Anthropic 让 16 个 AI 智能体从零开始构建了一个 C 编译器。代码量约 10 万行，可编译 Linux 内核，成本约 2 万美元，用时两周。
而 GCC（一个用来将 C 等多种编程语言编译成可在不同平台运行的机器代码的开源编译器） 从 1987 年开始，经历了 37 年，投入了成千上万名工程师才发展到今天。
而 Anthropic 仅一名研究员加上 16 个 AI 智能体，构建出了一个可以通过 GCC 自身 99% 严苛测试套件的编译器，还能成功编译 FFmpeg、Redis、PostgreSQL、QEMU，并运行 Doom。
虽然 Anthropic 说自己 “基本上是放手不管”。没有人类直接写代码。但负责这个项目的研究员一直在不断设计测试用例，在智能体相互破坏彼此成果时搭建 CI 流水线，并在 16 个智能体同时卡在同一个 Bug 上时想出绕过方案。
因此，在 AI 已经能够通过团队协作模式完成复杂任务的今天。人类的角色依然没有消失，而是发生了变化。从亲手写代码，变成了设计一个让 AI 能持续写出代码的环境。
Anthropic 实验显示，Claude Opus 4.7 已能全程自主控制机器狗完成任务，速度比人类快约 20 倍，代码量仅为其十分之一。这标志着 AI 智能体正从辅助编程迈向物理工具自主操作阶段。但模型在实时闭环精细控制上仍有局限，且当前成果基于低复杂度任务。该进展体现了通用模型 scaling 的副产物效应，预示物理智能体时代早期来临，但距离解决复杂真实场景仍有差距。
微软研究院联合多所高校发布 Mirage 模型，通过在扩散模型隐空间直接存储三维记忆，解决了 AI 视频生成中场景一致性差及计算昂贵的问题。该方案摒弃传统 RGB 点云渲染流程，使生成速度提升最高 10.57 倍，显存占用降低 55 倍，且长视频边际成本几乎不增。测试显示其三维与光度一致性优于现有方案，虽暂不支持动态物体记忆，但已开源并适用于机器人仿真等静态场景任务。
JetBrains AI 编程 Agent Junie 正式 GA，在 SWE-Rebench 基准测试中排名第一。其核心优势在于深度集成 IDE 原生工具链，而非模拟替代。主要特性包括：Plan 模式生成结构化计划文档以防跑偏；原生调试器集成支持断点与运行时状态检查；支持异步远程控制长任务；基于项目上下文的交互式代码审查；以及模型自由切换以优化成本。Junie 标志着 AI 编程竞争正从模型能力转向工具集成深度。
围绕《Anthropic 让 16 个 AI 智能体从零开始构建了一个 C 编译器》展开交流，未登录用户可浏览评论，登录后可参与讨论。
