OpenAI 发现大约 30% 的流行 AI 编码测试被破坏
OpenAI 在对广泛使用的 AI 编码测试 SWE-Bench Pro 进行内部审查后，发现大约 30% 的测试任务存在缺陷，并因此撤销了对该基准测试的公开背书。这一发现揭示了当前衡量 AI 编程能力的工具存在系统性偏差，可能误导行业对模型真实能力的判断。
标签： OpenAI
向克劳德包裹问好
Anthropic 为 Claude 聊天机器人推出了名为“reflect”的年度回顾功能，允许用户查看过去一个月到一年内的对话使用分析，该功能被视为 AI 版“Spotify Wrapped”，已向免费用户及 Pro/Max 订阅者开放 Beta 测试。
开发人员在 Codex 和 Claude Code 模型之间摇摆不定，将其视为中立。每周都会“我们死了，我们又回来了”。很幸运成为这些相互推动的出色团队的受益者……
知名 AI 观察者 Nikunj Kothari 在 X 上指出，开发者社区正在 Codex（OpenAI）和 Claude Code（Anthropic）两大编程 AI 模型之间剧烈摇摆，每周都会出现“一方压倒另一方”的舆论逆转。这种竞争正让所有开发者受益，而非一方独大。
这也是人工智能内容世界杯从马虎到“等等，这有点打脸”的过程 https://t.co/VfFc6LLUOD
风险投资人和科技评论者 Matt Turck 在 2026 年 7 月 8 日的一条 X 帖子中，用一句简洁而精准的观察总结了过去几年 AI 内容质量的剧烈转变：从早期输出质量粗糙的“马虎”（slop），到近期结果令人“有点打脸”（this kinda slaps），反映出 AI 生成内容正在跨越关键的可接受…
新时代的开始 在 Cursor 中尝试 Grok 4.5，让我们知道它的感觉！ https://t.co/GMQuiu1CQ3Q
Cursor 官方宣布与 SpaceXAI 合作训练 Grok 4.5，这是其最强模型，也是首个不仅为软件工程设计的大模型。用户已可以在 Cursor 中直接试用，标志着 Grok 系列从编程助手向通用 AI 产品的关键跃迁。
以下是代理在需要用户输入时使用铭牌提供附加上下文的示例。 https://t.co/2djfP65LZq https://t.co/xTjwFn5iu1
开发者 Peter Steinberger 在 X 上展示了一个名为 “nameplate” 的代理（Agent）交互示例，当代理需要用户输入时，它会通过“铭牌”主动提供附加上下文，这揭示了 AI 代理从被动应答向主动引导体验的关键转型方向。
Claude 代码中的新增内容： /checkup 运行 /checkup 到： 1. 清理未使用的技能/MCP/插件并保存上下文 2. 根据签入的 CLAUDE.md 删除本地 CLAUDE.md 3. 将根 CLAUDE.md 分解为嵌套的 CLAUDE.md 的 +…
Anthropic 为 Claude Code 推出 /checkup 命令行工具，自动清理未使用的插件、去重配置、优化 CLAUDE.md 结构，并提示更新与权限设置，帮助开发者在编码环境中保持上下文精简与性能高效。
我真的非常希望 Codex 在前端设计方面做得更好。这是阻止我更频繁地使用它的唯一原因
OpenAI 的产品设计师 Zara Zhang 公开表示，Codex（即 ChatGPT 背后的代码生成能力）在前端设计上的短板，已成为她个人高频使用的最大障碍。这条推文迅速获得 3.1 万次阅读与上百条讨论，折射出当前 AI 编程工具在用户界面设计领域普遍存在的体验落差。
与一位拥有超级经纪人的创始人进行了交谈。他为所有团队成员购买了 Codex Max，每个人几乎都通过整天与 Codex 交谈来完成所有工作 副作用：人们不再互相交谈……
一位创始人给团队全员配置了 OpenAI Codex Max，导致成员全部转向与 AI 对话完成工作，团队内部协作消失、文化恶化。这暴露了目前 AI 编码工具大规模使用时“单机化”的副作用。
OpenAI 雇用了我，而不是 OpenClaw。 OpenClaw 基金会是独立的，有赞助商而不是所有者，并且第一次有一个全职团队来保持爪子的活力和稳定。 🦞 没有 Da 就不可能做到这一点…
OpenAI 前员工 Peter Steinberger 公开澄清，他被 OpenAI 直接雇佣，而非其参与维护的开源项目 OpenClaw。与此同时，OpenClaw 基金会正式成立，以非营利、独立身份运营，首次拥有全职团队和赞助商支持，致力于推动个人 AI 的开源发展。