技术日报

{
  "title": "AI 代码率飙至90%，马斯克解散xAI租算力给Anthropic",
  "content": "今天的科技圈仿佛被按下了加速键，从AI工程的范式跃迁到算力版图的剧烈重构，每一个信号都在暗示我们：从\"模型竞赛\"到\"生产力落地\"的转折已成定局。无论是Harness Engineering将AI代码率提升至90%的实战，还是马斯克将xAI算力租给对手Anthropic的惊人反转，亦或是AWS让AI学会花钱的AgentCore支付体系，都指向了一个核心趋势——AI正在从被动的\"对话者\"进化为具备自主执行能力的\"智能体\"，而支撑这一进化的，是工程化体系的完善与底层算力资源的疯狂博弈。\n\n### AI 工程化：从 Prompt 到 Harness 的范式跃迁\n\n[Harness Engineering：耗时一周，我是如何将应用的AI Coding率提升至90%的](https://mp.weixin.qq.com/s?__biz=MzIzOTU0NTQ0MA==&mid=2247559842&idx=1&sn=71ee08bf0421ad2f1aa4dd7a58901c5f) - 这篇文章可能是近期最具实战价值的AI工程指南。它提出的 Harness Engineering 概念，标志着AI开发从 \"Prompt Engineering\" 和 \"Context Engineering\" 迈入了第三阶段：系统化的约束工程。作者通过构建包含规则、技能、知识和变更管理的完整 Harness 体系，成功将AI代码率从不到25%提升至90%。这不仅是数字的胜利，更是开发模式的革命——它证明了在复杂的企业级代码库中，依靠裸用模型是行不通的，必须建立像 Spec-Driven Development 这样严格的外部约束和反馈回路。对于开发者而言，这意味着核心竞争力正在从\"写代码\"向\"设计Agent的工作环境\"转移。\n\n[十年老技术开发的 AI Agent 探索之路](https://mp.weixin.qq.com/s?__biz=MjM5ODYwMjI2MA==&mid=2649801477&idx=1&sn=b4b4e51cf60abaa7bc00cc667ccca247) - 作为一名资深开发者，这篇文章用极其诚恳的笔触记录了从 \"Vibe Coding\" 的翻车到构建 \"24h 打工人\" 系统的完整心路历程。作者提出了一个反直觉但至关重要的观点：\"脚手架 > 模型\"。相比于追逐最新的模型，构建基于 SDD（Spec-Driven Development）的流程、Observability 可观测性以及共享状态机制，才是实现稳定、可复现 Agent 系统的关键。特别是关于 \"Task-Driven\" 到 \"Goal-Driven\" 的认知跃迁，指出了未来 Agent 进化的方向：不仅是执行任务，更是能在有限约束下自主推进目标。这是对所有沉迷于调优 Prompt 的开发者的一记警钟。\n\n### 算力与产业格局：马斯克的 \"以退为进\"\n\n[刚刚，马斯克官宣xAI解散，22万张GPU算力租给Anthropic](https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651031726&idx=1&sn=e6eca005d102e4a279d9b460dfa0d35d) - 这可能是硅谷今年最魔幻的商业剧情。马斯克解散 xAI 并将其并入 SpaceX，同时将 xAI 曾经引以为傲的 Colossus 1 超算集群（22万张GPU）全部租给死对头 Anthropic。这表面上是马斯克的一出 \"大义灭亲\"，实则是极其精明的算力资本运作：Colossus 1 对正在建设 Colossus 2 的 xAI 来说已是 \"旧产能\"，租出去不仅能补贴新集群建设，还能绑定 Anthropic 探索太空算力。这也侧面印证了 Anthropic 目前在 AI 编码领域的统治力——其用户需求已把算力 \"挤爆\"，不得不斥巨资甚至涉足太空计算来扩容。这场交易重塑了 AI 基础设施的竞争逻辑：谁能掌握最低成本的能源和算力，谁才是最终的赢家。\n\n[嘘，Claude正在「做梦」！睡一觉疯狂进化，一夜暴涨6倍战力](https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652698250&idx=2&sn=55071d7c98d04b893a5907ebbfcaafb1) - Anthropic 的这次更新非常 \"科幻\"，他们为 Agent 加入了类似人类 REM 睡眠的 \"Dreaming\" 功能。Agent 在工作间隙会自动回顾历史会话，合并重复记忆，挖掘宏观规律，从而实现自我进化。配合 Outcomes 评分官和多 Agent 编排，Anthropic 成功将任务完成率提升了 6 倍。这不仅是工程技巧的胜利，更揭示了 AI 进化的新路径：通过模拟生物的睡眠机制来处理长期记忆和熵增。对于行业来说，这意味着 Agent 的 \"智商\" 将不再仅取决于预训练，更取决于运行时的 \"反刍\" 能力。\n\n### 模型与架构：开源与闭源的激烈交锋\n\n[The Batch: 954 | Kimi K2.6 挑战开源权重模型领先者](https://mp.weixin.qq.com/s?__biz=MzIxNzI0ODE4Nw==&mid=2247498555&idx=1&sn=a74928f1fc52a12e2d6338638f928d2ea) - Moonshot AI 发布的 Kimi K2.6 拥有 1 万亿参数，在多项基准测试中领先于其他开源权重模型，直逼顶级闭源模型。其最大的亮点在于超长的 \"规划-编写-测试-调试\" 循环能力，能够实例化数百个子智能体协同工作，并且幻觉率显著降低。这标志着开源模型在 \"Agent 能力\" 上正在迅速补齐短板，不再仅仅是 \"对话\" 工具，而是具备了处理复杂、长周期任务的潜力。对于开发者而言，Kimi K2.6 提供了一个不依赖闭源生态的高性能 Agent 基座选择。\n\n[SenseNova U1开源：原生统一多模态理解与生成，8B参数达到同量级SOTA](https://mp.weixin.qq.com/s?__biz=Mzk3NTc1NTU0Mw==&mid=2247508021&idx=1&sn=693c940676560eb20a362e085f9f9291) - 商汤开源的 SenseNova U1 展示了 \"以小博大\" 的极致。基于 NEO-unify 架构，它摒弃了传统的视觉编码器和 VAE，在统一表征空间中实现了多模态的理解与生成。8B 参数的模型在多项指标上达到了同量级 SOTA，甚至支持业内首个连续性图文交错输出。这种 \"原生统一\" 的设计思路，解决了多模态模型中信息传递损耗的痛点，为 Agent 在视觉推理和连续创作任务中的应用提供了更高效的底座。\n\n### 智能体经济与基础设施：AI 开始 \"花钱\" 了\n\n[Agents that transact: Introducing Amazon Bedrock AgentCore payments, built with Coinbase and Stripe](https://aws.amazon.com/blogs/machine-learning/agents-that-transact-introducing-amazon-bedrock-agentcore-payments-built-with-coinbase-and-stripe/) - AWS 这一步棋下得极具前瞻性。通过与 Coinbase 和 Stripe 合作，Bedrock AgentCore 新增了支付功能，让 AI Agent 能够自主调用钱包，为付费的 API、数据或内容进行微支付。这是 \"Agent Economy\"（智能体经济）的基础设施雏形。当 Agent 能够自主决策并完成交易时，它就从单纯的 \"助手\" 升级为了 \"经济参与者\"。这对开发者意味着未来的商业模式将发生剧变：服务将以 \" fractions of a cent per call \" 的粒度被 AI 消费，你需要构建的是 Agent 能 \"买得起\" 且 \"找得到\" 的服务接口。\n\n[DeepSeek-V4的并行策略和计算通信遮掩](https://mp.weixin.qq.com/s?__biz=MjM5ODkzMzMwMQ==&mid=2650451776&idx=1&sn=1f26acd28191e26ecf77c4415634a4dd) - 在硬件受限于 H800 和 IB 网络的背景下，DeepSeek-V4 展示了极致的工程美学。通过创新的 DualPipe 和 Waved-EP 技术，他们在 MoE 模型训练中实现了计算与通信的完美遮掩，解决了 EP 跨节点通信的瓶颈。这篇文章揭示了 AI 训练的一个残酷真相：当算力硬件无法无限堆砌时，算法层面的并行策略和 Kernel 级别的优化就成了决定性因素。这对于基础设施工程师来说是必读的\"避坑