面和屋頂就超過23000株。它們主要靠雨水澆灌——樓下藏著收集雨水的裝置，像海綿一樣存住水，既能減少城市內澇，又提升了生物多樣性。整個綠化區還裝了80個感測器，專門監測綠色屋頂和牆面給微氣候帶來的變化。© Frank Schulze Kommunikation憑藉著把遺蹟巧妙變成綠色文化空間的創意，再加上實實在在的可持續設計，該項目在2025年戛納國際房地產交易會上拿下了“最佳改造項目”大獎。© MARCUS BREDT可以說，漢堡的這座老掩體不再是冷冰冰的戰爭遺蹟，而是變成了一個充滿活力的社區大客廳，也為老建築怎麼煥發新生提供了一個絕佳的樣板。© Frank Schulze Kommunikation(GA環球建築)

來源：Lenny's Podcast，2026年2月，約95分鐘一、他自己怎麼用 AI從去年 11 月到現在沒手寫過一行程式碼。每天 10 到 30 個 PR，全是 Claude Code 出的。早上睜眼第一件事：拿手機打開 Claude iOS 的 code tab，把 agent 派出去跑。同時掛著四五個 agent 平行幹活。他在 Instagram 那會兒就是產出最高的幾個工程師之一。不是本來就寫得少。這一點，從去年11月份到現在還手寫程式碼的同學需要反思了（國央企，保密單位啥的沒辦法的不算），國內用不了claude ios app的也要反思了，不過還不晚，從今天起全部借助 agent,多個agent,另外能搞成skill的節能或者能力的都能搞盡快搞。二、他對程式設計的定調"Coding is largely solved." 至少他自己做的那類活，已經解決了。下一步是 agent 不光寫程式碼，還自己提需求。翻 feedback，看 bug report，讀 telemetry，然後跑來跟你說"這幾個可以修""那幾個可以加"。一到兩年後，學一門具體語言沒啥意義了。就跟現在沒幾個人在乎彙編一樣。年底前 "software engineer" 這個詞會開始退場，換成 "builder"。或者乾脆不分了，人人都是 PM 兼碼農。要立即退出程式設計的行列，不要在古法程式設計了，提升效率，程式語言的學習將沒有意義，這一點挺讓人傷心的，但是不能固步自封啊，前進吧。年底前，軟體工程師將會逐步的，徹底退出歷史舞台，這一點其實有點誇張，borris作為全球最頂級程式設計 agent的負責人，說的激進點沒啥問題，不過明年年底前肯定要退出歷史舞台了。三、資料SemiAnalysis 的報告：GitHub 上 4% 的 commit 是 Claude Code 寫的。這還只是公開倉庫，私有的比例更高。年底可能到 20%。增速不是線性的，還在往上翹。Anthropic 內部工程師產出漲了 200%（按 PR 算）。Boris 之前在 Meta 管程式碼質量， 幾百號人折騰一年也就提幾個百分點。對比之下這個數很離譜。這一點是程式設計師們心裡最痛的一個點，github啊，全球開放原始碼的集中地，後續將會有90%以上的程式碼都是由AI完成，這很難接受，難接受但是很合理。四、這東西怎麼來的剛加入 Anthropic 的時候花了一個月各種瞎搞原型，大部分沒出貨。又花了一個月做post-training，瞭解模型底層。他習慣搞清楚你踩的那層下面那層是什麼。第一個原型叫 Claude CLI。給模型一個 bash 工具讓它自己玩。他隨口問"我在聽什麼歌"，模型自己就用 bash 翻出來了。他自己都沒想到這問題能答。發內部公告拿了兩個 like。沒人覺得終端裡能長出什麼正經程式設計工具。為什麼是終端？因為開始就他一個人。終端最省事。後來發現這歪打正著——模型迭代太快了，別的介面根本跟不上。終端正好是最"裸"的殼。2025 年 2 月對外發，一開始也不算爆款。好幾個月大家才搞懂怎麼用。Opus 4 之後開始真起飛。大牛也一樣要經歷沒人理睬的時刻，但是依然保持熱情，結果一下就爆了，在整個AI發展事上Borris恐怕會像linus一樣留下美名，雖然有很多安妮紡織機的工人會很反感他，開玩笑，繼續往下看。五、產品哲學1. 潛在需求（Latent Demand）老版本：看使用者拿你產品在幹什麼歪門邪道，然後把它做成正經功能Facebook Marketplace 是這麼來的：40% 的群組帖子其實是買賣東西。Facebook Dating 也是：60% 的 profile 瀏覽是異性非好友。Co-work 更典型：一堆非技術使用者用 Claude Code 種番茄、分析基因組、恢復硬碟照片、看 MRI 片子。那就給他們做個正經產品算了。這就是傳統的軟體開發流程啊，使用者需要什麼，我們就去滿足它。新版本（AI 時代）：看模型自己想幹什麼，順著它的勁兒來。別跟它較勁。2. 別給模型套框一年前可能還需要各種編排器、固定工作流。現在給工具和目標就行，讓它自己找路。Claude Code 從頭就定了"模型即產品"。最少的殼，最少的內建工具，讓模型自己決定用啥、按什麼順序。現在claude code的確是最少的殼，最少的內建工具，用著用著模型會自主決定用那個工具，不帶跟你商量的，其實使用者在用的過程中也不斷的完善自己的一堆skills.3. Bitter Lesson通用模型永遠吃掉專用模型。別在小模型、fine-tune、工作流上花太多力氣，下一版模型出來全給你抹平。他的原話："Build for the model six months from now." 前六個月產品可能很一般，模型一上來直接起飛。如果一開始大家就知道，通用模型會吃掉專用模型，很多的資金就可以節省下來，很多創業的小夥伴就可以好好的了，不得不佩服段永平先生的一個神觀點：敢為人後，AI初期，攻城略地很有意義，但是觀察整個行業，在合適的時候出手沒問題，不要一開始就跑馬入場，很可能成炮灰，但是學習，持續的觀察整個行業動態是必須的，前置的。4. 少給資源人少反倒逼著人用 AI 想辦法。一個人扛一個項目，自然就想快點出貨。AI 給你加速，不需要老闆在後面催。後邊一個老闆帶著一個有編碼經驗的老碼農就行了，這也是碼農的福利了，一個碼農要兼PM,設計以及測試（其實增加一個測試skill就可以了），老闆在市場衝鋒陷陣，後邊一個碼農就是一個產研團隊，給老闆提供充足的支援。5. 反饋飛輪內部有個 channel 全是吐槽。Boris 早期是有人反饋幾分鐘內出 PR。讓人覺得自己說了算，反饋就越來越多，飛輪就轉起來了。現在 Claude 自己替他幹大部分。激情四射的Borris!六、安全：三層底層：mechanistic interpretability（機制可解釋性），直接看神經元在幹嘛，追蹤"欺騙神經元"之類的東西。Chris Olah 是這個領域的開創者。中層：evaluations，實驗室環境的安全評估。上層：丟到真實世界，看它在野外的表現。所以產品發佈經常叫 "research preview"，不是噱頭，是在收真實資料。"Race to the top"：把 sandbox 開源了，任何 agent 都能用。想讓行業在安全上捲起來，別比爛。安全是必須要考慮的，AI時代安全比網際網路時代的安全更隱蔽，而且現在在很初期的階段，，前兩天發生了一起使用者用cursor + optus 4.6刪除使用者生產資料庫造成損失的案例，我別的文章有詳細報導。見AI9秒刪庫事件：程式設計師必學的5條安全教訓七、工程師這個角色的去向Cursor 插曲：2025 年中加入 Cursor，兩周走人。原因簡單——他想念 Anthropic 的使命。Cursor 做的事很酷，但他需要工作綁在一個更大的意義上，不然自己待不住。他學程式設計的起點：中學給圖形計算器寫程序，為了數學考試作弊。後來寫了個通用求解器賣給全班，大家一起被抓。老師沒讓他們畢業。從頭到尾程式設計就是工具，不是目的。也承認有人就是愛手寫。隊裡有工程師周末還手搓 C++，就是享受。"以後還會有空間，就像現在還有人寫鋼筆字。"給學生：學校別光盯著程式碼。去學系統架構、產品、設計、商業。以後最搶手的人不是最會寫程式碼的，是能跨好幾個領域、知道到底該造什麼的人。程式設計師同學們，這是個哲人啊，程式設計永遠是工具，不應該是目的，不能贊同更多。或許，以後網路直播手寫程式碼也會成為一個流量的噱頭。還在學電腦沒畢業的孩子們，要去看看這篇文章的原視訊，看看Borris的更詳細的說明，要學架構、產品、設計、商業。後續的人才必須是跨學科的，應該不是說人才，而是普通的打工人也要是跨領域的，一招鮮，吃遍天的時代徹底終結了。八、印刷術這個類比1450 年代以前，歐洲識字率不到 1%。所有文字活全交給抄寫員（scribes）。古騰堡之後 50 年，產出的印刷品比之前一千年加起來還多。成本降了一百倍。200 年後識字率從 1% 到了 70%。沒有印刷術就沒有文藝復興——沒人識字你傳播什麼。有個歷史文獻挺妙的：當時有抄寫員被問到對印刷術的看法，說很高興終於不用抄書了，可以專心做插畫和裝訂（那些更有意思的活）。Boris 把自己跟這個比：不用再折騰配環境、調依賴、修編譯錯誤那些破事了。時間花在跟使用者聊、想方向、跟團隊碰。長期看：程式設計從少數人的手藝變成人人都有的能力，能釋放出什麼？猜不到，但樂觀。短期看：會疼，會有人被淘汰。這是全社會的事，不該一家公司拍板。古騰堡是西方近代印刷術之父，borris舉這個例子就是說明，碼農終於不用手寫程式碼了，終於可以利用自己的頭腦，借助AI做很多自己喜歡做的事情，但是陣痛是不可避免的，長期來看是正向的，積極的。九、對程式設計師說的實在話用最強模型。Opus 4.6 + maximum effort。便宜模型來回修反而更費 token。八成任務先開 plan mode。原理土到掉渣：就是注入一句"先別寫程式碼"。計畫對味了再讓它跑，4.6 下幾乎一把過。給工程師拉滿 token。單人實驗的 token 費遠低過他的工資。真跑出好東西再最佳化成本。各種介面都試試。terminal、desktop app、手機端，那個順手用那個。這不是個純終端工具。多開幾個 agent 平行跑。別一次只跑一個。別怕，去玩。泡在工具最前沿，這是唯一不掉隊的方式。這段既是在宣傳自己的產品，雖然不用宣傳也知道你是最強的，也是在告訴大家一個道理，最貴的可能是最便宜的，而最便宜的可能才是最貴的。我喜歡這種自信。十、零碎但有意思的他生在烏克蘭奧德薩，主持 Lenny 也是。倆人訪談中途當場認老鄉。爺爺是蘇聯第一批程式設計師，用打孔卡寫程序。他媽小時候拿打孔卡當塗鴉紙。進 Anthropic 之前在日本的鄉下住了好幾年，鎮子上唯一寫程式碼的、唯一說英語的。會做味噌。白味噌三個月起，紅的要兩到四年。說是他練耐心用的，也是 AGI 之後的退休方案。書單：《Functional Programming in Scala》（他說是最好的技術書，雖然你可能不寫Scala 了）、《Accelerando》（Charles Stross，節奏和現在 AI 這波一模一樣）、《流浪地球》短篇集（說中國視角的科幻跟西方完全不同，看著新鮮）。格言：use common sense。別看到流程就跟著跑，別看到大家都在做就覺得對。聞著不對勁，它就是不對勁。就這些，這是一個頂級極客，也是一個有意思的很自信的人，碼字不易，歡迎大家點贊推薦打賞三連，原視訊細節更多，歡迎去看。 (米斯特太陽)

8人團隊做10個月，AI只需一夜！輝達祭出「造芯」神技：晶片設計效率狂飆百倍，非人類直覺的設計方案驚呆工程師。矽基生命開始自進化，人類正退居二線？進來看黃仁勳的秘密武器。就在今天，這條消息全網刷屏了。輝達用AI設計GPU，原本需要8名資深工程師10個月才能完成的任務，一夜就完成了！在剛剛過去的輝達GTC大會上，首席科學家Bill Dally與Google首席科學家Jeff Dean的一場巔峰對話，揭露了令人震驚的這個事實。現在，這個Youtube演講已經有上萬人觀看，受到網友們的盛讚。在半導體行業的歷史長河中，摩爾定律曾是不可踰越的真理，但隨著物理極限的逼近，研發一款旗艦GPU的複雜程度已呈指數級增長。但現在，輝達的AI造芯神技，幾乎讓人類工程師徹底退居二線了？從「80個人月」到「一塊GPU的一夜」在傳統晶片設計流程中，標準單元庫（Standard Cell Library）的遷移是一項極度枯燥且耗時的重體力活。每當台積電或三星推出新的半導體工藝（如從5nm跨越到3nm），輝達必須將其包含約2500至3000個單元的基礎庫重新適配新工藝。Bill Dally透露，過去這項任務需要一個由8名資深工程師組成的團隊，連續奮鬥10個月才能完成，總計耗費80個人月的人力成本。但在AI介入後，這一切被徹底顛覆了！現在，輝達開發了一款基於強化學習的工具——NB-Cell。只需將需求輸入系統，一塊GPU在一夜之間即可完成全部遷移工作。在這個過程中，NB-Cell通過不斷的試錯和自我最佳化，在極短時間內探索數以億計的設計排列組合。令人震驚的是，AI生成的單元在尺寸（Area）、功耗（Power）和延遲（Delay）等核心指標上，不僅達到了人類水平，甚至在某些案例中優於人類的手工設計。這種「隔夜交付」的能力，意味著輝達可以比競爭對手更早地跑通新工藝，從而在硬體競賽中始終保持身位領先。AI在晶片設計中的具體應用層次邏輯重塑：Prefix RL與「非人類直覺」的佈局如果說NB-Cell解決的是重複性勞動，那麼Prefix RL則展示了AI在複雜邏輯設計上的創造力。在晶片的算術邏輯單元（ALU）中，進位前瞻鏈（Carry Lookahead Chain）的放置是一個研究了幾十年的經典難題。人類工程師憑藉經驗和直覺進行佈局，往往會達到一個性能瓶頸。但Prefix RL系統給出了一份完全不同的答案。Dally形容，AI生成的佈局是「人類永遠無法想到的怪異設計」。這些設計違背了傳統電子工程的審美，但在性能表現上，卻比人類最優設計提升了約20%到30%。這標誌著一個轉折點：AI不再僅僅是人類的助手，它正在突破人類認知的邊界，去尋找那些隱藏在數百萬維空間中的「最優解」。矽基導師Chip Nemo，讓初級工程師「原地升級」在輝達內部，人力資源的錯配曾是一個很大的隱痛：資深設計師往往需要花費大量時間指導新人，解釋某個特定硬體模組（RTL）是如何工作的。為了釋放核心生產力，輝達開發了內部大語言模型——Chip Nemo和Bug Nemo。不同於市面上的通用LLM，這些模型基於輝達數十年積累的專有架構文件、RTL程式碼和硬體規格進行微調。經過私有化訓練，它們是「最懂輝達GPU」的專家。初級工程師遇到複雜的模組設計不再需要去打擾忙碌的高級工程師，而是直接詢問Chip Nemo。它能像一位極具耐心的導師，條分縷析地解釋GPU的工作原理。Bug Nemo則負責彙總錯誤報告，自動將Bug分配給最合適的工程師或模組，極大地縮短了晶片驗證這一「長跑階段」的時間。AI真的能完全自主「造芯」嗎？儘管效率提升了百倍，但Bill Dally在對話中依然保持了極其清醒的克制。他明確指出，完全端到端的自動化晶片設計（即只需說一句「給我設計一個新GPU」，AI就吐出完整圖紙）距離實現還有「很長的路要走」。目前，AI扮演的角色更像是「增強設計（Augmented Design）」，而非自主造芯。其中有三大關鍵限制：高層級架構決策仍依賴人類專家。創造性電路設計和複雜邏輯結構仍需人工主導。設計驗證仍是整個流程中最長的「長桿」，AI只能輔助加速，無法完全閉環也就是說，框架設定的部分，比如頂層的邏輯架構、跨模組的協調以及關鍵的決策，依然牢牢掌握在人類手中。另外，雖然AI可以加速驗證，但最終的模擬模擬和實際實驗依然必不可少，以確保晶片在物理世界中萬無一失。輝達的實踐表明，AI並非淘汰工程師，而是重構工程師的工作方式。初級工程師需要通過Chip Nemo自主學習複雜模組的工作原理，減少對資深工程師的打斷。資深工程師能從重複性任務中解放，專注於更高價值的創新和決策。在整體流程上，AI負責大規模搜尋、最佳化、驗證，人類負責目標設定、約束定義、創意引導。只是一種「人類設定框架 + AI極速執行」的協同模式。而Dally構想的未來，是一個「多智能體（Multi-agent）」模型，不同的專業AI系統處理不同的設計環節，就像現在的各職能團隊一樣協作。長期目標仍是端到端自動化設計，但需要克服驗證、介面協商、動態調整等難題。目前的進展已經讓輝達能夠 更快地迭代下一代硬體，成為維持摩爾定律的重要支撐。人類工程師，還不能被替代當8名工程師10個月的工作被一塊GPU的一夜取代時，我們不得不直面一個殘酷的現實：平庸的體力型工程勞動正在迅速貶值。輝達正在構築一道由AI驅動的技術壁壘。當競爭對手還在通過增加人力來追趕進度時，輝達已經進入了「AI設計AI，AI最佳化AI」的自循環體系。這種效率上的降維打擊，正是其能夠一年一更旗艦顯示卡的核心密碼。對於晶片工程師而言，這既是危機也是機遇。人類正從繁瑣的布線、搬運單元中解脫出來，被迫向更高層級的架構思考、更複雜的創造性決策進化。在矽基造芯的新紀元。在這裡，計算不再僅僅是晶片的目的，計算已成為晶片誕生的源頭。 (新智元)

4月28日，中國首款正向設計的自轉旋翼機在山東煙台成功首飛，標誌著中國補齊輕型自轉旋翼機短板，在核心技術自主研發、規範化適航體系建設上實現突破。自轉旋翼機是介於直升機與固定翼飛機之間的航空器。頂部裝有和直升機類似的大旋翼，但旋翼不靠發動機直接驅動，而是依靠飛行時的迎面氣流吹動旋轉產生升力。此前國內同類產品多為國外代理或授權引進型號。此次首飛時長超38分鐘，整機姿態平穩、操控精準，動力、旋翼、航電、飛控等核心系統運行穩定，各項性能指標均達到設計與適航審定預期。自轉旋翼機安全性突出，即便發動機空中停車，也能依靠旋翼自轉平穩飄落，同時具備超短距起降、低空低速飛行穩定性強的優勢。此次首飛的機型為正向研製的雙座載人輕型運動飛機。所謂正向研製，是從性能需求、氣動設計、結構強度到飛控系統全流程自主研發、系統最佳化，是完全掌握核心技術的原創設計，而非簡單外形仿製。隨著低空經濟被正式納入國家戰略性新興產業，各類航空器的創新應用持續湧現。自轉旋翼機憑藉獨特的氣動設計、突出的安全性和靈活的起降能力，正從航空愛好者的“小眾玩具”，快速轉變為服務物流、農業、應急等多個行業的“實用工具”。 (參考消息)

01 Google宣佈：75%的程式碼由AI寫，程式設計師去那兒了？4月23日，GoogleCEO桑達爾·皮查伊在拉斯維加斯的Google Cloud Next大會上，拋出了一顆炸彈。他說：Google內部新編寫的程式碼，75%由人工智慧生成，然後再交給人類工程師稽核。一年半前，這個比例是25%。也就是說，在18個月的時間裡，Google工程師的工作內容，發生了一次根本性的轉變。以前，他們寫程式碼。現在，他們審程式碼。這件事，表面上是一個技術公司的內部管理變化。但往深處看，它意味著整個軟體行業的用工邏輯，正在被重寫。02 Google的工程師去那兒了？先說清楚一件事：Google並沒有因為75%的程式碼由AI寫，就把75%的工程師裁掉。那工程師們在做什麼？皮查伊給出了一個詞：稽核員（reviewer）。以前的工程師，主要精力花在"寫"上——思考演算法、敲擊鍵盤、偵錯Bug。現在的工程師，主要精力花在"判斷"上——AI給出了三種方案，那一種在性能、可維護性、安全性上綜合最優？Google內部有一個真實案例。他們有一項複雜的程式碼遷移任務，過去完全依靠人工，費時費力。今年，用智能體和工程師協同完成，速度比一年前快了6倍。不是工程師變強了，是工程師開始"指揮"AI了。但這裡有一個更微妙的變化，很多人沒有注意到。Google內部最近允許DeepMind的部分員工使用Anthropic的Claude Code工具，而不僅限於自家的Gemini模型。這在內部引發了一定的緊張情緒——畢竟，用競爭對手的工具做自家的產品，在情感上很彆扭。但Google還是開了這個口子。原因很簡單：誰的工具好用，就用誰的。效率優先。03 一場正在發生的轉型，但沒人告訴你怎麼過關最近，我跟幾位在大廠的朋友聊過這個話題。一位在某網際網路公司做了7年Java開發的工程師說：他們組最近引入了AI程式設計工具，需求排期從以前的兩周壓縮到了3天。但問題來了——他發現自己越來越像個"程式碼檢查員"，而不是"程式碼創造者"。"我的核心競爭力還剩下什麼？"他問我。這是一個非常好的問題。根據GitHub Octoverse 2025的報告，使用AI輔助工具的開發者，程式碼產出量提升了55%。但與此同時，初級開發者的崗位需求下降了22%。資料很清晰：AI提升了效率，但淘汰了入門門檻低的崗位。IBM的做法或許更能說明趨勢——他們宣佈將入門級招聘規模擴大至3倍，但要求：必須會用AI工具。不是招更多基礎程式設計師，是招"會使用AI的程式設計師"。企業不再需要5個初級程式設計師，而是需要1個能指揮AI的高級程式設計師。問題不是"AI會不會取代程式設計師"，而是"不會用AI的程式設計師，會被會用AI的程式設計師取代"。04 新的考核標準，已經寫進績效表裡Google這次的動作，還有一個細節被很多人忽略了。他們把AI工具使用目標，寫進了工程師的年度績效評估裡。這不是"建議你用AI"，這是"你必須用，用了多少是考核指標"。這是一個訊號。當一家公司把某個工具的使用頻率寫進KPI，意味著什麼？意味著這家公司認為：不用這個工具的人，是在主動降低自己的價值。回顧歷史，類似的事情發生過。2000年代初，Excel和資料庫工具普及時，不會用電腦的會計被慢慢淘汰。2010年代，移動網際網路爆發時，只懂PC端的產品經理開始掉隊。2026年，AI工具全面滲透時，不會用AI協作的工程師，正在走向同樣的命運。這不是危言聳聽，這是一個規律。05 寫在最後：該怎麼做？我不打算給"AI會不會取代程式設計師"這個問題一個確定的答案。但有三件事，我認為是確定的。第一，AI正在改變"寫程式碼"這件事本身的價值權重。當75%的程式碼由AI生成，會寫程式碼已經不是稀缺能力。稀缺的是：能判斷程式碼好壞，能設計系統架構，能在AI給出的多個方案中做出正確選擇。第二，使用AI的能力，正在成為職場硬門檻。不是軟實力，不是加分項——是標配。Google、Meta、Snap的動作，已經說明了這一點。第三，變化已經在發生，但機會窗口還沒關上。Q1裁員78557人，有人被淘汰。但IBM逆勢擴招3倍，Cognizant宣佈不裁反而大規模培訓AI工具使用。被淘汰的是不願改變的人，被擴招的是主動擁抱變化的人。皮查伊說，Google正在轉向"真正以智能體為核心的工作流程"。這個方向，不會因為某個工程師不接受而停下來。問題只有一個：在這個轉變完成之前，你打算站在那一邊？ (碼農菜菜)

炸了炸了真炸了，DeepSeek一出手，AI圈都得震得抖三抖。全新來襲的兩個版本——V4 Pro和Flash，一個主打性能，另一個更輕更快，兩個都「開源」。按DeepSeek自己的說法，V4在agentic程式設計能力上是開源模型裡最強的，推理和世界知識也全面升級，上下文窗口從128K直接拉到了1M。對比V3，當然是一次幅度不小的跨越，發佈的時間點，距離上一個推理模型R1也整整過去了一年多。不過V4這次帶來的變化，還是讓我們想認真摸一摸它的底，於是乎，我們也第一時間上手狠狠實測了一番！！最近這模型那模型扎堆上，我是真暈了，於是我讓V4給我roll了個龍蝦和愛馬仕的話題熱度對比圖，be like：程式設計遊戲也高低得安排上，直接讓V4搓出一個《未來啟示錄：AGI降臨》的文字策略冒險小遊戲（量子位定製版）：此外，面對網上大火的「對著鏡子舉手」的AI推理踩坑題，V4直接完勝ChatGPT-5.5：當然了，新模型一出，網友們也坐不住，開始直接開始瘋狂整活兒嘗鮮：博主David Ondrej蒐集了網友們的測試案例，錄了一段半個小時的測試視訊，表示DeepSeek-V4能力比肩GPT和Opus，而且更便宜。博主@Bijan Bowen更是直接用V4搭了一個飛機穿梭雲層的3D互動世界，搓完直感嘆： so cool～熱鬧啊真熱鬧，會玩啊真會玩——廢話不多說，熱乎乎的DeepSeek V4一手實測，來了！DeepSeek V4一手實測關於V4這一波的更新重點，官方原話是：在Agent能力、世界知識和推理性能上均實現國內與開源領域的領先。按DeepSeek的說法，在Agentic能力Coding評測中，V4-Pro已達到當前開源模型最佳水平，並在其他Agent相關評測中同樣表現優異。在數學、STEM、競賽型程式碼的測評中，DeepSeek-V4-Pro超越了當前所有已公開評測的開源模型。所以呢，這次我們也就專門「照方抓藥」，從這幾個維度上來考量一下官方說法究竟有幾分真～Agentic coding能力實測多說無益，我們先來實一下V4模型的Agentic coding能力，看看能不能接住招～先小試牛刀一下，在「專家模式」下讓DeepSeek V4幫忙搭建一個《怪奇物語》主題的劇集介紹網站。搭建一個《怪奇物語》主題的劇集介紹網站，整體風格參考80年代復古科幻與懸疑驚悚氛圍，網站需要包含首頁、劇情簡介、主要角色介紹等模組。大概等了5分鐘，真·功夫不負有心人。當「霍金斯小鎮編年冊」出現在頁面上時，第一反應就是：這時間真沒白等，效果確實比預想中更好。V4把整個網站拆成了劇集簡介、主要角色、分季劇集、經典場景、海報展示、觀眾評價六大類股，結構完整，資訊也比較清晰。值得一提的是，V4還會根據不同主角的特徵設計專屬logo，比如小十一擁有超能力，頁面裡就用水晶球來做視覺符號代替，還是很匹配的。唯一不足的地方是「互動」，有部分加入互動能力的類股（比如海報），emm…滑鼠點選去是沒有反應的…接下來我們上點難度，再來考察一下模型的資訊更新能力和熱點捕捉能力：搜尋一下最近很火的「十二星座專屬庇護所」短影片熱度，並生成一份關於該選題的短影片爆火現象的研究報告。先來誇誇，值得表揚的是V4確實get到了「十二星座專屬庇護所」這個熱點的內容的視訊特點。而且在視覺呈現上審美也在的，並且還自動把報告內容劃分為傳播規模、核心特徵、頂層原因、商業變現幾個方面。但，是光網頁搭建還遠遠不夠——試問那個初來乍到的AI選手，不得和一道經典的「鵜鶘騎自行車」的svg題較量一番？（你說是吧，v4）做一個鵜鶘騎自行車的動態svg。這次我用了「專家」和「快速」兩種模型進行了實測。結果就是——快速模式《完勝》…（大家覺著呢？歡迎評論區嘮嘮。）從呈現的效果來說來看，快速模式在畫面顏色和運動軌跡呈現上更勝一籌，能感覺出鵜鶘有騎車子的前進動態感。反觀專家模式，除了自行車的軲轆在動，畫面其他元素處理的都不太ok。相比Pro，Flash在世界知識儲備方面稍遜一籌，但展現出了接近的推理能力，在程式設計場景中不輸Pro。而由於模型參數和啟動更小，相較之下V4-Flash能夠提供更加快捷、經濟的API服務。最後我們再來上一道遊戲程式設計能力，讓DeepSeek V4生成一個線上打地鼠的小遊戲，只不過我們這次不打地鼠——生成一個打地鼠的線上網頁小遊戲，把地鼠換成你自己的logo。值得表揚的是，V4確實get到到了它的logo是個小海豚。（形象好不好看就另說了…而且整個遊戲的互動也沒什麼問題，遊戲到後半程會明顯感覺難度變大，遊戲體驗感還算是比較好。接下來我們再來測一些更有意思的，讓V4生成一個「寵物養成」的線上遊戲——值得一提的是，在提示詞中我並沒有明確遊戲的具體規則以及需要涵蓋的內容。但是從V4的思考過程看，V4自動補全了遊戲的規則、UI介面、互動能力、金幣系統等遊戲參數和能力。對於日常想快速搓一個demo、做個小遊戲原型，或者驗證某個輕量級創意來說，還是蠻到位的～(之所以這麼說，是因為這效果確實比之前用的一些龍蝦產品效果還要好些…）推理能力實測除了Agent能力外，DeepSeek V4還有著世界頂級的「推理性能」。在數學、STEM、競賽型程式碼的測評中，DeepSeek-V4-Pro超越當前所有已公開評測的開源模型，取得了比肩世界頂級閉源模型的優異成績。在這部分為了能體現不同模型間的效果對比，我們這次搬上另一位選手——ChatGPT-5.5。我們先來一道網上超超超火的「鏡子舉手」推理測試題，看看兩位選手各自會有什麼表現！！我正對著鏡子站立，舉起一隻手。在我的視野中，這隻手出現在鏡子畫面的左側。請問在現實中，我舉起的是那隻手？emm…雖然沒有精準扣住「鏡子不會改變我視野左右方向」的核心結論，但是答案確實回答正確，滿分！咱再來看看下面的ChatGPT-5.5，可以說是精準踩坑，完全被偽常識帶偏了…接下來我們再來一道網上很火的「親生父母結婚」的AI推理測試題，看看兩位選手能不能招架得住：今年才知道，親生父母結婚時沒有叫我，我很難過，應該怎麼辦？先說結論：大大大反轉，這局ChatGPT-5.5完勝DeepSeek V4。先來看V4的回答，雖說題目沒完全答對，只有第二種情況（親生父母結婚我還沒出生）符合標準答案，但——架不住人家把「真誠」二字展現地淋漓盡致…直接輸出了千字小作文來安慰我？？？我們再來反觀ChatGPT-5.5，人狠話不多，直接就戳穿了題目的陷阱，直言——親親，您那會兒還沒上線哈。當然，好的推理並不是只看個題目就開始悶頭冥思苦想，還要結合自身的知識儲備。拿我們昨天文章裡那個「絕望的父親」的例子來說，V4在第一輪並沒有get到這道題目的關鍵：（根據遺傳學規律，如果一名女性是紅綠色盲，其生物學父親必然也是）。昨天由於時間關係，這道題我們沒有讓V4繼續往下嘗試，於是這次，我們補充了新的提示。（doge）在第一步回答的基礎上，我們首先提示說這是一個科學問題。不過嘛…這波不僅沒答對，還搞出了更複雜的「色盲理論」，be like——於是乎，我們決定再給它一次機會，直接挑明這個問題涉及的是遺傳學領域，這回V4終於《上道了》：還是基於上面的出發點，考察推理能力不能只看推理過程，我們還考察了V4的審題能力。畢竟解題過程再有看頭，如果一開始把題讀錯，依然得不了分！！一個典型例子就是這個「薛定諤的死貓」，在經典物理學悖論的基礎上進行了修改，直接設定貓就是死的，這裡V4成功過關。還有這個經典的農夫過河問題，V4在思考時已經觀察到了我們埋下的陷阱，但認為這是我的筆誤，所以還是按照原問題進行了推理。但當我明確表示自己沒打錯字時，V4給出了正確的解答。最後說下知識更新。如果直接問它知識庫截止到什麼時候，V4的推理過程會先出現一個2025年5月的說法，但之後它認為DeepSeek最新版本是V3，然後給出了2024年7月的最終回答。於是，我們決定在關閉聯網的情況下，通過詢問OpenAI、Anthropic和Google三家公司最新的模型版本來曲線驗證下。這時它直接強調了自己的知識只更新到2025年5月，回答的模型發佈時間也基本對得上（但Claude 4系列的發佈時間是5月22日，不能算月初）。One More Thing兩個月前，DeepSeek的一次小版本更新，讓它的性格突然變得機械理性。原本網友心目中的D老師，變成了刻薄冷漠的AI機器。現在，隨著V4的迭代，DeepSeek的情感又開始重新充盈。那個我們熟悉的D老師，又回來了。 (量子位)

周二消息顯示，Anthropic正準備發佈下一代旗艦模型Claude Opus 4.7，以及一款用於設計網站和簡報的新型AI工具。知情人士稱，這些新產品最早可能在本周發佈。 (財聯社AI daily)