与「agent」相关的搜索结果

Yesterday, we dropped our latest AI model: Gemini 3.7 Flash ⚡️ our most intelligent workhorse model yet for coding and agents. Just 1 day later, we’re already impressed by the creativity we’ve seen. Here are a few of our favorite ways we’ve seen people use 3.7 Flash so far ⬇️

old-coder swaps code review for an evidence gauntlet. Human approves the test plan, agent does TDD, then mutation testing, coverage, property tests. You review metrics, not diffs. MIT. You stopped reading agent diffs months ago. Now it's a methodology.

Yesterday we introduced Gemini 3.7 Flash, our most intelligent workhorse model yet for coding and agents. Watch @Ammaar, Member of the Technical Staff at @GoogleDeepMind, use 3.7 Flash to turn simple prompts into playable games 👾

We promised open weights for Qwen3.8. Now, time to meet them! 🎉 ⚡ Qwen3.8-27B: - A native multimodal dense model. With just 27B parameters, it outperforms Qwen3.7-Plus overall and shines in real-world coding & office workflows. - 262K native context, easily extendable to 1M tokens via YaRN. - Built for builders. Highly efficient, high-quality, and licensed under Apache 2.0. 🚀 The open weights for Qwen3.8-2.4T-A95B (Max-level) have also been released recently. Whether you're shipping lightweight applications with Qwen3.8-27B locally or building agents with Qwen3.8-2.4T-A95B, they're yours now! Download, deploy, and build something we haven't imagined yet. 👀👇 - Hugging Face： - ModelScope：

这几天突然想起那些「中国版 Figma」「中国版 Canva」们，它们过得还好吗？ 因为前些年在做设计工具，对「中国版 Figma」和「中国版 Canva」们都比较熟悉，这其中有很多很不错的团队：蓝湖、即时设计、稿定设计、创客贴 ... 特别是前面两者，以前都有比较多结束，团队对前端无限画布的性能优化，应该算是国内非常靠前的状态。 蓝湖的 MasterGo 和技术设计的 JSDesign 也是国内两个非常有代表性的产品，可现在呢？完全销声匿迹了。 这两个团队的现状，也是这些年互联网到 AI 时代很典型的案例了： 互联网时代：在中国做 SaaS 太难了，2C 不付费、2B 成外包、2G 没门路。。 AI 时代：AI 直接生成设计、生成代码，我还要那么复杂的设计工具干嘛？这个问题连 Figma 都解不了，更不要说这两个更弱小的中国团队了。 所以后来也看到他们做了类似 Lovable 的 AI 建站产品，记得 Wegic 就是即时设计团队做的吧，不过毕竟 Lovable 只有一个，Wegic 又是 Lovable 前一代的产品，并没有彻底 Agent 化，还保留了很多模板的内容，短期内看似效果更好了，但长期来看，就完全绑住了 Agent，且自己的运营维护成本特别高，无法维持。

白线 WhiteLine Daily：AI Token 价格战加速，单位价格在降，Agent 工作时间和使用量却涨得更快。Codex 正走出程序员圈子，下一阶段市场关注的不只是模型能力，还包括用量、分发效率，以及这些 Token 最终能否变成毛利和现金流。 阅读全文：

15 张数据图帮你了解 DeepSeek Harness 昨天 DeepSeek Harness 发布，于是就想着让 Codex 分析一下，找到了一个很好的角度，就是从一些数据上向大家介绍这个产品。 确实也发现了一些很有意思的东西： 插件系统与 Koishi 高度相似： 他们主打的插件系统与 Koishi 的插件平台相似度高达 75%。大概率是整个平台都挪过来了，不知道是不是他们的核心开发者入职了。 大量使用 AI 开发： Codex 命名的主干 PR 达到了 21.2%，分支信息中提到 Codex 的比例有 28.2%。 猜测他们肯定用了 Claude Code 开发，只是删掉了一些 Claude 的痕迹。 参考了大量外部 Agent 项目： 提到最多的外部项目是 Pi，第二多的是 Codex，之后是 Claude Code。甚至直接引用了一些 Pi 的 TypeScript 文件。 高效的代码产出： 整个产品在 GitHub 上有记录的是 65 天，总共的代码产出量是 84 万行，有一万多个 commit，非常高效。 交互入口的演变： 他们曾经押注 TUI，后来改成 Web UI 和 TUI 的双入口，再之后整个删除了所有的 TUI，只留下了 Web UI。 开发与工程规范： 整个项目的测试代码比生产代码多很多，基本上达到了 1:1。 全仓库的 Markdown 文档也非常多，说明他们是基于文档去控制 Harness 开发的。他们有完整的工具和科学模型 schema 共 52 个，但最后只留下了一个，目的是为了减少上下文占用。 社区热度与生态：从昨天发布到现在 20 小时，GitHub 已经涨到了 8 万多的 star，非常快。插件体系标签（DSH plugin）已经有 1425 个项目，但有很多并不是真正的插件，看来有不少蹭热度的。 精选清单收录了 211 个仓库，主要补充的是工具、UI 和运行的一些基础设施，甚至一上来就出现了插件市场和插件管理的插件。 学术论文： 他们顺便发了一篇 88 页的论文，其中 57% 都在做一些形式化的理论推导和展示。论文主要讨论的是插件的热插拔和系统稳定性问题。