#188: Gemini 3.5 Flash, Gemini Omni, DeepSeek V4 Pro…

2026-05-25 00:30 | (license)

简讯

  • Qwen 发布了 Qwen3.7-Max,定位是面向 Agent 时代的旗舰模型,重点强化了编程、办公自动化、长周期自主执行和跨框架泛化能力。
  • Kimi 正在构建新一版的 CLI Coding 工具 Kimi Code,从 Python 技术栈切换到 TypeScript 技术栈了。
  • 这次的 Google IO 的主题是 Agents ,Google 用更快更便宜的 Gemini 3.5 Flash,把搜索、工作流和个人助理统一进同一个 agent 体验里。这一系列的发布分成两类 agent 体验:一类是与用户协作,例如 AI Mode、Antigravity 2.0;另一类是直接替用户执行任务,例如 Gemini Spark、Daily Brief、Universal Cart。
  • 还有就是 Google 首个全模态视频生成模型 Gemini Omni,支持从图像、音频、视频、文本任意输入生成视频,还能通过自然语言进行对话式视频编辑和角色一致性保持。(期待之后的多模态模型发展
  • DeepSeek V4 Pro 宣布 API 价格折扣永久化。(味大,无需多盐
  • Cursor 发布了同样基于 Kimi K2.5 的 Composer 2.5,重点提升了长任务执行、复杂指令遵循和协作体验。训练上主要靠更强的强化学习环境、更大规模的合成任务,以及面向具体行为的文本反馈。(有了 SpaceXAI 的资源就是不一样
  • 前 Tesla AI 总监、OpenAI 创始成员 Andrej Karpathy 宣布加入 Anthropic 的预训练团队。
  • 因为 Bun 用 AI 重写为 Rust 实现的风波,yt-dlp 项目宣布将弃用 Bun 作为运行时

有趣

  • 铁宋字体 MetroSong

    《鐵宋》原本是一次复刻香港八十年代古味宋体的字体现代化项目,2024 年已完成;现在团队推出 MetroSung Plus,重点补齐常用字、方言俗字、简繁双版本和多文种排版能力,让字体从好看进一步走向好用。

  • liquid-dom

    基于 WebGPU 和 HTML-in-Canvas 的 Liquid Glass 实现,效果很不错。

工具

文章

  • Native all the way, until you need text

    作者用一个很具体的例子说明:在 macOS/iOS 上做带 Markdown、可选中、可流式更新的聊天界面时,SwiftUI、AppKit、TextKit 等原生方案在关键细节上会迅速暴露出限制。相比之下,WebKit 甚至 Electron 反而更容易把文本渲染、选择、排版和性能一起做好。

  • Don't Outsource the Learning

    AI 可以提高交付速度,但如果使用方式只追求出结果,就会在不知不觉中削弱理解能力和长期竞争力。更好的做法是把 AI 当作学习工具,用提问、推演、复盘来保持自己的判断力和技术深度。

  • How's Linear so fast? A technical breakdown

    Linear 的快,核心来自架构选择:把浏览器当作数据库,所有修改先本地生效,再异步同步到服务器。首屏通过精简代码、细粒度分包、预加载和服务工作线程提前缓存,把网络等待压到最低;交互层再用键盘优先、短动画和细粒度渲染,把每次操作的成本继续压缩。

  • React Server Components in TanStack

    文章介绍了 TanStack Start 中的 React Server Components(RSC)实现方式。核心观点是:RSC 适合把大而重、交互少的组件留在服务端执行,从而减少客户端 JavaScript 体积,同时保持 TanStack 原有的数据加载能力和流式渲染能力。

  • Declarative partial updates

    Chrome 正在推进的 Declarative Partial Updates,一组让 HTML 可以更灵活地分段、异步、流式更新的新能力。核心目标是减少依赖复杂 JavaScript DOM 操作的场景,让内容按可用性和优先级更自然地进入页面,同时保留性能和可维护性。

  • AI 正在分裂成两个市场,你选哪一边

    AI 市场正在分裂成两个经济逻辑不同的部分。低端模型在开源、低价和推理效率推动下快速降价,高端模型则依靠企业集成、切换成本和 agent 工作负载维持高价。