搜索
在AI编程时代，效率飙升却隐藏危机：Anthropic最新研究揭示，使用AI助手虽能快速生成代码，但开发者在概念理解、代码阅读和调试能力上显著落后。独立解决问题才是技能之钥，AI若不当用，将成「懒惰陷阱」。
AI 新世界的入场券：好奇心、想象力、勇气。 作者｜周永亮 编辑｜靖宇 2 月 16 日，Sam Altman 发布了一条推文，宣布 OpenClaw 创始人 Peter Steinberger 正式
「自然语言就是新的编程语言。」这句话在过去一年里被无数人奉为圭臬。特斯拉前 AI 总监 Andrej Karpathy 带火的 「Vibe Coding」（氛围编程）更是让这种狂热达到了顶峰——你不需要懂语法，不需要管实现，只要对着 AI 喊出需求，然后 Check 一下感觉（Vibe）对不对就行了。
最近Cursor 发布了 Composer 1.5。这一版把强化学习规模扩大了 20 倍，后训练计算量甚至超过了基座模型的预训练投入。还加了 thinking tokens 和自我摘要机制，让模型能在复杂编程任务里做更深度的推理。
当大多数人还在测试它的单点逻辑推理能力时，敏锐的开发者已经发现了一个更具破坏力的玩法：将GLM-5的高密度思维模型注入到Anthropic最新推出的Claude Code Agent Teams架构中。
从此以后，AI 不再是工具，要尊称为「硅基博学家」了。
当看到GLM-5正式发布后的能力，才惊觉前几天神秘模型Pony Alpha的热度还是有点保守了。
在 AI 编程领域，大家似乎正处于一个认知错觉的顶点：随着 Coding Agents 独立完成任务的难度和范围逐渐增加，Coding 领域的 AGI 似乎就可以实现？
代码运维一直是开发者的痛点，AI Coding 的飞速进步放大了运维难度：Claude Code 贡献的代码 push 已经占到了公开 Github 的 4%，但 AI 写的系统逻辑会有人类很难捕捉的问题，开发者将其称为“Claude Hole”现象。
就在这个被 Anthropic 和 OpenAI 视为衡量 Agent 真实工程能力全球权威基准 Terminal-Bench 2.0 榜单上，中国团队 Feeling AI 凭借 CodeBrain-1，搭载最新 GPT-5.3-Codex 底座模型，一举冲到 72.9%(70.3%) 并跻身全球排行榜第二，成为榜单前 10 中唯一的中国团队。