Claude Code 开始支持 AGENTS.md:配置可移植性,和模型可移植性一样值钱
Claude Code 2.1.277 起,目录里没有 CLAUDE.md 时会回退读取通用的 AGENTS.md。真正的意义不是少写一个文件,而是把『你怎么让 AI 干活』存成厂商中立格式——换工具、换模型时,迁移成本从『重写』降到『改配置』。
模型路由
按时间浏览全部文档。
用模型「自报置信度」决定要不要换更强模型?受控测试:能用,但别全信
想靠模型自己报的置信度来决定「这条查询要不要升级到更贵的模型」?一份受控测试显示:直接口头报的置信度出奇地准(AUROC 0.956),比三次采样投票(约 0.77)强得多;但它很脆——换个问法,4%–9% 的路由决策就翻了。给置信度路由的落地建议。
Devin 给「测试」单独选了个便宜 64% 的模型:任务级模型路由怎么算这笔账
Cognition 让 Devin 用 GPT-6 Astra 专跑测试与验证环节——在 FrontierCode 1.1 上只落后 Fable 5 约 0.4 分,成本却低 64%。本文拆解这套「按任务分模型」的路由逻辑、省钱的真实边界,以及自建同类能力前必须验证的一个数字。
Real-SWE 私有代码库基准:为什么排行榜第一的模型,解决不了你公司 60% 的工程任务?
Specific Labs 的 Real-SWE 在真实企业私有代码库上测模型,最强的 Fable 5.1 解决率也只有 38.8%,且贵不等于强。本文解读数据,给出企业选型与多模型路由的落地建议。
同一个模型名,背后可能是 20 家不同厂商:聚合路由的隐藏质量差,以及企业该怎么治理
OpenRouter 式聚合路由把一个模型名映射到近 20 家后端厂商,同一端点的 GPQA 分数能差 20 个百分点,还会遇到视觉失明、reasoning 参数被忽略、20% 空回包等坑。本文提炼一线实测数据,给出企业接入的路由治理清单。
OpenAI 重新给 $20 档加 5 小时限额:为什么严肃开发别把业务押在订阅上
OpenAI 对 Plus 和 Business Standard 恢复 5 小时固定窗口限额,单窗口约占每周额度 15%,且周额度重置不重置该窗口。从「补贴陷阱」与供应商锁定角度,拆解订阅、API 与多供应商策略该怎么选。