基准测试「Kimi K3」由Simon Willison主持
一个 SVG 图示测试作为快速进度条：Simon Willison 在 7 月 16 日和 17 日发布了他对 K3 的阅读。
5 h ago 3 3
「Claude Code：功能缺陷解剖」——当公开评审成为真正的质量保证
Olaf Alders 于7月17日发表了一篇关于Claude Code功能的详细评论，公开“事后分析缺陷”的格式正在成为疲劳-炒作的标准。
5 h ago 4 5
人工智能背景差距：企业人工智能的真正问题不是检索，而是信任
VentureBeat 提出了一个在IT主管中反复出现的问题：企业AI项目的失败原因更多在于对其输出的信任度，以及对其数据源的治理，而非技术本身（如检索、嵌入、检索增强生成）。
yesterday 11 8
Google Genkit v.Agents：分离轮次和人类在回路功能进入预览阶段
Google发布了Genkit的Agents API预览版，适用于TS和Go，支持断开连接（代理在断开连接后仍能继续运行）和带有防伪验证的HITL（人类在回路） - 这是自从十二个月前代理事后分析以来，用户一直要求的两个功能。
Jul 14, 2026 at 15:44 8 9
AWS多区域：阻塞全局故障转移的预飞行发现通话
InfoQ发布了对预飞行发现通话的分析，该通话自多年前起就出现在每个客户会话中，被揭示为在AWS区域性故障期间全局故障转移的障碍。这是一个关于系统的教训，而非一个补丁。
Jul 13, 2026 at 17:27 10 7
Malaika：通过三角化代理推理理解恶意软件
一篇新的arXiv论文提出了一个多智能体系统，该系统能够从部分证据中重建恶意行为——没有炒作，真正利用LLM在恶意软件分析中的价值。
Jul 13, 2026 at 09:13 12 8
迁移生产代理到 GPT-5.6：速度提升 2.2 倍，成本降低 27% - 真实事后分析
第一个边界到边界的迁移数字回报。对于那些准备下一次切换的人来说，这是一个典型的案例。
Jul 13, 2026 at 02:19 9 7