告别高额Token账单：pxpipe如何用“图像”重塑Claude Code开发成本

在AI编程辅助工具日益普及的当下，高昂的API调用成本始终是开发者心头的痛点。为了解决这一难题，一款名为pxpipe的本地代理工具引起了技术社区的关注。它的核心逻辑颇具巧思:通过将庞大的上下文信息转化为图像，绕过部分昂贵的文本Token计费，从而大幅削减 Claude Code 的使用开销。

pxpipe的工作原理并不复杂。在请求发送至模型端之前，它会精准识别出系统中冗长的文本内容，包括系统提示词、工具文档以及较早的历史记录，并将这些信息重新渲染为紧凑的PNG图片。由于模型在处理图像时，其Token成本取决于像素尺寸而非文本字符数，这种“以图换字”的策略在处理密集内容时表现出了极高的性价比。

实测数据显示，在 Claude Code 的日常工作流中，这种方法能帮助开发者降低约60%至70%的账单费用，而在某些特定负载下，这一数字甚至更为亮眼。

当然，作为一种压缩手段，这种方案并非完美无缺。其本质上是有损的，这意味着在需要字节级精确回溯的场景中（如处理ID、哈希值或精确的数字统计），仍需保持纯文本形式以确保准确性。为了规避风险，pxpipe内置了智能门控机制，默认仅对 Claude Fable5等经过调优的模型进行图像化处理，而对于其他对精度要求极高的子智能体任务，则会智能避开压缩，确保开发流程的稳健。

在基准测试中，pxpipe展现了其在复杂开发任务中的可靠性。在SWE-bench Lite的测试中，开启压缩功能的模型不仅保持了原有的解决率，更将实际成本大幅降低;在更为严苛的SWE-bench Pro测试中，其表现也与未压缩版本高度一致，证明了技术上的成熟度。

对于那些长期重度使用AI编程助手，且希望在保证研发效率的同时显著优化运营成本的开发者而言，pxpipe提供了一个极具吸引力的本地化解决方案。随着AI工具从单纯的“能用”向“更经济地使用”转型，这类底层优化工具正在成为提升开发者体验的关键一环。

via AI新闻资讯 (author: AI Base)

AI编程迎来“深度思考”：Deep Code正式适配DeepSeek-V4

在AI编程工具日趋激烈的竞争中，一款名为Deep Code的开源终端编程助手近日引发了开发者关注。这款工具的核心亮点在于实现了对DeepSeek-V4系列模型的深度适配，为追求高质量推理与代码生成的开发者提供了新的选择。

Deep Code并非一款全新的工具，其首个版本早在今年5月便已上线。经过多次迭代，目前的v0.1.31版本已经展现出成熟的开发辅助能力。该工具不仅支持VS Code插件模式，还提供了终端CLI版本，能够灵活融入开发者的日常工作流中。

作为一款基于智能体（Agent）架构的编程助手，Deep Code最显著的特性是强调“连续协作”能力。它能够结合项目上下文保留会话记录，这意味着开发者无需在每次任务开始时重新交代背景，助手即可读取文件、修改代码并执行相应命令，真正胜任复杂的开发流程。此外，该工具还支持深度思考、推理强度控制等进阶功能，专为DeepSeek-V4模型的特性量身定制，能够最大限度发挥该模型的性能优势。

尽管Deep Code的最佳使用体验是围绕DeepSeek模型构建的，但其开放性也值得称道。对于那些团队内部已经部署了兼容OpenAI接口模型服务的开发者，同样可以将该工具接入使用。

目前，该项目已在开源社区正式公开。随着AI编程从简单的代码补全向智能体驱动的开发模式转型，Deep Code的出现进一步降低了开发者调用高性能推理模型处理复杂编程任务的门槛。对于希望提升编码效率、实现更深层次人机协作的开发者而言，这无疑是一个值得尝试的工具。

via AI新闻资讯 (author: AI Base)

复旦期末开卷新高度：学生出题反向“调教”AI， 4 人斩获满分

复旦大学“数据挖掘技术”课程近日迎来了一场别开生面的期末考核。与传统坐在考场里答题的形式截然不同，这次的期末考试让全班同学悉数坐上了“出题人”的位置。

根据考核规则，每位学生需要独立设计 10 道具有唯一正确答案及完整推导过程的数据挖掘计算题，并用这些题目去测试三个不同能力梯度的AI模型。考核的得分逻辑非常具有颠覆性：AI被难倒的次数越多、答错的题越难，出题学生拿到的分数就越高。

传统考试在AI时代失效，倒逼教学模式变革

该课程负责人、复旦大学计算与智能创新学院肖仰华教授指出，传统的出题考察方式在如今的AI时代已经失去了原有的技术检测意义。如果老师依旧出一道标准的算法题，AI的计算速度和准确率可以轻松碾压任何一位人类学生。

肖教授认为，继续在AI擅长的领域和它硬碰硬毫无意义，因此决定将考核方向彻底逆转。这种“人考AI”的设计核心，在于引导学生坚信只要真正深入且透彻地理解了专业知识，就一定能够敏锐地捕捉到AI的逻辑盲区。

最强模型未被攻克，唯有 4 人让AI吞下零分

在这场交出的 51 份期末答卷中，最终的测试结果呈现出了极具戏剧性的数据对比。全班共有 50 名学生成功让至少一个AI模型在答题中翻车，仅有 1 名同学未能难倒任何模型，全班整体平均分为85. 7 分。

值得注意的是，在DeepSeek V4-Flash、MiniMax M2. 7 以及Claude Sonnet 4. 6 这三个迎战的模型中，处于难度金字塔尖的Claude模型展现出了极强的韧性，没有被任何一个学生完全考倒。最终，全班仅有 4 名学生凭借极高水准的原创题目，成功让其中较弱的AI模型整张试卷吞下零分，顺利锁定了期末满分。

via AI新闻资讯 (author: AI Base)

具身智能的「ChatGPT时刻」临近：宇树科技描绘机器人产业新图景

在近期举行的 2026 亚布力论坛创新年会上，具身智能领域再次成为焦点。宇树科技联合创始人陈立在发言中指出，智能机器人行业正处于爆发前夜，未来两到五年将迎来关键性的技术与产业突破。

陈立将具身智能迎来类似人工智能领域「ChatGPT时刻」的标志性节点，总结为两个「80%」：即机器人能够在80%的陌生场景中，通过语音或文字指令，精准、顺畅地完成约80%的任务。他预判，随着这一目标的实现，具身智能机器人有望在四年后，即 2030 年左右引领一股全新的消费浪潮，并对社会生产力及劳动力结构产生深远影响。

为了推动这一愿景落地，陈立强调了行业发展所需的三大核心支柱：首先是构建统一的端到端机器人大模型，这是赋予机器人「大脑」的关键；其次是实现硬件的更低成本与更长寿命，同时配合超大批量的规模化生产制造，以满足市场普及需求；最后是低成本、规模化的算力支持，为机器人的复杂决策提供底层保障。

作为行业内的积极探索者，宇树科技在机器人硬件自主可控方面已取得显著进展，其核心关节电机的原材料供应已实现完全自主可控。公司近期也动作频频，不仅在进行机器人任意动作生成与自主出招对打的技术迭代，更明确了在未来三年内发布「通用人形机器人具身基础模型」的战略规划。

从行业布局来看，宇树科技近期还通过与高校成立具身智能联合实验室，进一步深化科研与应用的融合。随着技术壁垒的逐一突破，具身智能正在从实验室走向实际生产力，加速改变我们的生产与生活方式。

via AI新闻资讯 (author: AI Base)

影坛版权博弈升级：Midjourney 要求好莱坞制片厂“自证清白”

好莱坞制片厂与生成式 AI 之间的版权拉锯战，正演变成一场相互审视的“证据公开”较量。在迪士尼、环球影业及华纳兄弟针对 Midjourney 提起的版权诉讼案中，作为被告的 Midjourney 采取了反向攻势，要求制片厂披露其内部业务中应用 AI 技术的具体细节。

这场法律争议的核心在于证据开示（discovery）的范畴。此前，法庭裁定制片厂仅需提供最终“面向消费者”的视频和图像相关文件。然而，Midjourney 明确表示不接受这一限制，并指责该界定存在选择性，意在剥夺其获取有利抗辩证据的权利。Midjourney 认为，这些被扣留的文件，恰恰能够揭示制片厂是否在“幕后”进行着与起诉书中指控的相同行为——即未经授权使用受版权保护内容来训练 AI 模型。

Midjourney 在最新的法院文件中直言，如果制片厂正在开发用于内部创作的图像生成模型，那么这些实践本身就证明了 AI 在影视工业流程中已成为一种“行业惯例”。通过这一论点，Midjourney 试图向法院展示，制片厂自身也在依赖类似的技术路径，从而弱化对其“侵权”的指控。此外，Midjourney 还申请要求制片厂全面披露所有曾使用的提示词（prompts）及生成结果，以全方位评估其在创意构思及分镜设计中的 AI 使用现状。

面对 Midjourney 的这一举措，代表好莱坞制片厂的大卫·辛格律师予以了回击。他斥责这是一场“撒网搜证”式的不当行为，旨在无差别获取制片厂的内部核心资料。辛格表示，制片厂的诉求并非阻碍技术进步，而是要求 Midjourney 停止未经授权擅自使用并传播其经典影视内容及角色版权的行为。

随着案件进入深水区，这场围绕 AI 训练数据与版权边界的交锋，不仅关乎两方的利益博弈，更将成为定义未来影视行业 AI 使用规范与法律责任归属的重要里程碑。目前，双方在证据披露范围上的对峙仍在持续。

via AI新闻资讯 (author: AI Base)

Google 重拳出击：Gemini 3.5 Pro 锁定 7 月 17 日发布，全面对垒 DeepSeek V4

近日，有消息证实，备受关注的 Google 旗舰大模型 Gemini3.5Pro 将于7月17日正式亮相。这一发布节点极为微妙——正值 DeepSeek V4正式版发布之际，两款顶级大模型的“同场竞技”无疑将成为 AI 业界的一大看点。

在此前5月份的 Google I/O 大会上，Gemini3.5Pro 原定于6月发布，但最终因故延期。据内部知情人士透露，此次跳票并非单纯的技术瓶颈，而是 Google 团队做出了一个战略抉择:宁愿推迟发布，也要跳过对旧版本 Gemini2.5Pro 的微调，转而投入额外时间进行全新的预训练。这一决定旨在通过更深层的算力投入，为模型带来性能上的质变。

从目前流出的测试情报来看，Gemini3.5Pro 的提升重点在于“前端生成”能力。该模型在 UI 设计品味、精简代码生成以及 SVG 矢量图构建方面均有显著飞跃，输出结果更加干练、精准。在游戏开发场景中，模型表现同样稳健，能够更高效地处理复杂的逻辑交互。

尽管此次升级力度空前，但行业分析认为，Gemini3.5Pro 或许尚无法在参数规模上完全撼动 Anthropic 旗下 Fable5等动辄万亿级参数的“巨无霸”模型。然而，Google 的底牌远不止于此。作为多模态领域的先行者，Google 将基于全新的 Gemini3.5Pro 底座，同步推出新款 Nano Banana Pro 生图模型，其核心目标直指当前行业标杆 GPT-Image2，意图在图像生成这一细分赛道重夺话语权。

凭借 Google 在世界知识库广度上的先天优势，Gemini3.5Pro 的实战表现备受期待。随着7月17日临近，这场围绕算力、训练深度与多模态交互的行业大战，即将揭晓答案。

via AI新闻资讯 (author: AI Base)

Anthropic 开启百亿级算力豪赌，拟在澳大利亚加码千兆瓦数据中心

近日，业界传出消息，人工智能大模型厂商 Anthropic 计划在澳大利亚采购规模至少1.4GW 的数据中心算力。这一大手笔投资预计将耗资150亿美元（约合216亿澳元），其规模之大，远超此前市场的预估。

据知情人士透露，为了支撑这一宏大的基础设施布局，Anthropic 已经明确了清晰的时间表:目标是在2027年底之前，完成至少1GW 算力资源的启用。为了确保项目的顺利推进与高效运营，该公司已在当地设立了专门的办公室，意在通过本土化的深耕，快速打通算力建设的供应链与落地渠道。

这一动作不仅被视为 Anthropic 强化全球算力矩阵的关键一步，也反映出头部 AI 企业对能源与算力基础设施的掌控欲望正在前所未有的提升。在大模型性能竞争日趋白热化的背景下，确保长期、稳定的高性能算力供应，正逐渐成为决定企业能否在这一赛道持续领跑的“命门”。

目前，Anthropic 尚未公布该数据中心建设的具体选址或合作伙伴详情。但可以预见的是，随着这一1.4GW 算力计划的逐步落地，澳大利亚或将成为全球 AI 算力地图中一个不可忽视的新增长极。这一举措不仅将进一步拉大算力资源的竞争差距，也预示着 AI 行业对于电力、土地及数据中心集群的刚性需求，正推动着全球科技巨头在全球范围内加速圈地。

via AI新闻资讯 (author: AI Base)

"特朗普币"让近百万投资者亏损38亿美元 总统本人却赚了6.36亿

近100万名投资者在购买美国总统唐纳德·特朗普推出的“特朗普币”（代号：$TRUMP）后，共计亏损约38亿美元。 这一数据来自加密货币分析公司 Nansen 基于区块链公开交易记录所做的分析。

据纽约时报援引 Nansen 的分析报道，截至今年6月底，共有988，905个账户在 $TRUMP 上处于亏损状态，占所有买入账户的大约三分之二。 截至本周日，$TRUMP 在加密货币行情网站 CoinMarketCap 上的交易价格约为1.69美元，较其曾创下的75.35美元高点跌去近98%。

特朗普是在其于2025年就任总统前三天宣布推出这款“梗币”的。 在此之前，他已与两个儿子共同创办了一家名为 World Liberty Financial 的加密初创公司，并发行了另一款代币 $WLFI。 报道指出，$WLFI 的币价也已出现大幅下跌。

最新的财务披露文件显示，特朗普本人从 $TRUMP 这款“梗币”中获利6.36亿美元。 这一数字几乎占其去年通过加密货币相关业务获得的全部收益的一半——其去年来自加密行业的总收入约为14亿美元。

在特朗普政府执政期间，美国证券交易委员会（SEC）宣布不会将“梗币”视作证券进行监管。 与此同时，SEC 也撤销了多起针对加密货币企业的诉讼，包括今年1月撤诉的一宗涉及温克莱沃斯兄弟旗下 Gemini 交易所的案件。 白宫发言人在接受纽约时报采访时表示：“特朗普总统为让美国成为世界加密资本而感到自豪。”

via cnBeta.COM - 中文业界资讯站 (author: 稿源：cnBeta.COM)