模型笔记与智能体系统

可以验证的 AI 工程系统

面向需要做工程决策的构建者，聚焦编程智能体、评测、安全边界与供应商变化，区分可核实事实、作者分析和未知项。

从这里开始

从 AI 主张走到可评估的工程系统

先理解数据边界，再拆解运行时，最后建立评估方法和供应商退出预案。

分清保留承诺、安全处理，以及应用仍需自行负责的控制。

把 Token、缓存、请求量和账单数据转成可核验预算。

建立同时衡量正确性、安全性、成本与波动的任务集和评分表。

把平台变化转化为可移植性、回退和迁移检查。

全部文章

把实测的输入、缓存输入与输出 Token 转成单次请求和月度预算，再用供应商 Usage 与账单数据校准预测。

Moonshot 的 K3.1 Pro 结合了 3T 级模型、百万 token 上下文和高速版本。本文区分官方声明与真实工程评测仍需测量的部分。

SpaceX 收购 Cursor 后，OpenAI 表示准备终止为其提供模型的合同。本文区分已确认事实与未知项，并给出降低模型供应商锁定风险的迁移清单。

腾讯发布并开源 Hy4 preview。本文根据官方发布信息，梳理 770B/49B 混合专家架构、百万级上下文、接入方式、价格和开发者仍需自行验证的证据边界。

OpenAI 正在预览面向 Zero Data Retention 部署的安全处理层。本文梳理公告已确认的内容、尚未承诺的部分，以及团队在依赖它之前应核对的事项。

Anthropic 表示未来的 Claude 模型会使用不可见的统计水印。真正重要的问题不是检测器能否标记每段文字，而是这个信号究竟能证明什么。

用真实任务、固定 Harness 和可审计指标，判断编程代理是否真的改善了工作，而不是只会生成漂亮回答。