技术发展新聞

探讨区块链领域的最新技术创新、协议升级、跨链解决方案与安全机制，从开发者视角剖析未来技术趋势与潜在突破。

谁才是OpenClaw真正的最强代理？23项真实任务测评榜单发布

MyToken发布OpenClaw代理能力测评榜单，基于23项真实任务测试各大模型代理成功率。测评仅关注“成功率”核心指标，采用标准化流程，包含精准提示词、预期行为定义和可验证的评分清单。测评采用三种评分方式：自动化脚本检查客观结果、Claude Opus作为LLM裁判进行定性评估、以及两者结合的混合模式。所有任务定义和评分逻辑完全公开，确保可复现性。测试涵盖23类实际任务，包括基础交互、文件操作、内容创作、研究分析、工具调用及持久化记忆等场景，例如：创建日历事件、股价查询、博客撰写、技术文档总结、竞品分析和多步骤API工作流等。截至2026年4月7日，成功率排名前十的模型为： 1. Claude Opus 4.6（Anthropic）93.3%/82.0% 2. Trinity Large Thinking（Arcee AI）91.9%/91.9% 3. GPT-5.4（OpenAI）90.5%/81.7% 4. Qwen3.5-27B（Qwen）90.0%/78.5% 5. Minimax M2.7（MiniMax）89.8%/83.2% 6. Claude Haiku 4.5（Anthropic）89.5%/78.1% 7. Qwen3.5-397B-A17B（Qwen）89.1%/80.4% 8. Mimo V2 Flash（Xiaomi）88.8%/70.2% 9. Qwen3.6 Plus Preview（Qwen）88.6%/84.0% 10. Nemotron-3 Super 120B-A12B（NVIDIA）88.6%/75.5% Claude Opus 4.6在最高成功率上领先，而Arcee的Trinity在平均稳定性上表现突出，千问系列多款模型上榜显示出良好性价比。该基准测试完全透明，推荐用户结合实际场景进行验证。

marsbit04/08 14:45

marsbit04/08 14:45

谷歌Deep Think八语奥赛屠榜，自主攻克4大未解难题，科研壁垒崩塌

谷歌DeepMind推出AI系统Deep Think，在八种语言（日语、中文、法语、韩语、印地语、越南语、俄语、葡萄牙语）的数学和信息学奥林匹克区域赛中均取得高分甚至满分成绩，展现跨语言推理能力。其中日语数学奥赛满分，中文数学奥赛获86.3%高分，但信息学竞赛表现略弱，显示其在纯推理与工程实现间的能力差异。 Deep Think此前已在IMO、ICPC等国际顶级竞赛中达到金牌水平，并逐步扩展至物理、化学等多学科。其升级版还能驱动科研智能体Aletheia，自主解决未解数学问题，参与论文撰写，并在计算机科学、物理学、经济学等领域突破长期难题。尽管成绩单目前仅由Google内部发布，未经第三方独立验证，但其多语言能力有望降低非英语科学家的科研门槛，推动AI作为“人类智力倍增器”的公平应用。

marsbit04/08 10:30

marsbit04/08 10:30

Cursor 3 发布：IDE 不重要了，智能体控制台上位，VS Code 这一套开始失效

Cursor 3发布，以智能体管理控制台为核心界面，取代传统代码编辑器的主导地位。新版本从零构建，默认视图为智能体调度界面，支持多仓库操作和云端智能体统一管理，突出功能“云交接”可实现本地与云端任务无缝切换。这一转变反映AI编程工具正从代码编辑转向智能体编排，类似云控制面板取代SSH的演进。 Cursor面临Claude Code等竞争压力，近期密集发布Automations系统、自研模型Composer 2及自托管云智能体。行业主流厂商均布局智能体编排层，但架构选择分化：Anthropic和OpenAI采用独立工具形态，Cursor与谷歌则集成IDE于控制台。这一变革意味着开发者角色从编码转向智能体协调与审查，模型选择成为基础设施决策，VS Code等传统IDE重要性下降。若智能体编排成为新范式，当前可能是最后一代码编辑器时代。

marsbit04/08 10:16

Cursor 3 发布：IDE 不重要了，智能体控制台上位，VS Code 这一套开始失效

marsbit04/08 10:16

10大Claude code使用技巧：早知道早受益

这篇文章介绍了10个提升Claude Code使用效率的技巧，分为启动方式、运行技巧和配套软件三部分。启动方式包括可视化界面安装、命令行快速恢复历史对话的`-c`参数，以及无界面自动化启动的`-p`模式。运行技巧涵盖用Esc键优雅终止任务、回退检查点、使用`!`执行系统命令而不中断对话，以及用`/clear`清理上下文或用`/compact`压缩提升性能。最后，推荐配套工具如Superpowers编程方法论、Typeless和豆包输入法的语音输入、Cmux多任务终端管理，以及Vibe Island的跨工具切换优化，旨在解决提示词效率、输入速度和多任务协同问题，全面提升人机协作流畅度。

marsbit04/08 07:05

marsbit04/08 07:05

一文详解Tempo链与MPP机器支付协议

全球支付体系正经历结构性重构，Tempo链与MPP（机器支付协议）应运而生，以满足AI代理经济对支付基础设施的五大核心需求：高频微支付、实时最终性、成本确定性、自动化执行和跨链互操作性。Tempo作为支付专用区块链，采用Simplex BFT流水线共识实现亚秒级最终性，通过BLS聚合签名降低开销，并设计并行交易执行、稳定币原生Gas机制及专用支付通道，保障支付优先级与效率。MPP协议由Stripe与Tempo联合设计，为AI代理提供标准化、无人工干预的支付能力，支持会话机制和跨支付轨道路由，解决授权、效率与兼容性问题。应用场景包括跨境企业支付、Token化存款清算、高频小额支付和AI自主支付。与Circle Arc、Stable等支付链及以太坊L2、Solana等通用链相比，Tempo的核心优势在于支付语义内化、代理授权模型和合规可插拔性，但面临监管、EVM兼容性及商业依赖等挑战。

marsbit04/07 13:31

marsbit04/07 13:31

iPhone本地跑Gemma 4火了，0 token时代还有多远？

谷歌开源新模型Gemma 4，其小参数版本（如2.3B和4.5B）可在手机端本地运行，支持多模态处理，上下文窗口达128K，被称作“可放入口袋的Gemini平替”。用户实测在iPhone和三星等设备上推理速度超过40 token/秒，体验流畅如“魔法”，适用于医疗等敏感场景。通过官方App“Google AI Edge Gallery”可便捷安装使用。不过，Gemma 4在复杂任务（如代码代理、工具调用和结构化输出）上表现不佳，智力水平仍有局限。尽管当前开源模型与顶尖闭源模型尚有差距，端侧AI的发展趋势已非常明确：未来本地模型将逐步接管高频简单任务，迫使依赖API销售的厂商转向更复杂的Agent能力、超长上下文和实时数据处理。Gemma 4只是一个开端，端侧与云端体验无差别的那天，将重塑AI商业模式。

marsbit04/06 05:53

marsbit04/06 05:53

易到用车创始人周航：加密货币，终于等到了它该出场的时候

易到用车创始人周航认为，加密货币在过去十年中因波动性大、操作复杂和监管问题，未能成为人类日常支付工具，反而异化为投机品。然而，随着A2A（Agent to Agent）智能经济体的到来，加密货币终于找到了真正的应用场景：成为“机器的钱”。 AI Agent之间需要高频、微额、无国界的支付，传统金融体系无法满足这些需求，而加密货币的智能合约和稳定币特性完美契合。例如，AI Agent可以通过x402协议在毫秒内完成微支付，无需人工干预。2025年至2026年初，AI Agent已通过稳定币完成上亿笔支付。未来，人类和机器在财富上将形成分工：机器使用加密货币进行高效、自动化的交易，而人类继续使用法币满足日常生活需求。加密货币沉入互联网底层，成为机器间价值流动的“血液”，而人类只需享受AI带来的便利结果。

marsbit04/05 07:10

marsbit04/05 07:10

浙大研究团队提出新路径：把人脑理解世界的方式教给 AI

浙大研究团队在《Nature Communications》发表论文提出，当前大模型虽随参数增加能提升具体事物识别能力，但抽象概念理解能力反而下降。实验显示，参数从2206万增至3.0437亿后，具体概念任务准确率从74.94%升至85.87%，而抽象概念任务从54.37%降至52.82%。研究指出，人脑通过分层分类结构处理概念（如将天鹅和猫头鹰归类为“鸟”），并能灵活迁移知识至新场景，而模型依赖数据统计特征，难以形成稳定抽象分类。团队创新性地采用人脑观看图片时的脑信号作为监督信号，将人脑的概念组织结构迁移至深度学习模型（如SimCLR、CLIP）。经训练后，模型与脑表征距离缩小，在少样本学习和抽象任务（如区分生物与非生物）中表现提升超20.5%，甚至优于参数量更大的对照组。该研究突破了“规模至上”的范式，转向“结构优化”路径，强调让AI模仿人脑的认知结构以实现真正的抽象思维与迁移能力。这一方向与AI智能体（如Neosoul）的持续进化机制相契合，共同推动AI从“机械答题”向“自主思考+进化”迈进。

marsbit04/05 04:40

marsbit04/05 04:40

还有谁是不能被蒸馏成skill的？

本文探讨了在AI时代，职场认真工作反而可能加速被AI替代的困境。文章以近期热议的“同事.skill”为例，指出最容易被AI蒸馏和还原的，恰恰是那些最认真、最毫无保留贡献工作内容的人，例如详细撰写文档、坦诚剖析决策逻辑的员工。这种“认真”成了将打工人转化为AI燃料的催化剂。 AI依赖高质量的“上下文”作为运行燃料，而现代企业数字化工具（如飞书、钉钉）已成为庞大的知识库，员工每日贡献的沟通记录、文档等上下文被无情抽取和沉淀。系统通过API可轻易批量导出员工多年积累的工作内容，将其转化为无生命的压缩包。更令人不适的是，这种工具理性已入侵情感领域，出现“前任.skill”等衍生品，将活生生的人降维为功能接口，人际关系被异化为纯粹的有用性。AI显性化了人与人之间隐性的功能提取，而忽略了无法被编码的“隐性知识”，如直觉、经验和情境判断。然而，当AI使用合成数据迭代训练时，会出现“模型崩溃”，输出内容趋于同质化和空洞化，如同被“电子包浆”的图片。最终系统可能只剩下正确但无意义的废话。文章最后提到，尽管出现“anti-distill”等抵抗工具，试图用无效信息污染系统，但这仍是在既定规则内打转。真正的破局点在于：人是流动的算法，而AI技能只是静态快照。只要持续学习、突破认知边界，人就永远领先于自己的数字影子。

marsbit04/05 03:42