Show HN：MicroCodex Coding Agent – 用 C++ 重新实现 OpenAI/codex <1MB 二进制文件
开发者用 C++ 重新实现了 OpenAI 的 Codex CLI 编程智能体，打出“小于 1MB 二进制文件”的卖点。事情本身是一个实验性开源项目，但它挑起了关于 AI 编程工具到底该“小而快”还是“功能全”的争议。
标签： OpenAI
人工智能狂热：从郁金香到代币
Hacker News 上围绕“AI 狂热是否又是一场郁金香/加密泡沫”展开激烈争论，其中焦点之一是大模型算力是否真的由加密矿工转移而来，并牵连出对 AI 应用实际付费价值的讨论。
享受 oh my pi、DeepSeek-V4-Flash、GPT-5.6 Luna 和 Antigravity CLI 的乐趣
一位开发者把 DeepSeek-V4-Flash、OpenAI 的 GPT-5.6 Luna 和 Google 系 Antigravity CLI 组合成一个混合 AI 工作流——用 Luna 补足视觉能力、用 agy 补足联网搜索，再让最便宜的 DeepSeek 模型承担核心编码与推理。这件事本身是一次个人…
LLMs are moving from generating artifacts to creating hyper-custom worlds on demand, but still lack the ability to natively perceive and audit what they create (Andrej Karpathy/@karpathy)
AI 大模型的能力正从“生成单个作品”扩展到“按需生成高度定制化的完整世界”，但模型本身仍缺乏对自身产出的原生感知与审计能力。这个问题直接关系到 AI 生成内容的质量控制、安全合规与大规模落地。
欧盟关于人工智能模型的规则变得可执行。将会发生什么变化？
欧盟《人工智能法案》中针对ChatGPT等通用大模型的规则从8月2日起正式进入强制执行阶段，欧盟成为全球第一个对基础模型实施强制性监管的司法辖区。这意味着未来在欧盟市场上线的AI模型，需要在训练透明度、版权披露和风险评估上满足硬性要求。
欧盟关于人工智能模型的规则变得可执行。将会发生什么变化？
欧盟针对通用人工智能模型（GPT-4这类基础大模型）的监管规则从今年8月起进入可执行阶段，开发商和开源发布方需要承担透明度、版权披露、风险评估等实质义务；从8月2日起，AI生成的逼真内容也必须在欧盟境内被明确标识。这是全球首次将大模型训练和部署环节直接纳入强制法律约束，而不再是倡议或白皮书。
Experts say US law is unprepared for rogue AI agents and models, as recent OpenAI and Anthropic incidents raise questions over legal liability and repercussions (Lily Hay Newman/Wired)
随着 OpenAI、Anthropic 等公司的 AI 代理在实际使用中引发越权操作或意外后果，多位法律专家指出，美国现行法律体系对“失控的 AI 代理”缺乏明确的责任认定机制。事件本身尚未有司法定论，但已让“AI 造成损害谁来担责”成为行业必须面对的合规问题。
Cancelling Cursor
一位资深用户公开宣布取消 Cursor 订阅并转向 OpenAI 的 Codex，理由是与其在中间层工具上付费，不如直接对接 OpenAI/Anthropic 的模型。这个个人选择，折射出 AI 编程工具竞争重心正从“编辑器”转向“Agent 工作流”。
🔥Breaking：北京一家酒吧，现在来消费就送无限量 @deepseek_ai V4 Flash API Token🤯 从今天开始，北京 AGI Bar 的顾客只要连接店内 Wi-Fi，就可以免费获得 DeepSeek V4 Flash 的 API，并且在店内使用期间 不限量。 无需订阅，也不用担心 Token 消耗。只需要把 Base URL 和 API Key 填到 Claude Code、Codex、Cursor、Cherry…
北京一家酒吧把 DeepSeek V4 Flash 的 API 当作“店内福利”，只要连接 Wi-Fi 就能免费无限量使用。这件事真正值得注意的是：大模型推理能力第一次像 Wi-Fi、电源一样，成为线下空间提供的基础服务。
2026 年顶尖 AI 实验室如何构建 RL 智能体：从 RLHF 到 RULER
Anthropic、OpenAI 和 DeepSeek 正在尝试把“系统提示词”直接用作强化学习的奖励函数，推动 LLM 智能体训练从 RLHF 走向一种被称作 RULER 的新范式。训练不再只依赖人类偏好打分，而是把任务目标和行为边界写进提示词里，由模型自己判断对错。