SWE-Bench Pro 三成是壞題：OpenAI 撤回自己的推薦，也戳破你會議室裡那個數字
OpenAI 逐題 audit SWE-Bench Pro，估計約 30% 任務是壞的，並撤回八個月前自己的推薦。這篇從中拆出一把尺——「驗證債」：每一個被引用卻沒人驗證過的分數都是負債，遲早有人要還。
127月
今日觀點 AI 30 架構 38 工具 17 實戰 35 安全 3 生活 1 E2E Testing 1 
Anthropic 砍掉 80% 的 system prompt：Claude 5 世代的 context engineering 新規則
Claude Code 團隊把自家 system prompt 刪掉超過 80%，coding eval 沒有任何可測量的退步。過去兩年被奉為圭臬的六條 context engineering 規則，對新一代模型已經變成負擔——這篇是 Thariq 原文的中文編譯，含 CLAUDE.md 與 Skills 的具體改寫方向。
2026/7/26 · AI · X ArticleClaude API · 燒 token 實錄
$17.29k花費
19.41Btokens
65活躍日
2 天連續
6/1 少 多 8/29
claude-opus-5 · 49.5%claude-opus-4-8 · 32.9%claude-fable-5 · 13.8%claude-sonnet-5 · 3.8%claude-haiku-4-5-20251001 · 0.1%
Codex · 燒 token 實錄
$1.12k花費
1.54Btokens
45活躍日
3 天連續
6/1 少 多 8/29
gpt-5.6-sol · 65.7%gpt-5.5 · 33.7%gpt-5.4-mini · 0.7%
Latest Signals
文章存檔127月
承諾不值錢，反悔成本才值錢：從 Anthropic 公開徵集「最難的問題」，拆出一把量 AI 公司誠意的尺
「AI 會不會讓我的孩子失去未來？」這種問題，沒有任何一家 AI 公司的表單能填。Anthropic 為它開了常設入口並承諾公開作答——但承諾不值錢，反悔成本才值錢。用這把尺量下去，連 Anthropic 自己都還沒過關。
127月
Bun 用 11 天重寫 53 萬行 Zig：被翻掉的不是「永遠別重寫」，是程式碼的資產地位
64 個 Claude 實例、11 天，Bun 把 535,496 行 Zig 全量改寫成 Rust 並出貨 v1.4.0。真正被翻掉的不是 Spolsky 那條規則，而是程式碼的資產地位——測試才是資產，程式碼只是可以重印的耗材。
127月
Claude Code 的四種 loop：從手排到自駕，你敢放手到第幾檔？
「Loop = agent 重複工作循環，直到滿足停止條件。」官方教學給了四個檔位：對話式、/goal、/loop 與 /schedule、主動式。這篇拆成可直接照做的四步，每檔附確切指令——重點不是 AI 多聰明，是你把「什麼時候停」交給誰。
127月
AI coding 的答案在 20 年前的老書裡 — Matt Pocock 兩小時 workshop 重點
聰明區只有 100K tokens、PRD 寫完不用讀、人一定要留在 QA。Matt Pocock 把 AI 開發流程講成一套老派工程紀律,這裡是全部重點與我的判斷。
127月
語音助理的問題從來不是不夠聰明：GPT-Live 收掉了「對講機稅」
OpenAI 發布全雙工語音模型 GPT-Live，取代 Advanced Voice Mode：前台邊聽邊講、背景調用 GPT-5.5 搜尋與推理。真正的升級不是音色，是插話的權利。
117月
政策不等於控制:GenAI 資料安全的四步打法,與研究沒告訴你的 agent 盲區
我一邊寫「企業怎麼管 GenAI」,一邊發現自己的 agent 正拿著能刪資料庫的憑證在跑。58% 的組織有政策、68% 的資安主管懷疑牆內有影子 AI——政策寫好了,控制不存在。四步打法加一張「你該從哪步開始」的表,最後講所有研究都還沒管的戰場:agent 憑證。
117月
從超級個體到超級團隊：騰訊 3 萬字田野報告給出的 AI 時代組織公式
2026 年 5 月，騰訊研究院發布 3 萬字田野報告《從超級個體到超級團隊——AI 時代組織變革的湧現路徑》，由袁曉輝、余一編寫。本文整理核心結論、案例與資料，並指出對中文圈企業的實際意涵。 兩個數字並排放在一起，會讓人警覺。 麥肯錫 2026 全球 AI 調查與斯坦福 HAI 2026 AI Index 同步顯示：…