搜索
随着大语言模型逐步从「单轮问答」走向「真实环境中的持续交互」，LLM agents 正在被用于越来越复杂的 agentic applications：deep research、coding、computer use、customer service、medical inquiry、troubleshooting 等等。
最近追《歌手》的同事说，胡彦斌已经跟咱是「同行」了——除了编歌，就是天天在办公室玩 Vibe Coding。
随着AI Coding、Agent、Deep Research 等应用快速普及，模型单次处理的上下文长度正在从几万Token迈向几十万甚至百万Token。
最近整个世界的魔幻程度，真的让人唏嘘。 今天早上，Anthropic收到了美国商务部的一封信。 信的内容很简单，以国家安全为由，要求Anthropic立刻暂停所有外国公民对Fable 5和Mythos
GLM-5.2 是智谱迄今能力最强的开源模型，支持真正可用的 1M 上下文，并在长程任务中继续保持领先。它也依旧是我们心中最强的国产 Coding 模型。
全球大模型的军备竞赛，正在“智商”之外开辟新的战场—— 推理速度。
过去两年，大模型写代码已经不再新鲜。从代码补全到 GitHub issue 修复，从竞赛编程到仓库级软件工程，人们习惯用一个简单标准评估 coding agent：代码能不能写对？测试能不能通过？
当前，Coding Agents 在软件工程领域一路高歌猛进，科学家们看到此场景，也不禁寄予厚望：AI 智能体何时能以同样的速度，帮人类攻克药物设计、病毒监控与生物学建模的重重难关？
一年前，行业还在为“从自动补全到 Agent”的进化感到兴奋。然而一年过去，我们不难发现单纯靠“Vibe Coding”和“Prompt 调优”，面对非确定性模型带来的风险和成本问题，显然无法撑起企业级软件开发。
如果你接触过“氛围编程”（Vibe coding）、开发过 AI 应用，或许会对 Supabase 的名字感到熟悉。它是全球无数独立开发者最信赖的默认后端之一，也在最近一年里，成了资本热捧的开源巨头。