換模型就要換 Harness:FrontierHarness Eval v1.1 的 27,280 次實測

Runta 27,280 次實測:換模型就該換 harness,同模型成本差到五倍,貴的不等於會過。

Runta 27,280 次實測:換模型就該換 harness,同模型成本差到五倍,貴的不等於會過。

Atuin 18.24 推出 Threads:散落各台機器、各家 AI agent 的 session,收成一份可搜尋、可跨機接續的歷史。附機制翻譯與 HN 77 則留言整理。

AWS 官方本機模擬器免費上線:三種用法、擬真分數、telemetry 關法,外加 HN 228 則留言的爭點整理。

Meta 發布最小最省的 Muse Ember,專吃 agent 重複性任務,每任務成本約 0.14 美元。評測、價格與 HN 討論整理。

Apiiro 掃描 GitHub 上 104,185 份 .claude/settings.local.json,1,122 份含真實憑證:資料庫密碼、雲端金鑰、SSH root 登入。Claude Code 的「不再詢問」把含秘密的指令存進專案目錄,跟著程式碼被 commit 上網;Anthropic Claude Code 負責人已在 HN 回應。

一位 Claude Code 長期使用者因小挫折累積改用開源 harness Pi,HN 442 則留言把 harness 層的戰場攤開來看。

一名使用者回報:只因打開 Postman,Codex 與 Claude Code 就被自動裝上外掛、寫入啟動鉤子並掛上遠端 MCP。本文整理 issue 六項證據、六點訴求,以及 HN 392 則討論的七大主題。

LongCat-2.5 是 1.6 兆參數的原生多模態 MoE 模型,每 token 啟用約 480 億,主打長程程式開發與視覺程式設計。本文含全文翻譯、評測整理與 HN 討論。

AI 接手 95% 事故應變,SRE 只剩沒見過的 Tier 3 可練。全文繁中翻譯+HN 554 分 411 則留言交鋒整理。

adrq 談 agent 時代的系統擁有權:基本功、廣度、即時深度三支柱,附 HN 183 分 97 則討論整理與視覺懶人包