-
前端 Coding Agent 不再只读代码:Arguseye 把组件渲染结果接入 AI 编程闭环
Arguseye 尝试给前端 Coding Agent 增加视觉反馈:代理修改 React、Next.js 或 Vue 组件后,可以看到渲染截图、可访问性信息和未解析输入,从而在代码检查之外形成更接近真实界面的验证闭环。
-
Anthropic 上线企业 AI 支出分析工具,帮客户算清 Token 花费的账
AI 企业采购正在从“先上线看看”转向“把账算清”。据 TechCrunch AI 报道,2026 年 10 月 28 日,Anthropic 推出一套面向企业客户的报告与分析工具,用于帮助管理者查看团队在特定时间段内如何使用 Claude Code 等工具、消耗多少 token、产生哪些工作产出,以及流程在哪些环节受阻。
-
AI算力扩张的水资源门槛:亚利桑那给出一个现实样本
亚利桑那州正面临AI基础设施扩张与水资源约束的矛盾。台积电芯片工厂与新建数据中心项目推动地方经济,但也引发居民对供水、土地和电力的担忧。
-
OpenAI Pro 200 权益调整:订阅用量下降后,200美元 API 赠额能否补上缺口?
OpenAI 对 Pro 200 用户先下调订阅内用量,再发放 API 赠额。每月200美元订阅费不变之下,200美元 API 额度能否补回老用户感知,成为此次调整的关键。
-
Token 半价不等于修 Bug 半价:GPT-6.1 Terra 带来的 AI 编程成本新算法
OpenAI 再次调低 API 标价。GPT-6.1 Terra 的标准价格为输入每百万 tokens 1 美元、输出每百万 tokens 5 美元,较 GPT-5.6 Terra 和 GPT-6.1 Sol 低约 50%。很多开发者的第一反应是:修一个 bug 的成本会不会也减半?素材给出的判断是否定的:单价更低,不等于一个完成任务更便宜。对 AI 编程场景,更值得关注的指标不是每百万 tokens 多少钱,而是“每个被接受任务成本”。
-
Gemini 4 Carbon 登顶新基准后,模型选型不能只看总榜第一
Gemini 4 Carbon 在 Intelligence Index v5 登顶,但企业选型不能只看 59 分总分,还要看分项能力、每任务成本、幻觉率、缓存与重试,以及模型是否已经稳定可用。
-
把分散的模型额度接进工作流:magpie 的 AI 编程路由实践
magpie 把分散的模型订阅与额度组织成可编程路由层,让 AI 编程 Agent 可以按规则选择模型、自动故障转移,并保留可解释的调用记录。
-
智能眼镜如何进入企业市场:Vuzix与CES的六位数订单提供渠道样本
Vuzix与美国增值分销商CES达成分销合作,并获得六位数金额的LX1智能眼镜初始订单。此次合作呈现出智能眼镜通过B2B渠道进入安防、消防、自动化基础设施及医疗远程协作等场景的现实路径。
-
大模型反驳 ETH 之后:计算复杂性研究迎来一次公开复核
OpenAI 与 Anthropic 声称其模型反驳了指数时间假设,这一结果若成立,将影响 P 与 NP、密码学及理论计算机科学的基础判断。
-
AI 眼镜走向大众消费,线下门店正在成为决策关键
Meta 在美国通过直营 Meta Lab 与 Best Buy 店中店扩展 XR 零售。实地体验显示,AI 眼镜和头显的购买决策,越来越依赖门店试戴、员工讲解和现场演示,而不只是产品参数。