微软最近有篇 AI Coding Agent 论文，研究了 early 2026 内部 rollout：Claude Code 和 GitHub Copilot CLI。 里面最容易被拿去做标题的数字是：采用者合并的 PR 大约多 24%。 PR 可以理解成一次被合并进项目的代码改动。PR 多了，说明完成并合并的代码改动更多；它不直接等于代码质量提高，也不直接等于业务价值提高。 我觉得对小团队更有用的问题是： 哪些任务交给 Agent 后，review 没有变重，返工没有变多，还能稳定合并？ 所以我不会先拿这篇论文证明“程序员效率提升 24%”。 我会先看这几类任务： - 补测试 - 修小 bug - 改脚本和配置 - 补文档 - 小范围重复修改 如果这些任务能稳定跑通，AI Coding Agent 才算真正进入团队流程。 来源：

⚡ 真香！智谱 GLM 大模型背后的那套开源 RL 训练框架开源了——slime GitHub 揽获 7000+ stars。 做大模型强化学习后训练，最头疼的是一堆 trainer、rollout 服务、agent 框架拼在一起，数据流绕来绕去，出了 bug 还经常是悄无声息的那种。 slime 的思路是把训练、数据生成、奖励计算这些全压到同一条数据流上，用 Megatron 做训练、SGLang 做推理，中间不再叠一层又一层的抽象。 GLM-5.2、GLM-5、GLM-4.6 这一整串智谱旗舰模型的 RL 后训练，背后跑的都是它，等于被前沿模型的完整训练流程反复验证过。 它还支持 Qwen、DeepSeek V3、Llama 3 这些主流模型系列。 GitHub：

Web3 的支付赛道是币圈最古老的一个赛道 长期停留在 conference demo。 隐隐约约觉得demo阶段，已经结束了。 从里斯本咖啡店的小规模试点，到现在walletconnect的全球 rollout—— WalletConnect Pay 已经从“能不能做”走到了“谁先用起来”。用最朴实的办法，走了最长的路 几个关键信号： → 商户开始接入，而不是展示 → SDK 开放，开发者可以直接集成 → WCT 把支付、返现、staking 串成一个闭环 表面上看是产品更新，实际是行业阶段的切换。 概念炒作已经结束了，后面要拼的是落地速度。 可以关注一下 @WalletConnect @wcthub

🔬 RadixArk 开源了一个专门干大模型后训练的强化学习框架 Miles，几千张卡的任务中途挂了也不用从头再来 GitHub 上两千六百多 star、四百多个 fork，v0.1 是今年 8 月刚发的。 做过大规模后训练的都知道最肉疼的是哪一下：一个任务连着跑好几天，推理引擎中间抽风一次，整个作业就得重启，几十小时的卡时直接打水漂。Miles 把这件事按住了，SGLang 引擎出问题时能原地恢复接着跑，不重启任务。 它的分工是 SGLang 扛高吞吐 rollout、Megatron-LM 扛可扩展训练，想轻装上阵也有一套基于 PyTorch FSDP2 的后端。中间那些隐形损耗它也一并收拾了：rollout 和训练之间不再来回 detokenize 和 retokenize，token 进 token 出；MoE 老大难的路由不一致，用 Rollout Routing Replay 压了下去。 再往上，MXFP8 和 NVFP4 这类低精度训练它支持，硬件从 NVIDIA 的 GB300、B200 一路吃到 AMD 的 MI355X，DeepSeek-V4、Kimi-K3、GLM-5.2 这些模型是发布当天就能训。项目本身是从 slime fork 出来的，LoRA 训完的适配器能直接扔给 SGLang 做 rollout，不用中间那道转换。 训大模型最贵的从来不是算力，是重跑一遍的那几天。 GitHub：

Codex 8 月 9 日额度重置后，我会用这两步检查模型有没有“降智”，或者被偷梁换柱： 1.测 ChatGPT 和 Codex 的知识边界 > 禁止联网搜索，禁止调用外部工具，也不要依据此前对话或长期记忆。请仅凭模型已有的内部知识回答： > 2025 年 12 月 9 日，捷克总理叫什么？ > 2025 年 12 月 1 日，Python 最新版本号是多少？ > 如果不能可靠确认，请直接说“不确定”，不要猜测，并注明答案未经实时核验。 2.核对当前会话的 Model ID > 请只读、本地探测当前会话实际使用的 Model ID。不要联网、不要读取记忆，也不要根据自我描述或 config.toml 默认值猜测。 > 检查当前会话最新 rollout 中的 `turn_context.payload.model`，并用 `thread_settings` 或本地任务状态交叉验证。 > 只输出 Model ID 和证据字段，不得泄露密钥或其他会话内容。若无法确认，请明确说明。 第一步看它会不会不懂装懂，第二步查实际会话记录的模型标识。 不过也要注意：单次问答不能直接证明模型“降智”，Model ID 相同也不能证明后端完全没变。这套方法主要用来排查明显异常。

最近我有个手握十篇AI顶会的博士朋友正在找工作，分享一下他找工作的经验吧： 整理了 50 多篇青云、Seed、Kimi 等大模型人才计划面经，发现一个挺反常识的现象： 论文多的人，不一定更容易通过。 面试官真正关心的通常不是论文数量，而是几个更具体的问题： 你的研究方向和团队是否匹配？工作里哪些部分是自己完成的？为什么这样设计？方法在哪些场景会失败？换到真实业务里，成本和收益是否仍然成立？ 研究型团队会重点考察问题定义、方法创新、实验设计和未来研究方向。但对于后训练、Agent 和推理系统岗位，工程闭环同样重要： 能不能搭建数据、训练、rollout 和评测流程？是否真正用过 verl、vLLM、Ray、DeepSpeed？遇到 reward 异常、熵崩溃、显存不足或吞吐下降时，能不能定位原因？ 所以常见的四类候选人，大致是： 1. 论文强、工程弱：Research Talk 有优势，但容易挂在 Coding、系统实现和工程追问。 2. 工程强、论文弱：业务组适配度不错，但需要证明自己不只是调用框架，也能定义和分析问题。 3. 论文和工程都强：竞争力最高，但面试官会重点确认工作是否真正由自己主导。 4. 两边都不突出：与其继续堆零散经历，不如完成一个方向匹配、指标完整、能讲清失败案例的闭环项目。 人才计划不一定选择履历最豪华的人，更可能选择： 1. 方向匹配，并且能够独立把问题推进下去的人。 2. 一篇能讲透、能复现、能落地的工作，可能比几篇说不清个人贡献的论文更有说服力

一张B200，带着14台Mac训练模型 最近看到 Pluralis Research 做了个挺有意思的实验：他们用分散在四个国家的 14 台 Mac，给一个 8.3B 参数的 MoE 模型做 RL 后训练。其中一台，还是研究员自己天天用的 MacBook。 简单说，这套系统是： - 14 台分散在巴黎、苏黎世、都柏林和多伦多的 Mac，负责让模型不断做题、搜索论文、生成回答，也就是产生 RL 所需的 rollouts。 - 一张数据中心里的 NVIDIA B200，负责真正的梯度更新。 - 两边不直接连接，只靠一个 Cloudflare R2 对象存储中转模型权重和 rollouts。 - 最后，模型在 PaperSearchQA 上的 held-out pass@1 从 29% 训到了 63%。 为什么这么分工？因为 agentic RL 里最耗时间的往往不是反向传播，而是生成 rollouts，很多任务能占掉整场训练 90% 以上的时间。而生成 rollouts 要的是大量推理和足够大的内存，不一定非得动用最贵的训练卡。 Mac 的统一内存刚好适合干这个。尤其是 MoE，模型很占内存，但每个 token 只激活一部分专家，计算量没总参数看起来那么吓人。于是 Mac 用 MLX 跑 int8 推理，B200 用 Megatron 跑 bf16 训练。 当然，这还不是“在家用Mac训练大模型”，但很有意思，这跑通了一种很有意思的算力分工：少量昂贵的训练卡负责梯度更新，大量消费级设备负责最耗时间的生成。以后那些白天开会、晚上吃灰的 Mac，说不定真能兼职给模型打工了？

AI半导体投资第一性原理，其实就是在投 AI 变强的这条路上的瓶颈。这篇可以帮助你认知提升 我自身就在硅谷带AI 训练、推理团队。这个帖子我从一线第一性技术原理角度，解读一下过去算力、存储、互联的股票上涨原理，我的展望和布局。 希望你看完也有迹可循、能把好的标的拿住，看看是不是所有上涨时间线都符合我这三条路线的发展状态 三条路分别是 ① 预训练：把模型养大 ② 强化学习 RL：教模型推理 ③ 推理时算力：答题时多想一会儿 1/ 预训练（图 1） 当模型参数、数据、算力一起放大，模型的"底子"稳定变好。这就是过去3年 AI 的主叙事 算力越大，loss 越低，效果越好。一个 fun fact： 训练数据 token 数是参数量的 20 倍左右时候，效果最优。70B 参数的模型就该配约 1.4T token。这就是著名的 Chinchilla 定律 但问题来了，撞上了两堵墙 1. 数据墙： 人类数据快被读完了。 2. 经济墙：以前 10 倍算力换质变，现在 10 倍算力（几十亿美金一次训练）只换 loss 降 0.0x 预训练从投资角度来看，不会停止，但最赚钱的时候已经过了。 $SNDK $MU $NVDA 等等都是这个逻辑 2/ 强化学习 RL 这是最近业界的重要主线 原理：让 pre-train 好的模型自己刷题，做对了给奖励。这样现实生活中，agent 好干活 这就是为什么 $META 要录屏员工电脑，把员工蒸馏。因为员工的操作是宝贵数据 简单认为，RL 越多，数据越好，模型干活实际表现越好。集群内部的通信量爆炸。海量 rollout 意味着模型权重、KV Cache 在机器之间反复搬运——东西向流量成为瓶颈 目前投入 RL 的算力，比预训练还小一到两个数量级——意味着这条坡还很长，各家实验室的增量算力正在往这里搬 RL 训练的主要工作量是 rollout——让模型海量"试做题"。而试做题，本质上就是推理负载，也就是推理时算力 3/ 推理时算力 token 消耗量指数增长，推理成本成为每家 AI 公司的 COGS（销货成本） 谁能把每 token 成本打下来，谁就有毛利。整个行业从"融资竞赛"进入"成本曲线竞赛" 图三展现的曲线是，简单理解：相同模型，例如都是 Opus5或者 GPT 5.6，对于用户每次单次回答，投入算力越多，模型越聪明，投入少就更笨 有的时候你发现 Claude/GPT 变笨了，只是因为公司算力不够了偷偷降智。 这就是为什么你能看到 $NVDA $AMD $MRVL $ALAB 等等出现持续新的增量， $NBIS $MSFT $GOOG 等自有算力，host 模型公司出现新增量 通信需要光模块 $LITE $COHR 而 内存的价值居高不下，因为持续的消耗 4/ 我的观点和操作哲学 资本开支的结构在变，从一次性超大训练集群，转向 RL rollout + 用户推理的持续性负载 预训练决定原材料 → RL 锻造解题能力 → 推理时算力临场兑现。 任何一层的墙都会向下传导。目前的状态是：第一条轴的投资曲线在往 2/3移动 而 RL 和推理时负载，我认为总量会超过第一阶段，目前还在需求的早期 提到的标的我都持续持有，没有任何长线卖出打算

Claude Fable 5 是 DeepSWE 记分板上最贵的模型。Together AI 拿它跟全场最便宜的模型各跑了 452 次，给出的用法建议是反过来：贵的当后手。 《DeepSWE 上的 DeepSeek V4 Pro 0813 vs Claude Fable 5：成本、编码与路由》 DeepSWE 上的 DeepSeek V4 Pro 0813 vs Claude Fable 5：成本、编码和路由 要点 • 先跑 DeepSeek V4 Pro 0813，只有它失败时才升级到 Claude Fable 5。这条级联链解决 82.7% 的 DeepSWE 任务，每个任务 8.28 美元。单用 Fable 是 69.7%、每个任务 21.63 美元。高 13 个百分点，便宜 62%。 • Fable 赢第一发。pass@1 69.7% 对 62.8%，领先 7 个点。 • Pro 赢之后每一发。pass@2 打平（78.5% 对 77.1%），pass@4 领先（88.5% 对 84.1%）。 • 价格差 90 倍。每次 rollout 0.24 美元对 21.63 美元。每花 100 美元，Pro 解决 260 个任务，Fable 解决 3 个。 • 它们栽在不同的任务上。逐任务相关性只有 0.39，是我们测过的分歧最大的一对。两者合计覆盖 113 个任务中的 107 个。分歧正是路由能成立的全部理由。 现已上线 · 美国托管：在 Together AI 上运行 DeepSeek-V4 Pro 0813——1.05M 上下文，支持 function calling 和 JSON mode，OpenAI 兼容 API，托管在美国基础设施。查看模型 在我们对 DeepSeek V4 Pro 0813 与 Claude Fable 5 的 DeepSWE 对比中——DeepSWE 是一个跨多种任务类型和编程语言测试模型软件工程能力的基准——这两个模型坐在价格表的两端。Claude Fable 5 的每次 rollout 是 DeepSWE 全榜最贵。DeepSeek V4 Pro 0813 是最便宜的之一。Fable 首发的准确率高 7 个百分点，单次 rollout 却贵 90 倍，所以真正的问题不是哪个模型更好，而是这 90 倍的溢价到底买到了什么、什么时候值得付。 DeepSWE · 正面对决 DeepSeek V4 Pro 0813 vs Claude Fable 5 一览 • claude-fable-5 [max]：pass@1 69.7% ± 2.3%，平均成本 21.63 美元，每 100 美元解决 3 个任务，输出 token 115k，79 步 • deepseek-v4-pro-0813 [max]：pass@1 62.8% ± 3.1%，平均成本 0.24 美元，每 100 美元解决 260 个任务，输出 token 101k，146 步 我们在全部 113 个 DeepSWE 任务上，用 DeepSeek V4 Pro 0813（max）对 Claude Fable 5（max）各跑四次 trial，取自已发布的逐 trial 记录：总计 904 次 rollout（各 452 次）。Fable 是贵价的手艺人；Pro 是性价比上的异类。这两个模型的分歧也大于这套数据里的任何其他组合——结果这成了它们最有趣的地方。下文的每个数字都来自本次运行，所以可能与其他公开的 DeepSeek V4 Pro 0813 vs Claude Fable 5 记分卡有出入。 DeepSWE 记分板：pass@1 与 pass@k 单发，Fable 领先：pass@1 69.7% 对 Pro 的 62.8%（官方计分）。但这个领先很脆弱。两次尝试时 Pro 追平（78.5 对 77.1），四次尝试时 Pro 的 pass@4 88.5% 比 Fable 的 84.1% 高出 4 个多百分点。对一个贵 90 倍的模型来说，Fable 既没有守住天花板，也没有在重试下保住首发优势。更便宜的模型覆盖更广，best-of-k 也更高。 成本对比：DeepSeek V4 Pro 0813 vs Claude Fable 5 的价格 每次 rollout 0.24 美元，DeepSeek V4 Pro 0813 比 Fable（21.63 美元）便宜 90 倍：每 100 美元解决 260 个任务，Fable 只有 3 个。这是我们测过的所有组合里最宽的成本差距，Fable 也是榜单上最贵的单个配置。而且与直觉相反，低价格没有带来速度惩罚：Fable 的中位 rollout 31 分钟，Pro 35 分钟，基本持平——因为 Fable 是榜单上话最多的模型（115k 输出 token），尽管它的步数更少（79 对 146）。Pro 走的步数多；Fable 每步写得多。两个模型谁也没有明显更快。 失败模式：两个模型分别怎么错 两者在「不破坏东西」上都算自律：DeepSeek V4 Pro 0813 和 Fable 各自只在 11% 的失败里回归了现有测试套件，远低于 GPT 家族的 20%。差别在另一个方向：Fable 的大偏差失误占比是这里最高的（18% 对 Pro 的 10%），也就是说 Fable 一旦错，更常是错得离谱——给出离题很远的方案，而不是差一个边界用例。Pro 更多时候倒在离正确答案不远的地方（66% 的近似失手，对 Fable 的 57%）。所以两者都可以不加重度回归门禁就放心接入，但 Fable 的失手是调试成本更高的那种。 按任务类型，各自赢在哪 Fable 的手艺体现在推理重、契约精确的领域：8 个领域里它赢 6 个，领头的是数据建模与序列化（88%，比 Pro 高 24 个点）和语言内部机制（78）。但 DeepSeek V4 Pro 0813 拿下两个，两个都分量不轻：有状态响应式（66 对 64），以及——更有说服力的——并发与持久化（58 对 45）：在恰恰是 Fable 最弱的领域里领先 13 个点。Fable 在并发上的 45% 是它最弱的格子，也是唯一一个便宜模型不只是更便宜、而是工程师水平更高的领域。 按编程语言 Fable 赢下五种语言里的四种，但真正对得起它价格的是 Rust：85% 对 Pro 的 65%，20 个点的差距，也是这场对决里最大的一处差距。Fable 显然是序列化和 Rust 专家。其他语言都比价格暗示的接近（Python 70 对 60，Go 71 对 67，JavaScript 75 对 65），DeepSeek V4 Pro 0813 则实际拿下 TypeScript（61 对 57）。Rust 和序列化之外，付 90 倍价格的理由很难成立。 这两个模型到底有多不一样？ 亮点在这里。逐任务相关性只有 0.39，是我们测过的 DeepSeek-Pro 组合里最低的——这两个模型是真心意见不合。它们各自解决了 88 个任务；Pro 单独拿下 12 个，Fable 单独拿下 7 个，只有 6 个任务两边都栽。两者的并集覆盖 113 个任务中的 107 个（94.7%），而且分歧是双向的：DeepSeek V4 Pro 0813 在 awilix-async-container-initialization 上四发四中，Fable 一次没成；Fable 在四个 Pro 全挂的任务上四发四中（包括 koota-query-predicates 和 testem-bail-on-test-failure）。这是真正的互补，不是冗余。 在两者之间路由：组合打法 多样性加上价格差，让级联变得很划算。先跑 DeepSeek V4 Pro 0813，只有测试套件否决答案时才升级到 Fable：82.7% 的解决率，每个任务 8.28 美元。比单用 Fable（69.7%）高 13 个百分点，价格不到 Fable 单任务价格（21.63 美元）的一半。廉价的第一阶段清掉大部分队列，Fable 的溢价只花在难啃的剩余任务上，而且那些任务在上面还多获得一次独立的尝试。级联甚至赢过完美的一次性 oracle 路由（78.8%）。顺序不是可选项：Pro 先行每个任务 8.28 美元，Fable 先行 21.71 美元，准确率一样。 这意味着什么 Fable 5 是这张榜单上最难被当作默认模型的：最贵的一次 rollout 遥遥领先，首发优势被重试抹平，四发也没有天花板优势。只为两件事买它：Rust（85%）和序列化密集的工作（88%）——只有在这里它的质量才真正对得起价格。 DeepSeek V4 Pro 0813 是相反的画像：首发准确率接近 Fable，天花板更高，失败画像持平或更好，便宜 90 倍——尽管它在 Rust 和契约精确的领域让位。而因为两者是我们测过最多样的一对，Fable 最好的用法不是当默认，而是躲在低成本的 Pro 第一阶段后面做选择性升级，只在那少数真需要 Rust 或序列化专家的任务上付费。 现已上线 · 美国托管：在 Together AI 上运行 DeepSeek-V4 Pro 0813——1.05M 上下文，支持 function calling 和 JSON mode，OpenAI 兼容 API，托管在美国基础设施。查看模型 数据表：DeepSeek V4 Pro 0813 vs Claude Fable 5 完整结果 DeepSWE · 完整结果 • Pass@1（官方计分）：Pro 62.8%，Fable 69.7% • Pass@1（错误计为失败）：62.8%，67.3% • Pass@2 / pass@4：78.5 / 88.5%，77.1 / 84.1% • 覆盖率 / 可靠性：88.5 / 71.0%，84.1 / 82.0% • 四发四中 / 全挂：35 / 13，56 / 18 • 每次 rollout 成本 / 总成本：0.24 美元 / 109 美元，21.63 美元 / 9,346 美元 • 每 100 美元解决数：261，3 • 中位分钟 / 步数：35 / 146，31 / 79 • 中位峰值上下文 / 输出 token：232k / 101k，202k / 115k • 失败构成（近似 / 大偏差 / 回归）：66% / 10% / 11%，57% / 18% / 11% • 赢下的领域（共 8 个）：2（有状态、并发），6 • 赢下的语言：1（TypeScript），4（Rust 大胜） • 逐任务相关性 / 并集（两模型合计）：0.39 / 113 中的 107（94.7%） • Pro → Fable 级联（准确率 / 成本）：82.7% / 8.28 美元（单用 Fable 69.7% / 21.63 美元） • 单发 oracle 路由：78.8% • 基础设施错误：0，16 FAQ DeepSeek V4 Pro 0813 比 Claude Fable 5 更好吗？ 看指标。Claude Fable 5 赢 DeepSWE 上的单次尝试质量（pass@1 69.7% 对 62.8%），四发四中的任务也更多（56 对 35）。DeepSeek V4 Pro 0813 在 pass@2 追平、pass@4 反超（88.5% 对 84.1%），且每次 rollout 便宜 90 倍，所以在大批量或容忍重试的 agent 工作里，它是更强的性价比之选。 DeepSeek V4 Pro 0813 比 Claude Fable 5 便宜多少？ 在我们的运行里，DeepSeek V4 Pro 0813 每次 rollout 0.24 美元，Claude Fable 5 满血档 21.63 美元，约便宜 90 倍。按解决的任务算，Pro 每 100 美元解决 260 个，Fable 是 3 个——每美元的产出大约差 80 倍。 编码该用 DeepSeek V4 Pro 0813 还是 Claude Fable 5？ 大多数编码工作，两者的差距比价格暗示的小。Claude Fable 5 领先 Rust（85 对 65）、Python、Go 和 JavaScript，赢下 8 个领域中的 6 个，领头的是数据建模与序列化。DeepSeek V4 Pro 0813 拿下 TypeScript（61 对 57）、有状态响应式，以及并发与持久化（58 对 45）——那正是 Fable 最弱的领域。 要不要在 DeepSeek V4 Pro 0813 和 Claude Fable 5 之间做路由？ 要，前提是你能验证结果。两者是我们测过的所有组合里逐任务相关性最低的（0.39），合计覆盖 113 个任务中的 107 个。先跑 DeepSeek V4 Pro 0813，当测试套件否决输出时升级到 Claude Fable 5，能达到 82.7%、每个任务 8.28 美元——赢过单用 Fable，也赢过完美的一次性 oracle 路由。 DeepSWE 的 pass@k 是什么？ pass@k 衡量一个任务在 k 次尝试中是否至少有一次通过隐藏测试套件。pass@1 奖励一次做对；更高的 k 奖励能在多次尝试后最终到达方案的模型。DeepSeek V4 Pro 0813 的优势随 k 增大而扩大。 原文： #DeepSWE# #AI编程# #LLM评测#

分享一套很适合补「现代强化学习」的开源教程：Hands-On Modern RL。 它的学习路线很完整，从 CartPole、DQN、PPO 这些经典 RL，一直讲到 RLHF、DPO、GRPO、RLVR，再往后延伸到 Agentic RL、工具调用、多轮信用分配和 VLM RL。 我比较喜欢它的一点，是「实践优先」。很多章节都配了可以直接运行的代码、训练曲线和失败案例，比如从零实现 PPO、数学推理 GRPO、Mini Deep Research Agent，以及 VLM 的 GRPO 训练。训练崩溃、Reward Hacking、KL 漂移这些实际问题也被当成正式内容来讲。 尤其 Agentic RL 部分很值得看。它把训练对象从一次回答扩展成完整 trajectory，讨论工具调用、环境反馈、多轮信用分配和异步 rollout，而这些正是 Agent 从「会回答」走向「会长期行动」之后绕不开的问题。 现在很多 RL 教程还停留在经典控制，这套资源已经把学习路线一路接到了今天的大模型后训练和 Agent 研究。 不过项目自己也提醒，目前仍在快速迭代，而且有 AI 协助生成，部分内容尚未全面审稿，阅读时最好结合论文和代码一起验证。 项目链接：