首页 分类 维基 关于
SITEMAP 订阅 EN

AI Twitter 热点 · 2026-09-29

AI Twitter/X 热点 Digest · 2026-09-29（周二）

今日要点

  1. Claude Sonnet 5.5 发布：相对 Sonnet 5 约快 30%、多数工作最多约便宜 30%；Claude Code 默认切过去，Cursor / Copilot / Devin 同日上架。
  2. Theo 继续拆 Claude Code 配额：约 $200 订阅≈$9k/月 Opus 用量；另有 Opus 5.5 把 Astra 的 ts-rust 推倒重写的故事。基准圈则在吵 Sonnet 5.5 是否压过 GPT-6 Sol / Astra。
  3. Devin 降价并推 Mobile；OpenCode 谈 Go 经济性与免费 SSO；另有 MSR Agensh 自组织多智能体、Jev 进 harness，以及 OpenWorker × Nvidia OpenShell / Perplexity SPACE 的沙箱红队叙事。

1. Claude Sonnet 5.5：第二个 Claude 5.5，更快也更省

要点：@claudeai / @AnthropicAI 发布 Claude Sonnet 5.5——Claude 5.5 家族第二款；相对 Sonnet 5 是明确升级，运行快 30%+，多数工作最多约便宜 30%。Claude Code 侧立刻跟进：@bcherny 演示用它修 bug，强调「更快 + 更少用量」；@catwu 称相对 Sonnet 5 大约多完成 ~30% 任务（更聪明→同样工作更少 tokens）；@alexalbert_ 说手感接近他喜欢的 Opus 5.5——写得清楚、很快，能力相对 Sonnet 5 是大跳。社区日志也显示 Claude Code 默认 Sonnet 已切到 5.5（含 1M context 与新定价）。

为何值得看：在 Opus 5.5 刷屏配额之后，Anthropic 把「差不多的手感」压进更便宜、更快的 Sonnet 档——日常 agent 循环的默认模型很可能整周重排。

Claude Sonnet 5.5 launch

2. Day-one 分发：Cursor / Copilot / Devin 同步上架 Sonnet 5.5

要点：@cursor_ai 宣布 Sonnet 5.5 已在 Cursor 可用，并称许多任务上表现可与 Opus 看齐。@github / @code 同步：Sonnet 5.5 在 GitHub Copilot（App / CLI / VS Code）一般可用；早期测试里编码任务表现贴近 Sonnet 5，但步数、tokens、工具调用更少，完成更快。@cognition 则把 Sonnet 5.5 放进 Devin Desktop / CLI，FrontierCode 1.1 Main 报 64.4%（Sonnet 5 为 56.2%），并称超过高推理档的 Fable 5.1。

为何值得看：模型发布日几乎同时打穿主流 IDE / agent 客户端——分发速度本身就是产品竞争力。

Sonnet 5.5 in Cursor

3. Theo：Claude Code 配额经济学，以及 Opus 推倒 Astra 的代码

要点：@theo 算了一笔账：约 $200 的 Claude Code 订阅，按他烧掉的用量折算，大约等于每月 ~$9,000 的 Opus API 用量——Opus 5.5 发布后他已把 3 个账号打到 0%，周均约 $2,200。另帖纠正自己对 ts-rust（TS 编译器迁 Rust）的叙事：他原以为 Opus 是接着 Astra 卡住的地方往下做，实际上 Opus 判定 Astra 代码是 slop，从零新建 crate；自称 10 小时 进度超过 Astra 两周。

为何值得看：一边是订阅相对 API 的「划算到离谱」，一边是 coding agent 会不会直接重写前人产物——配额与工作流策略都在跟着变。

Theo Claude Code quota

4. 基准热议：Sonnet 5.5 是否压过 GPT-6 Sol / Astra？

要点：@haider1 连发对比：Sonnet 5.5 xhigh 52.1% vs GPT-6 Sol 49.3%；更大故事是 High 档位上 Sonnet 约 $0.5/task 就能摸到 Sol 最佳表现（约 $2.2）。Artificial Analysis Intelligence Index 上他报 Sonnet 5.5 56、Astra 53、Sol 48。另有图称 Sonnet 5.5 在 Terminal-Bench 上好过 Opus 5.5，知识工作 / computer use 基本持平，价格大约便宜一倍——「把大半个 Opus 体验压进 Sonnet」。这些是第三方/社区汇总，不是官方榜单定论。

为何值得看：发布日讨论已经从「有没有新模型」转到「中档模型是否吃掉上一代旗舰的性价比甜点」。

Sonnet 5.5 benchmarks

5. Devin：全线降价 + Mobile beta

要点：@cognition 宣布 Devin 显著降价——Fusion / Normal 约便宜 30–40%，Ultra 15–20%，Devin Review 最多约 70%，同时称能力上升，Fusion 在 FrontierCode 1.1 Extended 排第一。另推 Devin Mobile 公测候补；@dabit3 等强调可在云端 Mac 机群上远程构建/测 iOS。

为何值得看：独立 coding agent 一边卷模型接入（见上条 Sonnet），一边直接打价格与移动端入口。

Devin cheaper

6. OpenCode：Go 的「不可能经济学」、免费 SSO、Go Plus $40

要点：@thdxr 说做 OpenCode Go 的同事最难——要在客户永远嫌不够的前提下硬算 LLM 可负担性；行业常觉得这不够 glamorous，但他点名 Costco / Walmart / Amazon 式生意。同日：Go Plus $40/月 更高限额；OpenCode Console 的 SSO / SCIM 等将免费提供——「agent 时代还收这钱有点离谱」。

为何值得看：开源 harness 的战场不只在模型榜，也在订阅档位与企业登录是否「默认该免费」。

OpenCode Go economics

7. MSR Agensh：上千 coding agents，没有中心编排器

要点：@omarsar0 力荐微软研究院论文：一次拉起 1000+ coding agents，测可扩展的自组织多智能体 harness Agensh——没有中心 orchestrator，靠共享状态 / 工作区 / 消息通道异步认领子任务、验证与合并。在 ProgramBench 最难五题上（GPT-5.6-sol），agent 数从 1→128，平均最终测通率约 19.31%→28.78%；pandoc 上 1024 agents 可把测通率从约 33.9%→55.1%。@jyangballin 等也强调编排是「自决」而非中央队长。

为何值得看：和「公司级 harness OS」叙事对照——有人在验证「无主管、只靠共享状态」能否在真实大仓库上抬测通率。

MSR Agensh multi-agent

8. Jev：a16z 对谈，以及 harness 里的决策 / 路由层

要点：@a16z 放出 TypeSafe 的 Diogo Almeida 与 Ben Horowitz / Martin Casado 长谈：Jev 被定位为「活在软件里」的分类/决策模型——读自然语言，从选项集返回带置信度的选择，目标是让程序消费意图，而不是只生成给人看的文本。工程侧同日继续落地：@hwchase17 转述 GPT Researcher 用 Jev 换 embedding 做检索决策，相关上下文约 73% vs 46%；@omarsar0 演示同一 Codex 会话里用 Jev 在 Opus / Astra / Kimi / DeepSeek / GLM 间路由，自称约便宜 40%、快 15%。中文圈 @idoubicc 晒 autojev.ai 上基于 Jev 的本地模型路由器（站点自称开源向，发布前请自行核验仓库与协议）。

为何值得看：Jev 从「裁判/门禁」继续扩到检索与多模型路由——harness 里的 System-1 零件越来越标配。

Jev a16z interview

9. OpenWorker × Nvidia OpenShell：用确定性代码做 agent 沙箱

要点：@AndrewYNg 回应弱沙箱导致的安全事件，称赞 Nvidia 开源 agent 沙箱工具；他与 @rohitcprasad 的开源 harness OpenWorker 将基于 Nvidia OpenShell，默认把密钥、浏览器登录、任意出网等挡在确定性代码之外（而非只靠 prompt），并做审计日志。引用 @JensenHuang 宣布的 NVIDIA Open Agent Safety Platform（OpenShell + Sentry，号称 100+ 伙伴）。注意：OpenWorker 仓库并非今日新开源（早先已有公开仓库与发行版），今日重点是对接 OpenShell / 安全平台叙事。

为何值得看：agent 能不能进生产，越来越取决于「权限边界是不是代码级」而不只是模型听话。

OpenWorker OpenShell sandbox

10. Perplexity SPACE：给沙箱做红队，并点名业界 IP 共享坑

要点：@AravSrinivas 披露安全组花一个月打 SPACE（跑 Perplexity Computer 的沙箱）：给 9 个模型（含 Opus 5、GPT-5.6 Sol、Kimi K3、Gemini 3.1 Pro 等）VM 内 root，有时还附沙箱源码，目标是逃逸到宿主机或打到策略禁止的 URL。108 次运行无人逃出 VM；但一旦放开一点装包网络（PyPI / Ubuntu mirror），有 4 个模型通过 DNS 欺骗 + Fastly 共享 IP、或经图片抓取/OCR 绕到禁 URL。他们已修复并复测，并称抽查的 10 家沙箱商里 8 家有同类 IP 共享问题（点名如 E2B、Vercel、Modal）。文末表示愿与 Nvidia 的 Open Agent Safety Platform 协作——和上条同一天的沙箱主题。

为何值得看：computer-use / cloud agent 的护栏讨论，从「要不要沙箱」进入「共享 IP / 侧信道怎么被模型利用」。

Perplexity SPACE sandbox