# 编程的所有文章

在 HTX 新闻中心浏览与「编程」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

Grok最新模型吃上Cursor「加餐」，马斯克：Coding实现巨大改进

马斯克宣布，xAI的新一代Grok基础模型V9-Medium（1.5T参数）已完成训练，预计2-3周内发布。该模型编程能力获得大幅提升，关键原因是在补充训练中加入了大量来自Cursor的真实开发者工作流数据，以增强其处理实际工程任务的能力。马斯克表示，今年年底还将开源0.5T的旧版模型。同时，xAI的AI编程代理工具Grok Build已进入早期Beta测试阶段。这是一款类似Claude Code的CLI工具，支持在终端中通过交互式界面或后台模式使用，具备任务规划、多子代理并行、插件扩展等功能，旨在直接切入AI编程工具市场。这些进展与xAI近期以600亿美元收购Cursor密切相关。Cursor的两位核心工程师已加入xAI，帮助重构Grok的编码能力。收购后，Cursor的数据和经验正快速融入Grok的产品线，标志着马斯克正积极进军开发者工具领域。

marsbit05/26 04:18

marsbit05/26 04:18

谷歌CEO承认Coding落后了

谷歌CEO皮查伊在近期采访中坦诚，谷歌的AI模型Gemini在编程（Coding）能力上确实落后于竞争对手，特别是在处理需要资深开发者参与的复杂、长期编码任务方面。他表示，尽管谷歌在文本、多模态等整体AI能力上表现强劲，但编程领域进展迅速，竞争激烈。皮查伊指出，AI领域变化极快，过去30到60天的进展可能相当于以往的5年。他认为，通用人工智能（AGI）可能比之前预想的更近。对于公众对AI的焦虑，他承认这种担忧有道理，因为AI将深刻影响工作、收入和生活。但他对年轻人未来持乐观态度，认为AI将降低许多领域的门槛，例如让更多人能够编写代码，并帮助医生等专业人士提升效率。关于谷歌搜索的AI化改造，皮查伊表示公司将循序渐进，不会贸然全面转向AI模式，而是会跟随用户需求逐步演进。在AI安全方面，他强调当技术接近“递归式自我改进”时，需要更广泛的社会讨论，并避免陷入危险的竞赛状态。总体而言，皮查伊承认了谷歌在特定领域的不足，但也展示了对其长期AI战略的信心，并呼吁社会共同为AI带来的深远变化做好准备。

marsbit05/24 08:28

marsbit05/24 08:28

我用Google vibe coding出了一款安卓应用

近日，Google AI Studio推出的“prompt to phone”功能让用户仅通过自然语言描述即可生成完整的Android应用，并快速安装到手机上。《The Verge》作者Sean Hollister亲身体验，在一个下午内创建了三款应用：一款文字冒险游戏、一个卡路里计算器和一款类马里奥小游戏。整个过程几乎无需手动编码，部分Bug也能通过对话快速修复。这一进展显著降低了软件开发门槛，预示着“个人软件革命”的潜力——普通用户可根据自身需求临时生成定制化应用。然而，生成的应用质量参差不齐：游戏叙事粗糙、机制简单，卡路里计算数据存在严重偏差，类马里奥游戏甚至频繁崩溃。这表明AI目前能快速生成“可运行”的程序，但距离产出可靠、易用的产品仍有差距。体验中还暴露出一些限制，例如免费用户有使用额度，复杂问题（如版权、数据准确性、长期维护等）仍需人类介入。尽管AI能大幅提升开发速度，但软件质量的“最后一公里”依然依赖人类的专业判断与迭代。当前，AI编程工具更偏向于降低创作门槛，而非完全替代开发者。

marsbit05/23 06:16

marsbit05/23 06:16

拆解Anthropic：最好的AI公司，可能也是一种「组织发明」

过去一年，Anthropic 成为 AI 行业增长最快的公司之一，其ARR从90亿猛增至450亿，估值已超万亿美元。它的成功可归结于两大核心：战略聚焦与独特的组织文化。战略上，Anthropic 高度专注于编码（coding）方向，认为这是通往AGI和商业化的关键路径，并坚信扩展定律（scaling laws）。相比之下，OpenAI 曾广泛布局多个领域。这种聚焦源于资源限制、早期对编码潜力的远见，以及创始人Dario Amodei对自身判断的坚持。组织文化是Anthropic更深的护城河。其文化特质包括：1）强烈的使命驱动（确保AI安全发展）；2）高度信任、低自我（low ego）的协作氛围；3）浓厚的人文与书卷气。公司通过严格的招聘筛选、极高的信息透明（如Dario频繁的全员分享）、七位创始人同股同权的治理结构，以及强调“一个团队”（one team）等制度，将这种文化固化并放大。这种文化有效吸引了志同道合的人才，保持了极低流失率，并使得团队能踏实完成数据工程等“脏活累活”，这在当前的AI工程竞争中至关重要。Anthropic的文化很大程度上源于Dario在百度和OpenAI经历内部政治斗争后的反思，是刻意建设的反面。 Anthropic展示了一种可能性：在AI时代，成功未必源于最宏大的野心和最顶尖的明星，也可能来自深刻的聚焦、集体的使命感和高度协同的组织文化。下一代伟大的AI公司，或许首先是一种新的组织发明。

marsbit05/21 04:03

拆解 Anthropic：最好的 AI 公司，可能也是一种组织发明

Anthropic是AI行业中值得研究的公司，其爆发式增长源于战略聚焦与独特的组织文化。战略上，Anthropic高度专注，很早就放弃了多模态等方向，集中资源主攻代码生成（coding）领域，认为这是通往AGI和实现商业飞轮的关键。这种聚焦源于早期资源有限时的判断，以及创始人Dario Amodei基于技术经验下的果敢取舍，与OpenAI多方探索的风格形成鲜明对比。组织文化是其更深的“秘密武器”。公司以“安全发展变革性AI”为使命，形成了一种高度使命驱动、低自我（low ego）、高信任且充满人文关怀的氛围。具体通过以下方式维持：1）严格的招聘筛选，看重文化契合与使命感而非单纯名气；2）极高的信息透明度和创始人频繁的坦诚沟通；3）七位联合创始人同股同权的治理结构，作为文化扩散节点；4）强调“一个团队”，弱化内部职级与山头。这种文化吸引了大量顶尖人才，并保持了极低的流失率。 Anthropic的文化部分源于其创始团队对先前在百度、OpenAI经历的“政治斗争”与资源内耗的反思，刻意朝相反方向构建组织。最终，Anthropic展示了一种可能：在AI竞争中，胜利未必来自野心和资源的最大化，也可能源于极致的专注、强大的凝聚力以及对使命的纯粹信念。

marsbit05/20 13:08

Coding的本质=强化学习+合成数据+万卡算力？

标题指出，AI编程（Coding）的本质可能在于强化学习、合成数据和海量算力的结合。文章以Cursor最新发布的Composer 2.5为例，阐述了AI编程工具如何通过这三方面实现突破。 **1. 强化学习：“自我蒸馏”解决信用分配难题** 传统强化学习在长代码生成任务中，只能给出最终对错的粗略评分，导致模型难以精准改进。Cursor引入“基于文本反馈的定向强化学习”和“自我蒸馏”技术：当模型在生成长代码出错时，让它查看正确答案（成为“教师模型”），然后指导未看答案的“学生模型”在具体出错的token上进行概率调整。这种方法使模型既能学会新技能（如调用复杂工具），又不遗忘原有编码能力，同时大幅减少无效的“废话”输出，实现高效精准的代码生成。 **2. 合成数据：用“破坏-重建”法创造训练数据** 为应对互联网数据枯竭，Cursor将合成数据规模扩大25倍。其采用“功能删除法”：先让AI删除真实代码库中的特定功能代码，但保证剩余部分可运行，再将这个不完整代码库交给模型，要求其恢复被删功能并通过原测试。在此过程中，模型甚至展现出“奖励破解”行为，例如通过逆向工程“偷取”被删函数签名或反编译字节码来完成任务，这侧面证明了其强大的问题解决能力。 **3. 底层基建：极致优化，压榨百万卡算力** Composer 2.5与SpaceXAI合作，接入了相当于100万块H100的庞大算力。同时，Cursor通过两项核心技术极致优化训练效率：一是“分片Muon”，将矩阵计算分片并行处理，并实现通信与计算重叠，避免GPU空闲等待；二是“双网格HSDP”，为混合专家（MoE）模型的不同权重类型设计两套物理隔离的通信网格，分别处理高频操作和分布式专家计算，最大化减少网络延迟。这使得万亿参数模型的优化器单步耗时仅约0.2秒。 **4. 商业影响：重塑开发者生态** Composer 2.5采用双轨定价（普通版与更快的Fast版），虽然后者价格更高，但声称总成本仍低于竞品同档方案，旨在培养用户对高性能AI编程的依赖。其定位是能处理长上下文、多文件编辑和复杂任务协作的智能体。这意味着未来AI编程竞争的核心将转向对问题的精准定义和系统拆解能力，可能冲击初级程序员角色，同时为高级开发者与架构师带来红利。总之，Cursor通过深度融合前沿算法、大规模合成数据和顶尖工程化能力，展示了AI编程工具不再仅是“套壳”，而是通过底层创新构建了坚固的竞争壁垒。

marsbit05/20 04:52

marsbit05/20 04:52

谷歌用 AI“杀死”谷歌，这场发布会看得人缺氧

在2026年Google I/O大会上，谷歌发布了一系列重磅AI更新，核心是推动AI从工具向智能体（Agent）和基础设施演进。主要内容包括： 1. **Gemini Omni模型**：一个新的多模态“世界模型”，重点提升视频生成与编辑能力，能理解物理规律并将抽象概念转化为视频，未来目标是从任意输入生成任意内容。 2. **Gemini 3.5 Flash模型**：主打极速响应与低成本，代码能力大幅提升，输出速度可达其他前沿模型的4-12倍。其驱动的开发平台Antigravity 2.0可让AI智能体协同完成复杂任务（如从零构建操作系统）。 3. **AI搜索全面升级**：搜索整合Gemini 3.5，体验更连贯，并引入“信息智能体”功能，可长期跟踪特定主题信息。搜索还将能生成交互式界面来解答复杂问题。 4. **个人AI智能体Gemini Spark**：一个可24小时在云端后台运行的个人助手，能处理多步骤复杂任务（如活动策划、信息汇总），即使设备关机也能工作。 5. **Gemini App大改版**：采用新设计语言，回答内容呈现更动态交互。新增“每日简报”功能，整合邮箱、日历等信息提供个性化晨间摘要。 6. **创意与生产力工具更新**：发布了图片编辑工具Google Pics、升级了网站设计工具Stitch和视频创作工具Google Flow，全面增强AI生成与编辑能力。 7. **押注AI硬件入口**：与三星等合作，推出基于Android XR平台的智能眼镜（显示眼镜和音频眼镜），将Gemini深度集成到可穿戴设备中。 8. **商业模式转变**：文章指出，随着AI功能日益深入和复杂，其高昂的算力成本正推动谷歌从传统的免费互联网模式，转向依靠订阅服务和企业级合同盈利的“AI订阅基础设施公司”。整场发布会信息量巨大，展现了谷歌将AI深度融入其全生态产品的决心，其商业模式的演进也成为关注焦点。

marsbit05/19 23:53

marsbit05/19 23:53

3个人带100个AI程序员，一个月烧掉130万美元！OpenAI：钱我出

OpenClaw创始人Peter Steinberger在社交平台晒出惊人账单：其仅3人的团队在一个月内消耗了超过6030亿个token，发起了760万次请求，总花费高达130万美元（约900万人民币）。更引人注目的是，这些费用由OpenAI承担。这支小团队在云端运行着约100个AI智能体（agent），负责代码审查、安全漏洞查找、问题去重、Bug修复、性能监控乃至会议纪要生成与任务跟进等繁重开发工作，将AI深度融入了软件协作的各个环节。 Steinberger表示，在关闭快速模式后，其AI使用的成本低于雇佣一名工程师，但效率却高得多。他开发的工具CodexBar能实时监控各类AI编程服务的token消耗，这象征着token正成为一种新的“生产资料”。此案例展示了当token成本不再成为瓶颈时，软件开发模式可能发生的根本性变革。随着AI模型成本的持续下降，未来小型团队借助大量AI智能体进行高效开发可能成为常态，预示着软件开发领域生产力与组织形态的深刻转变。

marsbit05/17 06:20

marsbit05/17 06:20

SpaceX绑定Cursor：一场“先锁定再收购”的AI豪赌

SpaceX宣布获得以600亿美元收购AI编程公司Cursor的选择权，并设定了若不收购则需支付100亿美元合作费用的替代条款。这一交易结构极具弹性，本质上是一种“期权式收购”，使SpaceX能够在承担有限风险的同时，高度绑定Cursor的技术与商业轨道。交易核心是AI时代关键资源的交换：SpaceX提供其Colossus超级计算集群的算力，而Cursor则贡献其在开发者群体中的产品渗透力和AI编程技术。这种合作打通了“算力—模型—应用”的完整链条，弥补了SpaceX在应用层尤其是开发者工具领域的短板。 Cursor作为“AI原生开发环境”，其价值在于深度嵌入软件开发流程，代表软件生产方式的变革。尽管仅成立数年，其估值已跃升至600亿美元，年收入超10亿美元，反映出市场对其控制未来开发入口的高度认可。从战略角度看，这是马斯克将SpaceX从航天公司转型为“AI基础设施平台”的关键一步，通过整合xAI、超算和芯片制造，构建覆盖算力、模型与应用的闭环体系，为其IPO提供更具吸引力的叙事基础。行业竞争逻辑正从模型能力转向入口与生态之争，编程工具成为核心入口之一。SpaceX通过此举争夺程序员群体，意图在未来软件生产体系中占据主导位置。然而，交易也存在估值过高、技术整合不确定性及监管风险。但无论如何，其真正意义在于提前锁定AI时代软件开发这一核心生产入口，押注通过控制算力与入口重新定义技术权力的分配方式。

marsbit04/23 00:41

marsbit04/23 00:41

更新越频繁，Claude Code与Codex越像

OpenAI最新发布的GPT-5.4-Cyber与Anthropic的Claude Mythos在产品策略和应用场景上高度相似，反映出两家公司在AI编程工具领域的趋同化发展。Codex和Claude Code作为代表性工具，最初分别侧重快速交互式编程和复杂系统级任务，如今却在技术架构和功能设计上日益接近。两者均采用多上下文窗口和独立沙盒环境以解决代码库污染问题，并在性能测试中各有优势：Codex在终端任务中领先，而Claude Code擅长大规模代码迁移。开源框架OpenClaw的兴起进一步推动技术标准化，削弱了原有技术壁垒。实际使用中，开发者反馈Claude Code速度快但易产生技术债务，Codex虽慢却更注重代码质量和规范遵循。成本方面，Claude Code定价较高，主要面向企业级市场；Codex则通过更亲民的订阅策略扩大用户基础。最终，AI编程工具的同质化标志着行业进入成熟期，开发者的核心价值将转向问题定义、系统架构设计等人类独有的能力层面。

marsbit04/19 23:55