DeepSeek V4低调发布：百万上下文与低价策略能否突围？
实测V4长文本、代码及推理表现。 AIX财经（AIXcaijing）原创 作者| 李梦冉 编辑| 魏佳 没有发布会，没有倒计时，DeepSeek V4就这样悄无声息地上线了。 这已是DeepSeek的常规操作。但这次的不同之处在于，他们在技术报告中主动提及：V4的能力仍不及GPT-5.4和Gemini-3.1-Pro，发展进度大约落后顶尖闭源模型3至6个月。 这句话在国内AI圈显得有些另类。大多数模型发布时，标配的都是“全球领先”“行业第一”。而DeepSeek反其道而行之，主动承认差距。 但如果细看此次
大摩力挺腾讯 目标价650港元 给予增持评级
摩根士丹利发表研究报告指出，腾讯控股（00700）在昨日（23日）正式推出并开放源代码的全新大语言模型Hy3 Preview，标志着其混元（HY）基础模型重构的开端。该模型采用MoE架构，融合快慢双思维模式，总参数规模达2950亿（激活参数210亿），上下文长度支持256K，在复杂推理、指令理解、上下文学习、代码编写、智能体功能及推理效能等多个维度实现优化。大摩据此给予腾讯"增持"投资评级，目标价位定于650港元。 大摩分析认为，Hy3 Preview在代码创作与智能体功能层面实现明显突破，SWE-Ben
AI时代期权量化开发：Vibe Coding实战解析
关注「AI大模型时代资产增值与市场前瞻」综合来看，这项研究在理论深度、技术广度及实践价值三个层面均取得了显著的学术与应用成果。对于投身量化投资和金融科技研发的专业人士而言，文中提出的方法论框架、实验设计思路及性能评估体系都具有极高的参考价值。伴随全球金融市场智能化转型的加速，此类融合前沿AI技术与深厚金融知识的研究将持续引领行业技术演进，为市场参与者提供更强大的分析工具与决策支持。该研究的开源精神与可复现设计为后续工作奠定了坚实基础。标准化的实验协议和公开的代码资源使得研究社区能够在此基础上进行扩展与改进
谷歌AI编程应用深化 首席执行官称新生成代码占比突破七成
据4月23日外媒报道，编程能力已成为衡量OpenAI、谷歌、DeepSeek、阿里等国内外科技巨头生成式AI模型的重要标尺，相关大模型正被大量应用于代码开发领域。最新外媒消息指出，谷歌正在深度布局AI编程应用，其新增代码中已有相当比例由人工智能自动生成。谷歌母公司Alphabet首席执行官桑达尔·皮查伊近期披露，该公司运用AI技术编写代码已有较长历史，现阶段75%的新增代码由AI创作并经工程师复核，相比去年同期的50%实现显著增长。回溯去年4月，皮查伊当时公布的AI代码生成比例为30%以上。而在去年末，谷
AI智能体实战分享：OpenClaw龙虾机器人这5个高频使用场景太香了
说实话，我身边不少人装了AI智能体之后，就把它晾那儿了。问他们为什么不用，回答出奇一致：不知道它能干嘛。装是装了，但除了"你好""今天天气怎么样"，好像也想不到别的用法。就像买了一台多功能料理机，最后只拿它榨果汁。这篇不讲安装教程（之前写过），也不讲底层原理。就聊一件事：OpenClaw龙虾机器人装好之后，到底能在你的日常工作里帮什么忙。以下5个场景，都是我或者身边朋友真实在用的，每个都附了可以直接复制粘贴的指令。这是我用得最多的功能，没有之一。我的下载文件夹就是个灾难区——PDF、图片、安装包、压缩包全
Kimi深夜发布K2.6模型 三百智能体协同作业
技术迭代与资本竞争已形成双向驱动。4月21日凌晨，大模型初创企业月之暗面Kimi发布并开源Kimi K2.6模型，专注于代码生成、长程任务处理与智能体集群协作。根据官方信息，Kimi K2.6在长程编码能力方面可支持13小时不间断编码工作；智能体集群支持300个子智能体并行执行4000个协作步骤；自主智能体具备持久化自动化执行能力，已适配当前火热的OpenClaw、Hermes智能体框架；多模态与设计方面已支持代码驱动的视觉创作。上述四方面能力的提升并非盲目堆砌，背后是当前企业与开发者群体面对AI升级的核
人工智能会取代开发者吗？——解构技术恐慌与现实
点击☝️订阅 优质内容不错过⭕AI取代开发者？被误解的恐慌与真实图景"人工智能将替代九成岗位""码农即将下岗""未来只需会敲回车"这类言论屡见不鲜。但喧嚣背后真相如何？AI与程序员之间，究竟是终结者与被害者的关系，还是工具与使用者的协作？一、先明确核心概念：AI到底在取代什么？现阶段AI（以大语言模型为主）的本质是模式识别与概率预测。其擅长领域包括：依据注释产出代码块、解读既有程序逻辑、修正常规语法问题、把自然语言描述转化为基础实现方案其短板在于：无法把握需求模糊性与优先级博弈、难以在资源紧张时做架构权衡
目标设定与监控：让AI智能体高效为你工作
前些日子，一位朋友向我咨询，他期望AI能自动处理一系列繁琐事务，但AI总是误解他的意图，结果不尽如人意。我深入思考后，意识到这实质上是规划能力的问题。AI仅仅拥有知识是不够的，必须配备一套“目标设定与监控”的机制才能真正发挥作用。举个例子，规划一次旅行。你不会凭空出现在目的地吧？需要先确定想去的地方（目标状态），明确起点位置（初始状态），考虑可用的选项（交通方式、路线、预算），然后制定一系列步骤：订票、整理行李、前往机场、登机、到达、寻找住处。这个分步的过程，考量依赖关系和限制条件，本质上就是智能体系统中
GPT六代发布，AI智能开启新纪元
二零二六年四月十四日，对于全球人工智能领域而言，无疑是一个将被刻入史册的重要日子。就在这一天，美国开放人工智能公司正式发布了其第六代大型语言模型，代号土豆。这款模型的问世，不仅仅是一次常规的技术迭代升级，更被业界普遍视为通向通用人工智能道路上的一次关键跨越，标志着人工智能技术正式迈入了一个全新的发展阶段。回顾人工智能的发展历程，从二零二二年底的聊天生成预训练转换器横空出世，到如今第六代模型震撼发布，短短数年之间，人工智能技术经历了爆发式的飞跃发展。 每一次重大版本的更新，都伴随着算力需求的指数级增长和应用
探讨AI智能体应用突破与安全防线——市委网信办主办人工智能主题研讨会
本次活动集中探讨“应用创新”与“安全保障”两个关键方向，汇聚了产业界与学术界的资深人士交流经验与最新成果：在应用创新方面，阿里云技术专家详细解读了Vibe Coding这一新型开发方式，演示了运用自然语言指令完成代码自动编写与全过程监控，达成安全又高效的编程新体验。稀宇科技专家围绕唤醒AI助手这一主题，剖析了怎样通过灌输职业准则与专业技能，使AI由普通对话工具升级为具有岗位胜任力的智能体，推动生产效率实现阶跃式提升。在安全保障层面，复旦大学学者从智能体整体安全出发，透彻分析了涵盖模型、插件及代码沙箱的全链
HermesAgent驱动智能研发新范式：全流程自动化实践
Hermes Agent作为AI驱动研发的"核心枢纽"，更是我们用来释放生产力、保障软件品质的关键"引擎"，一旦项目中存在复杂任务需求，系统都会全力调用技能库精准执行！例如在需求分析阶段，Hermes主动检索，凭借持久记忆层与源码知识库的深厚积累，在业务理解方面迅速超越初级工程师，高效输出了结构化的需求文档。然而AI的深度介入让传统开发模式产生了质疑，于是通过"需求确认"、"设计确认"和"UAT验收"这一系列人工介入机制对AI的自主权限进行了约束，有效遏制了盲目自动化、黑盒化决策及不可控风险等问题，导致A
GPT-6引爆AI圈：巨头集体亮底牌
今日全球首发，200万Token上下文，5万亿参数量。这颗"土豆"能掀起多大波澜？上周五临近下班，一位AI产品经理给我发来消息："GPT-6明天就要发布，今晚我得熬夜改方案。"我回了个问号，他解释："我们的产品规划可能得全盘推翻。"这种焦虑并非个例。过去七天，AI行业经历了信息轰炸：GPT-6敲定发布日、DeepSeek V4规格泄露、Minimax 2.7意外开源、Linux内核正式接纳AI代码、Claude Mythos引发多国监管震动。任何一条单拎出来都值得讨论半天。今天一并给你梳理清楚。OpenA
人工智能开启自研新纪元
文 ｜ 阑夕OpenAI创始人在知名博文「温和的奇点」中描绘了一个机器制造机器的远景，届时生产力将突破人口限制，迎来指数级增长。在物理世界，受限于材料与资源，这种设想仍显科幻；但在数字领域，AI「繁衍」AI的进程已然开启。就在上月，AI编程工具TRAE将其IDE集成的SOLO功能剥离为独立应用，覆盖桌面与网页双平台。此举优势不言自明，脱离传统IDE束缚后，产品、设计、运营等非技术岗位人员可在更熟悉的交互界面中，调度一位永不疲倦的AI工程师。然而真正的看点在于，这个SOLO独立版几乎由SOLO自身打造而成⋯
AI编程时代来临：三年后半数代码自动生成，程序员的生存指南
我一位老友，就职于某互联网巨头。不久前向我抱怨：部门新来的毕业生，借助AI仅用一天就完成了他过去一周才能写完的代码量。这让他陷入了不安。这种担忧并非他独有。近期技术圈内都在热议同一个议题：AI能力如此强大，我们的职业寿命还有多长？先分享几个真实案例。上周科技界爆出一则重磅消息：Block（原Twitter）发布了Managerbot。这款AI助手与以往不同——具备主动性，能够自主规划工作、调用工具并核查结果。过去是"指令驱动"，如今是"目标驱动"。Anthropic推出的网络安全AI模型，其强大程度让官方
解决AI代码输出不确定性的开源利器
GitHub热门榜单｜2026年4月12日｜今日新增1346颗星试想一下，今天下午你让AI编程助手：「帮我修复这个登录功能的Bug。」它迅速给出了代码，看起来效果不错。到了第二天，你问同样的问题——它给出了完全不同的实现逻辑，甚至还漏掉了运行测试。第三天再问——它直接略过了分析环节，写完代码只留下一句「搞定」。同一句话，却带来了三次截然不同的结果。这并非Bug，而是大语言模型的固有特性：其输出结果往往取决于当下的「状态」。当你要求AI修复Bug时，具体发生什么全凭模型心情。它可能省略规划，可能忘记测试，甚