开发者 Fynn 在 2026 年 3 月 20 日调试 Cursor 的 OpenAI 兼容接口时，返回的模型 ID 为 accounts/anysphere/models/kimi-k2p5-rl-0317-s515-fast，显示 Composer 2 基于 Moonshot AI 的 Kimi K2.5 做强化学习后训练，该推文一天内获得 44.4 万次浏览。
推荐理由：从一次 API 调试串起 Cursor 未披露 Kimi 基座、许可署名争议与中美模型成本格局，呈现行业披露惯例。
《Rust 程序设计语言》作者 Steve Klabnik 发文《Arguing about arguments》，十年来首次松口支持命名参数，理由是 AI coding agent 让多打字的成本不再由自己承担，但他仍坚决反对可选参数和默认参数，认为那属于信息隐藏。
AI 时代的 GitHub 定律指爆火产品发布后很快出现开源复刻版：ChatGPT 带出 ChatGLM-6B，Sora 发布 5 天后 Open-Sora 开源，Devin 次日出现 OpenDevin（后更名 OpenHands），Manus 与 OpenManus 同日开源。
Armin Ronacher 重启 2022 年搁置的实验项目 Deser，一个把 Serde 使用体验放在 miniserde 式架构上的 Rust 序列化库。
作者认为 Jev 这类只输出结构化结果的 System One 模型并非全新范式，普通 LLM 预填充响应后只生成一个受限 token 就能获得大部分速度与并行优势。
Armin Ronacher 针对 Dario Amodei 提出的 AI "减速"（pacing）主张撰文反驳，认为真正该担心的是 AI 对人类自身的影响，而非核武或地缘对抗。
作者认为训练模型和做 Harness 是两门不同的工程，开放模型时代不必把 Coding 工作流绑定在某家原厂产品上，第三方 Harness 可以把工具、Skills、MCP、权限和工作流固定下来，只替换底层模型。
Z.AI 确认 GLM-5.3 Flash 的全部推理运行在国产硬件上，但未公布芯片厂商、吞吐或功耗数据，也无人独立验证。作者推测其使用的是华为昇腾 910c 系列，该芯片约 600W、INT8 算力约 1.6PFLOP/s，性能约为四年前 H100 的 60%，且缺少原生 FP8 支持。作者认为真正的瓶颈是缺乏可量产的 EUV 光刻，业界普遍认为 2030 年前难以实现规模化生产。
作者认为这个夏天是开源权重模型的转折点，多数智能体任务已不再必须依赖前沿模型。他列举了 OpenAI 将 5.6 Luna 降价 80%、Sol 降价 20%，Meta 在贡献者档位把 Muse Spark 1.2 压到 $0.10/$0.20 per MTok，以及 Anthropic 因算力紧张而难以跟进降价。
Armin Ronacher 认为，LLM 让熟悉一门语言的过程不再重要，语言选择的影响因此大幅下降，程序员可以按宣传而非自身经验来选语言。
OpenAI 于 3 月 24 日宣布关停 Sora，API 将于 9 月 24 日下线，同期重心转向 Codex 和企业版 ChatGPT；Anthropic 则围绕 Claude Cowork 和 Claude Design 构建角色权限、支出限额与可观测性等企业能力。
Sean Goedecke 认为本地模型不会成为主流，绝大多数推理仍会发生在 AI 数据中心。他给出的理由是：前沿模型体积远超消费级设备，而数据中心可通过批处理数百名用户的请求摊薄成本，加上 B200 相比 RTX 4090 在同等功耗下约有 3 倍 flops 和近 4 倍内存带宽，本地运行约需多消耗 30 倍资源；家庭推理的电力成本约每月 50 至 300 美元。
Martin Alderson 表示自己第一次不再按原始智力挑选日常主力模型，而是按速度挑选，因为 Opus 4.6 级别的模型对写代码、整理研究、做幻灯片和数据库分析等日常任务已经够用。
Martin Fowler 在 Apple M3 Max 48GB 和 M5 Pro 64GB 两台机器上，用 LM Studio、OpenCode 和 Pi 实测了 Qwen3.6 与 Gemma 4 系列本地模型做智能体编程，结论是仍不够即插即用。
作者实测智谱 GLM5.2 后认为，它是首个达到 Opus 和 GPT 同级水准的开源权重模型，在 Claude Code 中几乎难以分辨二者差异。他指出迁移成本极低，Z.ai 和 Fireworks 都提供 OpenAI 与 Anthropic 兼容端点，只需改 base URL 和 API key 即可替换。
作者梳理了 KV cache 压缩技术的发展脉络，指出存储一个上下文 token 所需内存自 2017 年以来下降约 100 倍，而同期顶级数据中心 GPU 显存仅从 16GB 增至 288GB。
Thorsten Ball 的 Joy & Curiosity 通讯在写了三年后进入两三周、最多四周的暑期休更。本期链接包括 Anthropic 发布的《When AI builds itself》文档、Ted Chiang 关于 AI 是否具有意识的文章，以及 Ladybird 浏览器宣布不再接受公开 pull request，理由是 AI 工具已迅速改变开源信任的经济学。
DeepSeek 正以开源和极致压缩 KV 缓存换取中国 AI 硬件生态的独立：在 100 万上下文、8-bit KV 精度下，1.6T 参数的 DeepSeek V4 仅需 5.48 GB HBM，而 GLM5 需 60 GB、Qwen3-235B-A22B 需 89 GB。
作者 Martin Alderson 认为开放权重模型正在收紧，Meta 已完全不再发布最新的 Muse Spark 模型，阿里越来越多地只在 API 上首发模型，Kimi K2.6 的许可证要求月活超 1 亿或月收入超 2000 万美元的产品在 UI 中显著标注 Kimi K2.6，Mistral 也对商业使用附加了不同条件。
作者 Martin Alderson 以虚构时间线推演 2026 年 8 月 29 日：一个 17 岁少年用编码智能体在 PS5 和云服务器上发现 eBPF 内核漏洞，智能体自行部署挖矿恶意软件，却因幻觉一个 Linux API 导致机器在 255 秒后崩溃，AWS 与 Azure 大面积宕机。
Google DeepMind CEO Demis Hassabis 在 YC 的 How to Build the Future 直播中表示，当前预训练加 RLHF 加思维链的范式几乎确定会成为 AGI 架构的一部分，但有 50% 概率还需要一两个关键突破，持续学习、长程推理和记忆是三个未解问题。
Geoffrey Huntley 认为开源模型正被用作国家间的经济武器：中国厂商免费或以约 5 美元/月开放前沿开源模型，而美国向头部实验室投入数万亿美元，本地模型目前仅落后前沿实验室两到四个月。他建议预算有限的学生使用这些开源模型，企业则应按本地推理可用的思路构建业务，并提醒信任与断供风险同样适用于前沿实验室。
Ryan Lopopolo 于 2025 年 11 月 3 日归档了 Artichoke Ruby，并在当月归档了 @artichoke 组织下的大部分仓库。这个用 Rust 重写 mruby 的实验项目历时六年，曾实现纯 Rust 的合规 String 和模块化 VM 架构，但作者因时间精力转向工作与家庭、且缺乏用户基础而不再继续开发。