OpenAI 上架 ModRetro Chromatic Codex Edition 掌機,網民催更 GPT-6.2
OpenAI 旗下 Supply Co. 上架與 ModRetro 聯名的 ModRetro Chromatic Codex Edition 掌機,售價 200 美元。用戶可透過 Codex 以自然語言製作遊戲,測試後將 ROM 寫入隨附的可編程 Codex 遊戲卡帶,並在掌機上運行。產品目前配送至美國、加拿大、澳洲、紐西蘭、日本、英國及歐盟地區,暫不支援直郵中國大陸。
OpenAI 旗下 Supply Co. 上架與 ModRetro 聯名的 ModRetro Chromatic Codex Edition 掌機,售價 200 美元。用戶可透過 Codex 以自然語言製作遊戲,測試後將 ROM 寫入隨附的可編程 Codex 遊戲卡帶,並在掌機上運行。產品目前配送至美國、加拿大、澳洲、紐西蘭、日本、英國及歐盟地區,暫不支援直郵中國大陸。
一家公司強制要求所有工作經 AI Agent 處理一年後,程式碼庫規模增至原來約 3 倍,員工已難以説明大部分程式碼的運作方式。Agent 會重複建立已有的輔助程式,管理層本月開始要求員工重新多寫程式碼,但不少人一年來沒有寫過複雜程式碼。
OpenAI 與復古掌機品牌 ModRetro 推出 Codex 版遊戲掌機,於官方周邊商城 Supply Co. 開售,售價 200 美元,並附送可寫入遊戲的卡帶。用戶可用提示詞描述遊戲,由 Codex 製作,先在瀏覽器模擬器試玩,再寫入卡帶;沒有掌機亦可安裝 ModRetro Chromatic 插件,在電腦上製作及試玩。
作者分享將 Cursor 規則整理成根目錄 AGENTS.md 的流程,主張按固定章節分類現有內容,而非重新改寫。流程要求原樣保留路徑和測試命令,並把未提供的資訊標為「Not specified」,Cursor 專用細節則留在 `.cursor/rules/`。`rules2md` 可在瀏覽器本機整理並複製或下載結果;作者稱內容不會上傳,亦毋須帳戶。
QuickSilver Pro 實測 Claude Code 在 GitHub Codespaces 與 QuickSilver Machines 執行同一重構任務,平均耗時分別為 24.0 秒與 24.5 秒。
阿里雲推出 AI 雙11優惠,Qoder CN 專業版首月 ¥19.90,Token Plan Lite 套餐每月 ¥19.50 起,優惠低至5折。Token Plan 支援18+種模型,並覆蓋150+款直供模型的節省計劃低至4.5折。活動亦包括 Agent 能力及多款 AI 生產力工具優惠。
Meta 於 2026年11月10日正式推出輕量級 AI 模型 Muse Ember,面向智能體複雜推理與高頻任務。它在 Artificial Analysis 榜單的表現媲美 Claude Haiku 5.5,單任務成本為其 1/3,並在多項智能體與編碼評測中超越 GPT-6 Luna。
只比較回傳值,可能漏掉重構中副作用呼叫順序的變化;文章建議先記錄呼叫順序、參數和次數,再進行修改並比對互動記錄。示例以 Python spy 捕捉基線,先正規化非確定性資料,並確認對調呼叫後測試能偵測差異。
Anthropic於美國當地時間11月9日發佈 Claude Fable 5.2 和 Claude Mythos 5.2,Fable 5.2 面向一般用戶處理大型開放式任務,Mythos 5.2 則聚焦網絡安全及生命科學,主要供通過審核的研究機構使用。
推薦理由:文中以形式化證明、工程交付及第三方測試呈現長時任務能力,並記錄創意判斷和流程控制失誤,便於理解其實際表現與限制。
作者用 StrykerJS 檢查 10 個已有測試的 src/lib 檔案,生成的 550 個程式變異中只有 49.6% 被測試檢出。不少測試只檢查原始碼文字或 mock 是否被呼叫,另有邊界值未覆蓋;作者建議按存活變異補查斷言。變異分數反映測試對生成改動的敏感度,不等同生產 bug 數量,也不能證明實作符合需求。
文章提出以目標產品狀態而非工單作為編碼智能體工作的規格,並由已批准狀態與目標狀態的差異推導任務。以會員退款期限由送達後 30 天延至 60 天為例,目標狀態同時列明會員與非會員的驗收條件,以及維持不變的電郵和禮品卡退款規則。作者主張把任務計劃留在分支上,並將驗收條件連結至測試,以區分規格變更、實作路徑和既有測試欠缺。
Codex 的 GitHub Releases 頁面列出 rust-v0.169.0-alpha.8。提供的正文未包含該版本的變更內容。
作者以自然語言指示 Claude Code,五個月間開發 JavaScript 執行視覺化工具 JSVisualizer,沒有親自寫下一行程式碼。其基本循環是先委派新功能的大方向,再按使用時發現的問題補充症狀、期望結果和原因;若計劃不合意,可在編碼前拒絕並提出替代方案。作者亦提醒,需親自檢查軟件行為,測試通過不代表測試覆蓋已獲核實。
VDB 在 11 月 2–8 日記錄到 180 個首次出現的不存在套件名稱,10 個名稱至少被一個模型再次生成,沒有名稱在模型推薦後被註冊。新名稱包括 PyPI 103 個、npm 47 個、crates.io 25 個及 Go 5 個;gpt-4o-mini 生成 158 個,claude-haiku-4-5 生成 22 個。名單目前共收錄 2,199 個名稱。
Muzaqil Hesenli 開發開源 MCP 伺服器 gemini-pro-mcp,讓 Claude Code、Codex 和 Gemini CLI 透過 Google 帳戶呼叫 Google AI Pro 訂閲。
Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,兩者核心能力相同,但生物與網絡安全防護及使用權限不同。Fable 5.2 在 Terminal-Bench-Science 0.1 得分 74.6%,較 Fable 5.1 提升 22%,並在兩項編碼基準上較前代高逾 13%。
Simon Willison 使用 Claude Code 建立 Beep Locator,透過多部裝置協同定位房間內間歇響起的嗶聲,將位置縮窄至約 40cm,並找到一部需要更換電池的一氧化碳探測器。
NullCry CEO Omar Zahouri 表示,將於未來 48 小時內推出重大更新,修正 AI 生成專案中的長檔案截斷及檔案解析可靠性問題。更新將改善 CONT_PROMPT 的續寫、合併 CONTINUED sections,並以 “Surgical Stitch” 重建完整檔案。sanitizeOutput 亦將改良,避免程式碼中的有效反引號被誤判為程式碼區塊結尾。
OpenV2 創辦人 Tony Roman 介紹 OpenV2 如何讓用戶從 Windows 透過六個分工的 AI 智能體開發原生 iOS 和 Android App,並在模擬器預覽及用 iPhone 測試。
作者以 AI 將大量使用 factories 的 Rails 測試規格改寫為 fixtures,令相關規格通常快約 10x;作者稱 8x 是穩妥結果,理想情況可達 15x。Fixtures 原本較難編寫和管理,作者認為 AI 大幅降低了這項成本,令 fixtures 相較 factories 更具優勢。
Hacker News 討論一則聲稱全面採用 AI 一年後,團隊已無人理解其程式碼的貼文。留言者認為,軟件設計與理解同樣重要,也有人指出 AI 進步迅速,現階段在工作中主要用來處理簡單任務。另有留言稱,Pangram 判定原貼文完全由 AI 生成。
Anthropic 發佈 Fable 5.2 和 Mythos 5.2,兩款模型已可使用,輸出速度較前代最高快 30%,價格亦較低。在一項智能體編碼基準中,Fable 5.2 以「Xhigh effort」取得 49.1%,高於 Fable 5.1 的 32.4%;Mythos 5.2 的網絡安全基準得分由前代 61.7% 升至 76.3%。
Codex 的 GitHub Releases 頁面列出 rust-v0.167.0-alpha.4.1 版本標籤,並顯示同一系列的其他版本標籤。
Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,稱兩款模型在編程、推理和視覺等方面有所提升。由 1000 個 Fable 5.2 智能體組成的團隊用 30 小時完成費馬大定理形式化;此前一個未發佈的研究版本完成同一工作耗時 11 天。
推薦理由:文中對照 Fable 5.2 與研究版本完成費馬大定理形式化的耗時,並交代智能體數量和人工介入程度,提供具體的模型能力比較案例。
CodeRabbit 表示,使用 Codex 後,過去 6 個月的軟件交付量約為此前的 20 倍,工程團隊人數沒有增加。公司亦使用 OpenAI 推理模型改善 AI 生成程式碼審查,並以 Codex 自動處理低風險變更及支援營運工作。
Conductor 已提供 Anthropic 升級的 Claude Fable 5.2,適用於要求最高的技術工作。更新檢查變得更可靠,並修正 Codex 對話啟動時後續訊息偶爾失敗、本地訊息顯示為「User」、Artifacts 預覽溢出及關閉橫幅連結錯誤等問題。隨附的 Claude Code 更新至 2.1.321,Codex 更新至 0.166.0。
文章將大語言模型的安全問題分為兩類:模型生成程式碼帶來的漏洞,以及模型整合到產品後因系統使用方式造成的漏洞。生成程式碼常見問題包括缺少授權檢查、不安全的預設設定和虛構依賴套件;產品功能則面對提示詞注入、資料外洩及工具權限過大等風險。文章建議以程式碼審查、安全檢查和依賴套件核查降低生成程式碼風險,並限制工具權限、隔離租戶資料、驗證模型輸出及持續進行對抗測試。
作者以 Python 和 PyTorch 建立 Neural Network Efficiency Lab,透過三個獨立訓練的 CNN 比較準確率與計算成本。這個互動應用以 MNIST 為例,讓用戶選擇模型、繪畫數字、查看預測與特徵圖,並以 MACs 估算運算量。
PickAPlugin 説明如何為 Codex 編寫 AGENTS.md,並提供列明專案命令、程式風格、勿改檔案及 PR 規則的範本。Codex 會先讀取 ~/.codex/AGENTS.md 作全域預設,再由專案根目錄讀至工作資料夾;較近的檔案優先,同層的 AGENTS.override.md 優先於 AGENTS.md,合併內容預設上限為 32 KiB。
JPMorganChase 正把 Claude 推廣至工程師以外的更多員工,並將 Claude Code 用於基建與營運的監察、告警及根本原因分析,也納入工程工作流程。Claude Code 在該公司的 Devspace 容器化開發平台及自有基礎設施上運行,Agent 無法直接存取員工憑證或內部系統。每項程式碼變更均由數以千計的自動化測試及審批關卡檢查,正式環境變更仍由人員負責。
DK Labs 推出開源工具 Flightpath,讓用戶在瀏覽器即時檢視 Claude Code 工作階段的操作步驟及上下文變化。它讀取 Claude Code 自身的工作階段記錄,資料留在本機且不會修改專案檔案或 Claude 設定;Coach 會在瀏覽器及終端機提供降低該步驟成本的建議。
Paul Bennet介紹 response-config,一個適用於 Claude Code、Codex 和 GitHub Copilot 的 Agent skill,以帶 ID 的清單整理 Agent 回覆,讓用戶可直接按 ID 回應。
Claude Fable 5.2 現已可在 Google Cloud 使用,支援用於多個存放庫及 monorepo 的智能體編碼,以及由子智能體協調、持續數小時至數天的無人值守工作流程。它亦適用於複雜物理計算、形式化證明及數據分析。
文章拆解在免費伺服器運行編碼智能體時的四個常見迷思,並提出一份用於記錄步驟、協助重啟後恢復工作的檢查點契約。每個步驟記錄穩定的 step_id、命令指紋、退出代碼和工作目錄;示例腳本未經執行,契約採至少一次執行,崩潰中斷的步驟可能重跑。文章披露內容屬 MonkeyCode 產品推廣,並稱項目當時提供 10-million-token 模型額度及免費伺服器選項,條款、配額和供應情況可能變動。
將 PyTorch 訓練程式移植至 AWS Trainium,需使用 torch-neuronx 追蹤並編譯模型;所謂無需修改主要指 forward pass,並不代表整個訓練工作毋須調整。
Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,並稱 Fable 5.2 在幾乎每項測試中均高於 Claude Opus 5.5。
推薦理由:材料把 Claude Fable 5.2 的編程、機械人控制及安全測試結果,與 Claude Opus 5.5 和前代數據並列,並交代 API 價格與訂閲使用安排。
SQLite 數字解析擴展的原型實驗比較 C 與 Rust 的動態庫體積及執行效能,並以 Claude 協助生成和迭代實作。初版 C 動態庫為 14 KB,但使用 strtod 的 C 實作慢於兩個 Rust 版本;加入 Clinger 快速路徑後,C 在 200 萬行資料的混合、整數和小數測試中均有最低的每行淨耗時。結果只適用於這次原型比較,不能據此判定兩種語言普遍的效能高低。
指南提出一套在 AI 工作流遷移至免費模型方案前重新計算輸入預算的流程,按目標模型的 tokenizer 計數,並確認截斷規則會丟棄哪些檔案。流程建議以固定測試案例比較新舊模型的丟棄檔案集合,記錄每次截斷,並以可查證的結果作為切換門檻。
指南提出以單一入口和政策記錄,將模型評審器接入 pre-commit、pre-push、CI 和 merge queue,避免多份腳本的判定分歧。設計以 0、1、2 分別表示通過、評審判定程式碼有問題,以及無法確定,並建議用測試驗證各呼叫點的退出碼。評審結果記錄 diff 和政策的雜湊值,merge queue 會在合併結果上重新核對 diff。
Anthropic 的 Claude 開發者博客整理 Claude Haiku 5.5、Sonnet 5.5、Opus 5.5 和 Fable 5.2 的選用指南,按任務需求比較能力、成本及延遲。