晨启Tech

Claude 写了约 80% 的代码，测试数量涨了 10 倍，CI 任务在半年里涨了 25 倍。 这不是一篇「AI 编程效率又提升了」的新闻。Anthropic 最近复盘的，是一个更不体面的后果，测试影响分析服务被打穿了。扩容顶了 70 天，按包分片顶了 29 天，每日重启甚至撑不过一天。团队最后花了三周，把一套有状态系统拆成可水平扩展的无状态架构。 我看到这组数字时停了一下。很多团队正在认真讨论要不要给 Agent 更多仓库权限、要不要接入自动提 PR、要不要把 Code Review 也交出去。可一旦代码生成速度真的上去，最先变成瓶颈的往往不是模型，也不是 IDE，而是那些平时不显山露水的工程基础设施。 测试影响分析就是其中一个。 代码变快之后，系统会把账算到别处测试影响分析，Test Impact Analysis，做的事情不复杂。一个提交进来，不必每次都跑完整套测试，而是根据变更文件、依赖关系、历史测试结果，挑出最可能受影响的那一小部分。它的目标不是让测试少跑一点，而是在正确性和反馈速度之间留出可用的工程空间。 没有 Agent 的时候，很多服务能靠经验活得不错。开发者改...

今天的中文科技新闻里，有两条很容易被「新模型」三个字盖过去的线索。 一条是模型开始更贴近具体交互，语音、数字人、视频编辑不再各做各的演示。另一条是开源模型正在把价格和能力一起往下压，开发者的选择不只是换个排行榜名次。 这不是热闹的发布会清单，而是产品形态和工程成本都在变。 视频生成开始碰实时交互生数科技发布了 Vidu S2，拆成 Vidu S2-Avatar 与 Vidu S2-Editing 两个模型。前者面向数字角色的实时互动，后者做视频流的实时编辑，还提到面向 VR 头显的空间视频生成与编辑。 这一拆很关键。过去视频模型常被当成一次性生成器，输入提示词，等一段视频。Avatar 和 Editing 把重点挪到「过程里能不能持续控制」。如果延迟、角色一致性和编辑稳定性都能过线，它更像直播、客服、教育内容的组件，而不只是剪映之外的一个玩具。 真正难的部分还在后面。实时不是把生成速度提上去就完了，用户每一次打断、改口、重来，都会考验状态是否跟得住。 来源，生数科技 Vidu 语音模型不再只比一个 TTS阶跃星辰发布 StepAudio 3 系列，涵盖 Realtime、ASR、...

一边是 1733 分的 Image-to-WebDev 新榜首，一边是把 10 人销售团队压到 1.25 人。今天的 AI 新闻看下来，最刺眼的不是又多了几个模型名，而是同一件事正从两头发生，模型在抬高能力的天花板，Agent 在挤压具体岗位里的重复劳动。 别急着把这读成「人要被替代了」。真正先被替代的，往往是没有被拆清楚的流程。 🔥 今天最值得盯住的几件事1. GPT-6 Astra 登顶 Image-to-WebDev，网页开发正在变成一场端到端考试Arena 更新了 Image-to-WebDev 榜单，GPT-6 Astra Max 以 1733 分排在第一，领先 GPT-5.6 Sol xHigh 129 分。这个榜单有意思的地方不在于「谁第一」，而在于它把输入图像、理解布局、生成可运行前端揉成了一道题。 过去看代码模型，大家习惯盯补全和 benchmark。可真实开发里，需求常常从一张设计稿、一段模糊描述开始。模型若能稳定吃下视觉语义和交互约束，再给出能改、能跑、能接进现有工程的页面，它才真正碰到 Web 开发的工作流。 不过榜单分数还不是交付质量。组件边界、无...

一百万 token 的上下文窗口，听着很大。可你真把它交给一个编码 Agent，事情往往从「它能不能看完仓库」变成「我还愿不愿意让它看第二遍」。 DeepSeek 9 月 10 日发布的 V4.1-Flash，把这个不太体面的账单问题摆到了台面上。官方技术报告给出的模型规模是 552B 参数、1M token 上下文，prefill 每个 token 激活 8B 参数，decode 每个 token 激活 16B 参数。它并不只是又做了一个更大的 MoE，而是试图把 Agent 最常见、也最浪费的一段推理重新设计。 也就是读。 如果你做过 Java 或 Spring 的老仓库改造，大概很熟悉这个场景。一个需求落到手上，真正费时间的不是敲出那几十行实现，而是翻模块边界、配置、调用链、测试、历史兼容逻辑。人会逐渐形成判断，哪些文件只需扫一眼，哪些地方必须追到底。很多 Agent 的成本却没有这种分寸感，它们会把大量 token 和计算花在把上下文塞进来这件事上。 V4.1-Flash 的价值，至少从这份报告看，不在于宣称「终于比谁更聪明」。它在赌一件更工程化的事，Agent 时代的模...

上午这波消息里，最扎眼的不是又多了一个大模型，而是两组数字挤在了一起。 一边是 DeepSeek-V4.1-Flash 以更低的推理开销冲向编码 Agent。另一边，硅基流动把一个 770B、1M 上下文的开源模型摆到国内开发者面前。模型能力仍在涨，但争夺点已经越来越像一件工程问题，谁能把能力、速度和账单同时压进可用区间。 今天的中文科技圈，也在围着这件事转。 DeepSeek-V4.1-Flash 把成本问题摆到台前DeepSeek 本周开源 V4.1-Flash 权重。Baseten 的工程解读提到，它采用 CED 架构，552B 总参数下，prefill 激活 8B、decode 激活 16B，目标很明确，降低编码 Agent 在长上下文里的 prefill 成本。 这不是一个只靠榜单讲故事的版本。Fireworks 给出的 DeepSWE 结果里，max 档 pass@1 为 74.34%，单任务成本 0.43 美元。Agent Arena 的数据则显示，它在开源模型中排到第三，中位每任务成本 0.07 美元。 数字当然要谨慎看，不同评测设置不能直接当成采购报价单。但方向...

同一个 DeepSWE 基准，DeepSeek-V4.1-Flash Max 跑到 74.34% pass@1，据称和 GPT-6 Astra 同档，但单任务成本只有 0.43 美元。 模型能力还在往上拱，账单却开始往下掉。今天最该盯住的不是又多了一个跑分，而是这条线正在碰到工程团队真正敏感的位置，成本、吞吐和 Agent 能不能连续干活。 今天最值得花时间看的四件事DeepSeek 把编码 Agent 的成本线又往下压了一截Fireworks 的评测给出的数字很直观，DeepSeek-V4.1-Flash Max 在 DeepSWE 上拿到 74.34% pass@1，每任务 0.43 美元。AI HOT 收录的另一组 Agent Arena 数据里，它已排到开源模型第 3，中位任务成本是 0.07 美元。 这类数字当然不能直接换算成「生产力提升了几倍」。基准里的任务边界清楚，真实仓库里的依赖、权限、测试不稳定和需求反复，哪一项都能把 Agent 拖住。可它已经足够改变一个决策，原来只舍得交给最贵模型的批量 code review、测试修复和脚手架任务，现在可以更频繁地跑。...

9 月 14 日中午，DeepSeek 把发往 deepseek-v4-pro 的请求路由到 V4.1 Flash，并按 Flash 的价格计费。 一款名字里带着 Flash 的模型，接住了原先旗舰模型的流量。很多人的第一反应大概是，模型又更快了，价格又更低了。 我觉得真正该盯住的不是这两个词，而是它背后那笔很少被写出来的账。一个 Agent 真正跑起来，贵的不只是生成下一段代码时的 token。它要读仓库、翻日志、反复调用工具、保留工作上下文。模型每多走一步，历史就多一截。长任务最后经常不是被智力卡住，而是被上下文和延迟拖住。 DeepSeek V4.1 Flash 给出的答案很明确，别只在调用价格上打折，要把输入和输出的计算路径拆开，把 KV Cache 这块长期负担一起砍掉。 这件事对做 Java 服务、Spring 生态和 Agent workflow 的人，比一张榜单更有参考价值。 一个反常识的选择官方在 9 月 10 日发布 V4.1 Flash 时给出的规格很扎眼。它是一个 552B 参数的 MoE 模型，却不是把每一次请求都按同一套计算规模来做。输入阶段激活 8B...

上午的消息流里，有两件事挨得很近。一边是 DeepSeek 把编码 Agent 的等待时间继续往下压，另一边是 OpenRouter 直接把有状态 Shell 塞进模型工具箱。 模型不只是在变聪明，它开始真的接近一台能长期干活的机器。 但这台机器跑得越顺，权限、成本和工程边界就越不能含糊。今天挑 7 条消息，顺着这条线聊聊。 DeepSeek V4.1-Flash 盯上了 Agent 最容易卡住的那一段DeepSeek 本周开源 V4.1-Flash 权重。Baseten 的工程解读提到，它有 552B 总参数，prefill 阶段激活 8B 参数，decode 阶段激活 16B 参数，使用 CED 架构降低编码 Agent 的 prefill 开销。 这块优化不如跑分显眼，却很实在。代码 Agent 读仓库、加载文档、把大量上下文送进模型时，用户面对的往往是一段沉默的等待。输出更快当然好，输入阶段更便宜、更快，才会让长任务从偶尔能跑变成团队愿意天天开。 价格、质量和稳定性还得看更多独立验证。不过国内模型厂商开始把系统成本当成产品能力来做，这个方向比单纯报一个排行榜分数有价值。 ...

一天里出现了两件看上去相反的事。 一边，DeepSeek 把一台 552B 参数模型的编码 Agent 成本继续往下压。另一边，Anthropic、OpenAI 的负责人开始公开讨论，前沿模型不能只盯着加速，也得给独立评估留出入口。 模型还在冲刺，护栏也被推到台前。今天的 AI 新闻，读起来就是这种拧巴感。 模型更便宜了，但 Agent 的账还没算完DeepSeek V4.1-Flash 开源，盯上的是长任务的 KV cacheDeepSeek 本周开源了 V4.1-Flash。按 Baseten 与 The Decoder 的介绍，它采用 CED 架构，552B 总参数，prefill 阶段激活 8B 参数、decode 阶段激活 16B 参数，并以 MIT 许可证提供权重。它瞄准的不是单轮问答跑分，而是编码 Agent 常见的长上下文、反复读代码、不断回填历史状态。 这块成本经常被忽视。一个 Agent 读了半个仓库后，每次再生成几行补丁，都要带着很长的上下文继续走。模型端把 prefill 和 KV cache 的负担削下来，才有可能让多轮工具调用从「偶尔试试」走向日常...

9 月 10 日，Cursor 把一个颇有野心的产品推到 beta。 它说一个 coordinator Agent 可以调度数千个子 Agent，持续几个月做一个功能、一次迁移，或者一件永远做不完的维护工作。新用户合并的 PR 多了 30%，主要用 Projects 的用户多了 6 倍。 这些数字当然来自厂商自己，不能直接拿去写 ROI 报告。但我读完产品说明，真正想聊的不是「数千个 Agent」这个很容易上头的词。 我更在意它把 Agent 的工作单位，从一次对话，换成了一个长期项目。 这听起来只是产品形态的变化，落到工程实践里却很不一样。很多团队做 Agent，第一版往往是一个很能聊天的助手。它能读代码、查文档、提 PR，演示时几乎无敌。可一旦任务跨过几天、几十个文件和多轮反馈，聊天记录就开始变成负担。上下文会丢，决定会漂，失败会被遗忘。每次开新会话，都像给一个很聪明但完全失忆的新同事重新入职。 Cursor Projects 给出的答案并不神秘。它只是把一个老问题摆到了台面上。 长期工作，到底该由谁负责记住、拆开、验收和收尾？ 不是更多 Agent，而是把不该堵塞的人拿出来...