社区讨论：多数开发者认可，即便其他竞品被宣传为Claude Opus的替代品，处理大规模重构这类核心工作时仍更信任Claude。有用户指出，目前仍可通过API获取稳定的旧版Opus 4.5，问题出在新部署的模型上。有人观察到，Anthropic后台一直在做不透明的调整，持续调整路由导致模型性能不稳定，错误率升高已持续一整周，当前核心产品可用性仅达九个九。

不少用户调侃这是过载导致的问题，正好借机出去散步。

社区讨论：多数开发者表示不需要这款本地项目记忆工具，有人习惯分多个短会话使用Claude，启动新任务直接开新会话，不需要预先给Claude讲解整个项目；有人认为Claude本身能弄清楚项目情况，优化这个场景没有价值。不少人提到可以用CLAUDE.md、memory.md或者自带的 ticketing 系统存储项目上下文，也有人质疑这款工具没有基准测试证明效果，疑问为何不用前沿大模型做项目总结。

社区讨论：多数从业者认为，对于简单分类任务，用Scikit Learn的SGD分类器处理二元语法即可，模型体积小于1MB、训练不到一分钟，比微调小大模型更轻量；也有用户提到，现有嵌入模型通过计算分类嵌入余弦相似度就能完成分类，还可以直接在BERT上加分类头。有用户提出，小大模型分类存在不遵守指定分类列表、自创类别的问题，询问能否通过输出语法约束解决，另有用户认为微调后的小参数大模型有明确适用场景，推荐Qwen 0.6B、gemma3:270m等模型。

社区讨论：多数参与者确认，不止Anthropic，OpenAI等几乎所有头部AI公司都隐藏了模型的实际推理过程，核心原因是推理机制属于核心研发成果，公开后会被竞争对手轻易获取。有人表示不会使用隐藏推理的美国模型，认为这既增加prompt优化难度，还会让攻击者注入隐藏目标更难被发现。也有人质疑，目前没人真的理解大语言模型如何思考，隐藏的推理过程不一定符合人类认知里的推理逻辑，公开后反而可能引发用户不必要的恐慌。

社区讨论：多数用户吐槽Codex产品质量粗糙，称仅在Mac上显示加载 spinner就会占满100%GPU，风扇狂转，这类已知严重bug近半年都没修复，这次占满固态硬盘的漏洞公开一周OpenAI仍无回应。有人反驳称这类无限写入bug也曾出现在老牌非AI开源项目中，不该只归因为产品粗糙。还有用户分享了临时修复方案，对比后指出Codex延迟体验远不如Claude。

OKX 刚刚和 ICE 成立了持股各 50% 的合资企业，ICE 是拥有纽交所（NYSE）、每年清算名义衍生品交易量超过 10 万亿美元的公司。合资企业目标是获得美国经纪交易商和 FCM 注册。

OKX 的 1.2 亿用户将获得通证化股票，依托每年在 13 家全球清算所结算 30 亿份合约的同一基础设施，实现真实清算、规范保证金管理和期货交易。

hyperliquid 股票永久合约已经证明了市场需求：在无 KYC 的情况下持仓量（OI）达到 16.7 亿美元。现在受监管版本即将推出，有真正的托管方，还有接近 SIPC 的保护。

Base 将在 6 月 25 日推出 B20 标准，采用原生合规的通证设计，适配通证化证券。

Coinbase 已经拿到了经纪交易商、ATS 和 FCM 牌照。

很快主权国家就会开始买入你的比特币，但真正能释放资本效率的，是用通证化股票对加密衍生品头寸进行交叉保证金抵押。以上就是我的观点。

Patch the Planet：利用前沿AI，并与专业安全研究者合作，保障关键开源软件项目的安全。

Google DeepMind 🤝 @A24

我们正与A24启动一项研究合作，以确保未来的工具由使用它们的创作者塑造。

点击了解更多 →

对于 iOS 和 macOS 开发者 @PaulSolt 来说，当他探索新框架、推进以前无法实现的想法时，Codex 就像一个研究搭档一样帮他更快推进工作。

编程和代码无关，就像音乐和记谱无关。

编程是通过抽象层级管理复杂度的艺术与科学。

AI不过是这个体系里的一环而已。

AI和过往学术研究之间的互动会变得非常奇特。这次我把我研究生阶段发表的第一篇论文发给了GPT-5.5 Pro，让它找出错误并更新内容。

它找到了新数据，完成了分析，生成了可复现的文件，拓展了核心论点……

这些成果都很棒，其中部分内容比我多年前写的论文要复杂成熟得多。如果我们把这类AI大规模应用到过往学术研究上，会发生什么？我们现在就应该这么做吗？

顺便说一下，原论文提出的问题是：

自论文发表以来，有哪些文献的发展与其主题或发现形成了对话或张力？（这点就算是深耕领域的学者，也很难靠自己完成）

我认为最好的智能体是你为自己打造的那一个。

我认为，考虑到AI目前的变化速度，以及诸多影响因素，人们确实应该考虑自己搭建工具。

别把能源成本问题归咎于AI。AI的能源需求占总需求不到1%。

Google 宣布与 A24 达成合作，开发人工智能电影制作工具。

详情：

欧盟自己都不开发AI，却出台了最多的AI监管规定。（别跟我提Mistral——它现在已经比Qwen 9B差了。）

Cursor 在其 AI 编码环境中发布了一个全新的 /automate 技能，可直接在环境内创建自动化流程。

该功能旨在减少设置重复性工作流所需的手工操作，让开发者可以借助 AI 更快地构建和管理自动化。

毁掉你的代码库最快的方法是什么？

Dexter Horthy（HumanLayer 首席执行官）见过各种规模的公司让智能体从需求规格直接走到生产上线，最后把一切都搞砸。

什么时候该让 AI 掌舵，什么时候又需要人在流程中参与把控？

.@cartesia 运营着要求最高的推理负载之一：实时语音。

他们的技术栈必须维持长生命周期流稳定运行，每日服务数百万分钟的音频，并且将模型延迟控制在90ms左右。

Together 为他们提供了托管式GPU基础设施，以及底层集群控制能力，支撑这项业务在生产环境运行。

我一直在试用 @SakanaAILabs 的 Fugu Ultra，把它作为 Fable 的替代模型来用。我把它打包成了 codex/claude 的插件。

我没有做严格的评估😅，但体验下来感觉它的能力有点参差不齐。

举例来说：它做代码审查看起来很不错，但不适合前端开发。很好奇其他人目前用下来有什么发现。

Token 成本很重要。GLM-5.2 是一个全新的前沿模型。

Bytedance 凭借 Seedance-2.0 占据视频生成 AI 的头把交椅已近四个月，甚至没有其他产品能接近它的水平。

今天，他们发布了性能更强的 2.5 版本模型。

同时他们还一并推出了一个 Opus 级别的通用大语言模型，以及一个 SoTA 级别的图像模型。

中国 AI 的发展速度快得离谱。

“牛津顶尖数学教授：“魔鬼可以利用人工智能毁灭世界””。这份备忘录已经发出，目前正在强势推进，他们也在清理外围争取支持。“关掉它（这样对手就赢了）！

”

目前最强的代码模型之一 DeepSeek V4 Pro 可以通过 Runtime 免费使用，仅需 2 分钟配置完成。

总共 344 个模型，统一提供一个兼容 OpenAI 的端点，无需绑定信用卡，每月免费赠送 1000 万 tokens。

这是一个很好的思考框架，能帮你理解编码智能体如何影响软件工程流程，进而影响对软件工程师的需求。

整篇文章都值得你花时间读一读。

所有人都在找可以测试 GLM-5.2 的地方。你可以在 Together Chat 免费试用它（链接附在下方）。不需要配置 API，只要选中 GLM-5.2 就可以开始写提示词了。服务由 Together AI 部署在安全的北美基础设施上运行。

前往 Together Chat 免费试用 GLM-5.2

兄弟们，睡前搞个小教程给大家！

直接教你将免费或者低成本的模型接入到沉浸式翻译，不废话直接看视频操作，包你学会。

操作步骤如下：

1. 打开沉浸式翻译，点击“设置”
2. 进入设置后，点击左侧的“翻译服务”
3. 点击右上角的“添加自定义翻译服务”，然后选择“自定义 AI”

4. 在自定义 AI 页面填入 API Key，以及你接入的大模型 API 接口地址
(a) 接口地址务必填对，不同的模型可能会有一些差别，可以查看对应的官方文档
(b) 选择对应的模型。如果你使用的是自定义模型，请勾选下方框中的“输入自定义模型名称”
(c) 我这里以小米的 MiMo 模型为例，给大家进行视频演示 （Base URL ：

5. 填好后点击“测试服务”，如果测试通过，就完成了对应的配置

如果你想要切换使用，直接在沉浸式翻译的服务选项中，选择你刚刚自定义的模型即可，非常方便。

你学会了吗？

记得一键三连啊，兄弟们！

我今天的平行副项目，是让 Claude Code 把新的 Moebius 图像定位模型移植到 ONNX，这样就能完全在浏览器里运行它了。

AI音乐质量很差，但它会威胁到让我的音乐被人听到。

Grok 刚刚在 Grok Build 中推出了 /goals 功能，可自主运行长任务。

机器人与人类协同工作，安全必须放在第一位。

NVIDIA Halos for Robotics 是业内首个面向物理 AI 的全栈安全系统，由 IGX Thor 和 Holoscan 提供支持。

@agilityrobotics 成为首家将该系统集成到工厂和仓库人形机器人中的企业。

点击阅读完整公告 📰 #Automate2026

Google DeepMind 斥资 7500 万美元押注人工智能在好莱坞的未来，与 A24 达成合作

GLM-5.2 看起来是个不错的模型，但它作为纯文本模型仍能在 GDPval-AA 上拿到第三名，这一事实表明 GDPval-AA 无法反映大量知识工作的真实情况。

这些知识工作需要阅读图表、调整设计，以及完成其他可视化相关任务。

Xizhe Zhang 表示，人工智能丰富科学的能力不仅取决于模型能力，还取决于研究者、审稿人和资助者是否会奖励原创性，而非速度。

LangSmith LLM Gateway 部署在你的智能代理与 LLM 提供商之间。

它会强制实施支出限额，并在请求抵达模型前脱敏掉 PII，从源头阻止问题，而非仅仅在损失发生后记录日志。

你所需了解的全部信息：

Nvidia 称其 AI 数据中心设计运行温度更高，从而大幅减少用水量。

推荐阅读：这篇文章涵盖了你在本地硬件上（使用llamacpp）最优运行LLMs所需的全部内容。

这位博士生拿到 OpenAI offer 前，一共参加了 47 场面试，收获了 4 份录用通知。

她整理的数学、机器学习和大语言模型面试准备笔记现在已经公开，完全免费，逻辑清晰好上手。

值得收藏。

Deep Agents v0.6 功能亮点：代码解释器。

智能体现在可以在运行时内部调用工具，将中间结果保留在模型上下文之外，只传回相关输出。

更少往返次数。更少 token 浪费。

一个日本小团队构建了一款能够与 Fable 级别模型竞争的 AI 模型。 Sakana AI 刚刚发布了 Fugu。

这是一个完整的多智能体编排系统，可通过单一模型 API 访问。

Fugu Ultra 的性能可与 Fable 和 Mythos 匹敌，而且它在构建时明确排除了出口管制风险。

前沿能力。不附带地缘政治条件。

面向安全团队的 Codex Security 插件：深度扫描、验证发现结果、追踪攻击路径、构建威胁模型、生成供评审的特定代码补丁，还可以导出至其他工具：

因为你的应用理应分享给全世界

这里是一篇关于在 AI Studio 发布的快速操作指南，作者是 @kat_kampf

最近看 AI 内容有个很强的感觉： 最假的是它太顺了。 每句话都对，每个词都稳，逻辑也完整，但读完就是不知道这个人到底经历过什么。 AI 能把表达磨得很亮，但也很容易把人味一起磨掉。 以后有辨识度的内容，可能不是更完美，而是更具体、更敢暴露一点偏见和笨拙。 你们刷到 AI 味很重的内容，一般是哪一瞬间看出来的？

补一句：我不是讨厌 AI 写作，我自己也用。 但我现在越来越在意一件事： AI 很擅长给你“正确的话”，不太擅长给你“只有你会说的话”。 内容真正有记忆点，往往不是因为它标准，而是里面有一个人的取舍、犹豫、小偏见。 这部分，暂时还得自己交出来。

🚨美光宣布与Anthropic达成战略协议
- 多年期HBM、DRAM和SSD供货协议
- 围绕Claude的工作负载共同设计内存与存储
- Claude将在美光内部全面部署
- 美光参投了Anthropic的H轮融资

美光现在同时是Anthropic的投资方、客户、合作伙伴与供应商。

来源：

目前最强的代码模型之一 DeepSeek V4 Pro 可以通过 Runtime 免费使用，仅需 2 分钟配置完成。

总共 344 个模型，统一提供一个兼容 OpenAI 的端点，无需绑定信用卡，每月免费赠送 1000 万 tokens。

Bytedance 凭借 Seedance-2.0 占据视频生成 AI 的头把交椅已近四个月，甚至没有其他产品能接近它的水平。

今天，他们发布了性能更强的 2.5 版本模型。

同时他们还一并推出了一个 Opus 级别的通用大语言模型，以及一个 SoTA 级别的图像模型。

中国 AI 的发展速度快得离谱。

Cursor 在其 AI 编码环境中发布了一个全新的 /automate 技能，可直接在环境内创建自动化流程。

该功能旨在减少设置重复性工作流所需的手工操作，让开发者可以借助 AI 更快地构建和管理自动化。

一个日本小团队构建了一款能够与 Fable 级别模型竞争的 AI 模型。 Sakana AI 刚刚发布了 Fugu。

这是一个完整的多智能体编排系统，可通过单一模型 API 访问。

Fugu Ultra 的性能可与 Fable 和 Mythos 匹敌，而且它在构建时明确排除了出口管制风险。

前沿能力。不附带地缘政治条件。

Deep Agents v0.6 功能亮点：代码解释器。

智能体现在可以在运行时内部调用工具，将中间结果保留在模型上下文之外，只传回相关输出。

更少往返次数。更少 token 浪费。

OKX 刚刚和 ICE 成立了持股各 50% 的合资企业，ICE 是拥有纽交所（NYSE）、每年清算名义衍生品交易量超过 10 万亿美元的公司。合资企业目标是获得美国经纪交易商和 FCM 注册。

OKX 的 1.2 亿用户将获得通证化股票，依托每年在 13 家全球清算所结算 30 亿份合约的同一基础设施，实现真实清算、规范保证金管理和期货交易。

hyperliquid 股票永久合约已经证明了市场需求：在无 KYC 的情况下持仓量（OI）达到 16.7 亿美元。现在受监管版本即将推出，有真正的托管方，还有接近 SIPC 的保护。

Base 将在 6 月 25 日推出 B20 标准，采用原生合规的通证设计，适配通证化证券。

Coinbase 已经拿到了经纪交易商、ATS 和 FCM 牌照。

很快主权国家就会开始买入你的比特币，但真正能释放资本效率的，是用通证化股票对加密衍生品头寸进行交叉保证金抵押。以上就是我的观点。

我认为最好的智能体是你为自己打造的那一个。

我认为，考虑到AI目前的变化速度，以及诸多影响因素，人们确实应该考虑自己搭建工具。

别把能源成本问题归咎于AI。AI的能源需求占总需求不到1%。

Google 宣布与 A24 达成合作，开发人工智能电影制作工具。

详情：

欧盟自己都不开发AI，却出台了最多的AI监管规定。（别跟我提Mistral——它现在已经比Qwen 9B差了。）

社区讨论：多数用户吐槽Codex产品质量粗糙，称仅在Mac上显示加载 spinner就会占满100%GPU，风扇狂转，这类已知严重bug近半年都没修复，这次占满固态硬盘的漏洞公开一周OpenAI仍无回应。有人反驳称这类无限写入bug也曾出现在老牌非AI开源项目中，不该只归因为产品粗糙。还有用户分享了临时修复方案，对比后指出Codex延迟体验远不如Claude。

社区讨论：多数参与者确认，不止Anthropic，OpenAI等几乎所有头部AI公司都隐藏了模型的实际推理过程，核心原因是推理机制属于核心研发成果，公开后会被竞争对手轻易获取。有人表示不会使用隐藏推理的美国模型，认为这既增加prompt优化难度，还会让攻击者注入隐藏目标更难被发现。也有人质疑，目前没人真的理解大语言模型如何思考，隐藏的推理过程不一定符合人类认知里的推理逻辑，公开后反而可能引发用户不必要的恐慌。

社区讨论：多数从业者认为，对于简单分类任务，用Scikit Learn的SGD分类器处理二元语法即可，模型体积小于1MB、训练不到一分钟，比微调小大模型更轻量；也有用户提到，现有嵌入模型通过计算分类嵌入余弦相似度就能完成分类，还可以直接在BERT上加分类头。有用户提出，小大模型分类存在不遵守指定分类列表、自创类别的问题，询问能否通过输出语法约束解决，另有用户认为微调后的小参数大模型有明确适用场景，推荐Qwen 0.6B、gemma3:270m等模型。

社区讨论：多数开发者表示不需要这款本地项目记忆工具，有人习惯分多个短会话使用Claude，启动新任务直接开新会话，不需要预先给Claude讲解整个项目；有人认为Claude本身能弄清楚项目情况，优化这个场景没有价值。不少人提到可以用CLAUDE.md、memory.md或者自带的 ticketing 系统存储项目上下文，也有人质疑这款工具没有基准测试证明效果，疑问为何不用前沿大模型做项目总结。

社区讨论：多数开发者认可，即便其他竞品被宣传为Claude Opus的替代品，处理大规模重构这类核心工作时仍更信任Claude。有用户指出，目前仍可通过API获取稳定的旧版Opus 4.5，问题出在新部署的模型上。有人观察到，Anthropic后台一直在做不透明的调整，持续调整路由导致模型性能不稳定，错误率升高已持续一整周，当前核心产品可用性仅达九个九。

不少用户调侃这是过载导致的问题，正好借机出去散步。

Google DeepMind 🤝 @A24

我们正与A24启动一项研究合作，以确保未来的工具由使用它们的创作者塑造。

点击了解更多 →

Nvidia 称其 AI 数据中心设计运行温度更高，从而大幅减少用水量。

兄弟们，睡前搞个小教程给大家！

直接教你将免费或者低成本的模型接入到沉浸式翻译，不废话直接看视频操作，包你学会。

操作步骤如下：

1. 打开沉浸式翻译，点击“设置”
2. 进入设置后，点击左侧的“翻译服务”
3. 点击右上角的“添加自定义翻译服务”，然后选择“自定义 AI”

4. 在自定义 AI 页面填入 API Key，以及你接入的大模型 API 接口地址
(a) 接口地址务必填对，不同的模型可能会有一些差别，可以查看对应的官方文档
(b) 选择对应的模型。如果你使用的是自定义模型，请勾选下方框中的“输入自定义模型名称”
(c) 我这里以小米的 MiMo 模型为例，给大家进行视频演示 （Base URL ：

5. 填好后点击“测试服务”，如果测试通过，就完成了对应的配置

如果你想要切换使用，直接在沉浸式翻译的服务选项中，选择你刚刚自定义的模型即可，非常方便。

你学会了吗？

记得一键三连啊，兄弟们！

我今天的平行副项目，是让 Claude Code 把新的 Moebius 图像定位模型移植到 ONNX，这样就能完全在浏览器里运行它了。

AI音乐质量很差，但它会威胁到让我的音乐被人听到。

Grok 刚刚在 Grok Build 中推出了 /goals 功能，可自主运行长任务。

机器人与人类协同工作，安全必须放在第一位。

NVIDIA Halos for Robotics 是业内首个面向物理 AI 的全栈安全系统，由 IGX Thor 和 Holoscan 提供支持。

@agilityrobotics 成为首家将该系统集成到工厂和仓库人形机器人中的企业。

点击阅读完整公告 📰 #Automate2026

Google DeepMind 斥资 7500 万美元押注人工智能在好莱坞的未来，与 A24 达成合作

GLM-5.2 看起来是个不错的模型，但它作为纯文本模型仍能在 GDPval-AA 上拿到第三名，这一事实表明 GDPval-AA 无法反映大量知识工作的真实情况。

这些知识工作需要阅读图表、调整设计，以及完成其他可视化相关任务。

“牛津顶尖数学教授：“魔鬼可以利用人工智能毁灭世界””。这份备忘录已经发出，目前正在强势推进，他们也在清理外围争取支持。“关掉它（这样对手就赢了）！

”

Token 成本很重要。GLM-5.2 是一个全新的前沿模型。

毁掉你的代码库最快的方法是什么？

Dexter Horthy（HumanLayer 首席执行官）见过各种规模的公司让智能体从需求规格直接走到生产上线，最后把一切都搞砸。

什么时候该让 AI 掌舵，什么时候又需要人在流程中参与把控？

编程和代码无关，就像音乐和记谱无关。

编程是通过抽象层级管理复杂度的艺术与科学。

AI不过是这个体系里的一环而已。

Xizhe Zhang 表示，人工智能丰富科学的能力不仅取决于模型能力，还取决于研究者、审稿人和资助者是否会奖励原创性，而非速度。

.@cartesia 运营着要求最高的推理负载之一：实时语音。

他们的技术栈必须维持长生命周期流稳定运行，每日服务数百万分钟的音频，并且将模型延迟控制在90ms左右。

Together 为他们提供了托管式GPU基础设施，以及底层集群控制能力，支撑这项业务在生产环境运行。

面向安全团队的 Codex Security 插件：深度扫描、验证发现结果、追踪攻击路径、构建威胁模型、生成供评审的特定代码补丁，还可以导出至其他工具：

LangSmith LLM Gateway 部署在你的智能代理与 LLM 提供商之间。

它会强制实施支出限额，并在请求抵达模型前脱敏掉 PII，从源头阻止问题，而非仅仅在损失发生后记录日志。

你所需了解的全部信息：

我一直在试用 @SakanaAILabs 的 Fugu Ultra，把它作为 Fable 的替代模型来用。我把它打包成了 codex/claude 的插件。

我没有做严格的评估😅，但体验下来感觉它的能力有点参差不齐。

举例来说：它做代码审查看起来很不错，但不适合前端开发。很好奇其他人目前用下来有什么发现。

对于 iOS 和 macOS 开发者 @PaulSolt 来说，当他探索新框架、推进以前无法实现的想法时，Codex 就像一个研究搭档一样帮他更快推进工作。

这位博士生拿到 OpenAI offer 前，一共参加了 47 场面试，收获了 4 份录用通知。

她整理的数学、机器学习和大语言模型面试准备笔记现在已经公开，完全免费，逻辑清晰好上手。

值得收藏。

因为你的应用理应分享给全世界

这里是一篇关于在 AI Studio 发布的快速操作指南，作者是 @kat_kampf

推荐阅读：这篇文章涵盖了你在本地硬件上（使用llamacpp）最优运行LLMs所需的全部内容。

Patch the Planet：利用前沿AI，并与专业安全研究者合作，保障关键开源软件项目的安全。

AI和过往学术研究之间的互动会变得非常奇特。这次我把我研究生阶段发表的第一篇论文发给了GPT-5.5 Pro，让它找出错误并更新内容。

它找到了新数据，完成了分析，生成了可复现的文件，拓展了核心论点……

这些成果都很棒，其中部分内容比我多年前写的论文要复杂成熟得多。如果我们把这类AI大规模应用到过往学术研究上，会发生什么？我们现在就应该这么做吗？

顺便说一下，原论文提出的问题是：

自论文发表以来，有哪些文献的发展与其主题或发现形成了对话或张力？（这点就算是深耕领域的学者，也很难靠自己完成）

🚨美光宣布与Anthropic达成战略协议
- 多年期HBM、DRAM和SSD供货协议
- 围绕Claude的工作负载共同设计内存与存储
- Claude将在美光内部全面部署
- 美光参投了Anthropic的H轮融资

美光现在同时是Anthropic的投资方、客户、合作伙伴与供应商。

来源：

最近看 AI 内容有个很强的感觉： 最假的是它太顺了。 每句话都对，每个词都稳，逻辑也完整，但读完就是不知道这个人到底经历过什么。 AI 能把表达磨得很亮，但也很容易把人味一起磨掉。 以后有辨识度的内容，可能不是更完美，而是更具体、更敢暴露一点偏见和笨拙。 你们刷到 AI 味很重的内容，一般是哪一瞬间看出来的？

补一句：我不是讨厌 AI 写作，我自己也用。 但我现在越来越在意一件事： AI 很擅长给你“正确的话”，不太擅长给你“只有你会说的话”。 内容真正有记忆点，往往不是因为它标准，而是里面有一个人的取舍、犹豫、小偏见。 这部分，暂时还得自己交出来。

所有人都在找可以测试 GLM-5.2 的地方。你可以在 Together Chat 免费试用它（链接附在下方）。不需要配置 API，只要选中 GLM-5.2 就可以开始写提示词了。服务由 Together AI 部署在安全的北美基础设施上运行。

前往 Together Chat 免费试用 GLM-5.2

这是一个很好的思考框架，能帮你理解编码智能体如何影响软件工程流程，进而影响对软件工程师的需求。

整篇文章都值得你花时间读一读。