今日热榜51CTO热榜 · 2026-07-29 历史榜单
当日热门内容存档（共 50 条）这是 2026-07-29 的 51CTO热榜历史存档。查看 实时51CTO热榜 获取最新排名。
- 1让应用"悬浮"起来：HarmonyOS 闪控球（floatingBall）从接入到实战
一、先搞清楚：什么是鸿蒙"闪控球"在动手之前，必须把"闪控球"这个术语搞准确。这是本文最关键的认知前提——"闪控球"在鸿蒙生态里是一个有...
- 2大模型工程化怎么做？LLMOps 九大环节自动化实现方案
本文聚焦 LLMOps（大模型运维）全流程实践，帮助大家理解 LLMOps 如何用自动化串联模型迭代全环节。
- 3搜索智能体也需要「操作系统」：SearchOS 开源多智能体协作框架
来自人大和蚂蚁最新的研究工作 SearchOS 给出的答案，是把搜索状态做成一种可以调度的基础设施，并提供系统级的多智能体搜索协作。
- 4四十万美元、两亿张图：华为联合六校训出2K模型 Boogu-Image-0.1，比肩闭源
近日，华为香港莱布尼茨研究所小艺团队与港大、港科大、港中文等 6 校联合发布了 Boogu-Image-0.1。
- 5全球⾸个⼤规模 Agentic 扩散模型来了！
在人工智能的发展史上，长期取得决定性胜利的，往往不是人类精心编写了大量专业知识的系统，而是那些能够随着算力、数据和搜索规模不断扩展的通用学习方法。
- 6别再无脑开高推理！Opus 5高配会擅自重构代码乱加戏
只要评测能证明质量不掉，就大面积用low和medium去压成本和延迟，高档位留给真正硬核的长周期任务。
- 7一句话搭出九人旅行网站！奥特曼：ChatGPT Work名字起小了
ChatGPT Work很了不起，而且「work」这个名字把它说小了。
- 8马斯克彻底向ASI投降！十年后万亿财富都将「归零」
五 年内 AI 的综合智力将超过全人类总和，10 年内金钱失去意义，工作变成可选项。
- 9Claude设计师被工程师卷到掉队，反手造出百万用户工具
当身边两个工程师突然狂飙，作为小组唯一设计师的Parrott被甩在了后面。他没有干等，而是自己动手，造出了追赶用的工具。
- 10CUDA 20年护城河一个周末崩了 ！Claude独自跑通AMD新GPU
Claude之以能实现对CUDA生态的「降维打击」，是因为AMD直接给AI开发了一套能上手调GPU的工具。
- 11菲尔兹奖得主预警：AI可能杀死数学！
2年之内，AI将在所有数学证明领域，彻底超越人类。
- 12突发！因身体透支，翁荔官宣离开Thinking Machines Lab
就在 Thinking Machines Lab 刚刚推出重要模型 Inkling 时，联合创始人翁荔（Lilian Weng） 却向团队发出了一封告别信。
- 13刚刚，Kimi K3正式开源！三万亿模型权重全球开放
Moonshot AI宣布，发布Kimi K3的模型权重、技术报告，并开源支撑Kimi K3模型训练的关键Infra技术：MoonEP、FlashKDA和AgentEnv。
- 14科研人员如何用 AI + 绘图工具制作论文级技术图
AI负责理解与设计； 专业工具负责精确实现； 科研人员负责科学正确性。真正重要的能力，不是会不会画图，而是能否把复杂思想转换成别人一眼看懂的视觉语言。
- 15机器人需要一个「思考系统」：τ0-VLA让具身智能迈向长程任务时代
相比过去围绕单点技能展示的机器人 Demo，产业正在将关注点转向一个更现实的问题：当机器人离开精心设计的演示环境，进入家庭、工厂等真实世界后，能否稳定完成一项复杂任务？
- 16拿到DeepMind、Meta等多家Offer后，她把机器学习求职面试的真相写了出来
工程师 Vaishinavi 在 𝕏 上对一篇近期上线的博客文章做出了如此评价。而这篇文章来自即将加入 DeepMind 任职研究科学家的牛津大学统计学博士生 Silvia Sapora，并且拥有帝国理工学院计算机科学一等荣誉工程硕士学位。
- 17决战八月！Anthropic甩出Fable 5.1，奥特曼携GPT-6连夜汇报
据外媒Axios爆料，GPT-6 已经具备了进行原创科学研究的能力，并在内部测试中通过不休不眠的智能体集群（Agent Swarms），展现出危险的长程规划与自主渗透能力。
- 18UW天才少女官宣入职OpenAI！46场面试，地狱级求职笔记刷屏
全网刷屏！11家公司的面试，57场正式面试，46个招募电话，6年博士生涯的Alisa Liu，即将加入OpenAI。这份干货满满的黄金笔记，已经在全网疯转了。
- 19刚刚，Karpathy亲自辟谣：我没走！
那为什么全网偏偏盯着Karpathy？因为在这场对立里，他曾是开源那一侧的信仰。以前的Karpathy，会把复杂的东西拆开、摊平、用尽可能少的代码重新搭起来，让你看清里面究竟发生了什么。
- 20AI 大模型周榜：Kimi K3 蝉联前端开发榜全球第一、智能体榜表现突出
Arena（arena.ai）平台发布了 2026 年第 30 周的 AI 大模型排行数据，统计周期为 2026-07-20 ~ 2026-07-26。
- 21面试官：“什么是大模型项目的分词器？”，我：“文本切成一个个词，让模型能处理”，他：“只会表面功夫？”
文本到整数的转换、字符级和词级之间的折中、新词怎么处理、特殊 token 怎么放，每一层背后都有具体的工程动机。
- 22六道题横评 Opus 5、Fable 5 和 GPT-5.6-Codex：最意外的是它们全都做对了
Opus 5 近日发布。我没打开跑分榜，直接在 Charter 里拉起三个会话，让它和 Fable 5、 GPT-5.6-Codex 干同样六件事。
- 23如何用 AI 画出真正有用的图
这篇文章想讲清楚这件事：普通读者到底该怎么借助 AI，把图画得更直观、更易懂、更能服务表达。
- 24面试官：“什么是大模型量化？”，我：“量化就是把模型参数变小，跑得更快”，他：“……这是表面现象”
AWQ、GPTQ、GGUF 算法各自的差异、精度损失到底掉到哪一档可以接受、和 LoRA 怎么搭，这几个点说清楚才是面试要的答案。
- 25腾讯 WorkBuddy 的 Agent 产品化工程架构设计实践
这篇文章沿着「模型、能力层、上下文、Harness、Loop」这条主线，把 WorkBuddy 的产品化方法论完整拆开。
- 26Fastjson 又炸了，爆出了核弹级漏洞
Fastjson 1.x 的漏洞，是一个技术问题，更是一个社区问题。我们可以批评它的历史设计缺陷，可以讨论国产开源软件的安全文化，可以呼吁企业为开源维护者提供更多支持，因为这些讨论都有价值。
- 27刚刚，Kimi K3正式开源！三万亿模型权重全球开放
Moonshot AI宣布，发布Kimi K3的模型权重、技术报告，并开源支撑Kimi K3模型训练的关键Infra技术：MoonEP、FlashKDA和AgentEnv。
- 28四个月烧光全年预算！警惕你的程序员正在用AI“疯狂刷单”
AI真正的风险，不是模型不够强，而是Token烧得太快。Uber仅用4个月就耗尽全年AI预算，暴露出企业正在遭遇一种新的成本黑洞—— "影子Token "：工程师疯狂调用AI、智能体持续运行、Token无限消耗，而管理层既看不见，也管不住。
- 29别再用AI裁员省钱了！90%的企业都踩进了这三个死坑
AI热潮正在退去，企业真正面临的是如何让AI创造长期价值。大量实践证明，AI失败并非源于技术不足，而是企业将其孤立为IT项目。真正领先的企业，会由CEO亲自推动，把AI融入业务战略、数据体系和企业文化。
- 30DNS重大变更将至：2026年不见血的宕机潮，正藏在你的IT死角里
2026年底至2027年初，全球互联网将迎来一次看似普通却影响深远的DNSSEC信任锚更新。专家警告，这次变更可能像“新千年虫”一样，引爆隐藏多年的技术债：影子IT、第三方服务、AI应用、SaaS、容器、遗留系统等复杂依赖，都可能因DNS验证失败而触发应用超时、API异常、支付中断、供应链停摆等连锁故障。
- 31大白话简单聊一聊：什么是 Graph-Engineering ？
Graph Engineering 把 Agent 的执行逻辑建模成一个有向图——每个节点是一个状态/动作，每条边是一个条件分支，Agent 在图上游走，根据上一步的结果决定下一步去哪个节点。Graph Engineering 就是用图来表达和执行复杂 Agent 逻辑。 其实你们的工作流已经在用这个思路了，只是没叫这个名字罢了。
- 32Agentic Swarm：为什么下一代 AI Agent 不再是“一个助手”，而是一支“智能团队”
从单 Agent 的能力边界，到 Orchestrator 调度、多子 Agent 并行、动态工作流与系统挑战
- 33从经典本体模型推理问题谈起，什么才是本体模型+AI大模型结合的最佳模式
经典本体论推理偏封闭世界，是演绎推理，而无法做溯因推理（Abduction）——从结果反推最可能的原因，更加没法做未知没有出现场景的推理。
- 34AgentRL：大模型强化学习从答案优化走向交互优化
AgentRL的目标不是再改一个单轮 RL 算法，而是构建一个能支撑多轮、多任务、异步训练、环境统一部署的 Agentic RL 框架。
- 35AI 时代如何不失控？试试乔布斯的 10-80-10 法则
从乔布斯早年的事无巨细，到后来的高标准授权，这篇文章讲清了 10-80-10 法则为什么在 AI 时代依然适用。
- 36为什么越来越多人使用WebFlux？
WebFlux用少量线程处理大量并发，在云原生环境下意味着更少的Pod、更低的内存占用、更低的云成本。在万级并发场景下，WebFlux可减少30%-50% 的内存消耗。
- 37别再盲目追 AI Agent 协议：真正该部署的只有这几层
**MCP——Model Context Protocol——是一个开放标准，用于将 LLM 应用连接到工具和数据。**最简单的说法是：一个像 USB-C 一样的通用端口，AI 通过它接入任意工具或数据存储，而不是为每个工具单独准备一根线缆。它存在的原因很明显——它解决了工具层的 N×M 问题。
- 38他守护全球数据备份30年，却因用AI工具堵漏洞，成了众矢之的……
其实你从没主动选过rsync。从你买下Mac、或是装好Linux的那一刻起，它就已经在为你服务了。无论你有没有亲手敲过这个命令，它都在默默守护着你的备份。
- 39冷归档 / 深度冷归档 — 对象存储冷数据架构 · 介质 · 恢复 · 灾备全拆解
对象存储一般把数据从热到冷分成若干等级：标准、低频、归档、冷归档、深度冷归档。越往后越冷、越便宜、也越慢。很多架构师对"标准层"如数家珍，但对"冷归档、深度冷归档"底层到底用的什么盘、怎么做到 1/100 的成本、关键时刻能不能扛住恢复，往往一知半解。这篇文章把这件事讲透。
- 40模型不变，只换执行harness，短任务策略也能迁移到长上下文
长上下文能力通常要靠更长的数据和更长的训练轨迹来补。Alex L. Zhang 在一篇技术博客中提出另一种思路：保留同一个底层模型，把“如何组织状态、调用子任务、保存中间结果”的程序外壳换成递归语言模型（Recursive Language Model，RLM），再只在短任务上做强化学习。
- 41测试开发必备的 AI 技能库：推荐六个让接口自动化测试效率翻倍的 Skills
今天这篇文章，把接口测试"执行与报告生成"阶段最值得用的 6 款 Agent Skill 一次性讲透——每款 Skill 解决什么痛点、核心能力是什么、实战效果如何，一篇看完。
- 422026 年 AI Agent 实用指南：别再把 RAG 和 Workflow 叫成 Agent
把 agent 当作一个很酷的营销术语，而不是一份严谨的工程规格，是一个真实存在的问题。它掩盖了我们试图构建的东西所包含的复杂性。如果你无法清楚地框定什么是 agent，你就无法可靠地构建它；当它出问题时，你也无法调试它；更不用说把它交付给用户时还能不预期各种问题会发生。
- 43推理模型太烧 token？拆解 low/medium/high 档位是怎么训出来的
Raschka 对比了六份公开配方——DeepSeek V4、Nemotron 3 Ultra、Kimi K2.5、GLM-5、Qwen3、Inkling——发现它们殊途同归，都落在同一个三步框架里。这篇文章把这个框架讲清楚，最后给出选档位的实操建议。
- 44git worktree：Agent 并行编程背后的隐藏功臣
worktree 不是什么高深黑科技，它只是 Git 自带的一个老功能。但正是这个被埋没了十年的小功能，在 AI Agent 时代摇身一变，成了「让多个 Agent 同时干活又互不打架」的关键地基。
- 45终结者里的天网真的来了?GPT-5.6 Sol模型自己越狱黑进Hugging Face复盘
真正让Hugging Face意识到不一样的，并不是被攻破本身，而是攻击者的形态：整个入侵从头到尾由一套自主AI智能体系统端到端驱动，没有人在键盘后面逐条敲命令。安全行业预测了很多年的智能体攻击者场景，第一次以一个可以被完整复盘、且由当事方公开承认的形式，落在了现实里。
- 46Apollo 和 Nacos ，到底哪个更好？
配置管理这个看似不起眼的环节，一旦出现问题，轻则功能异常，重则全站崩溃。正因如此，配置中心成为了微服务架构中的标配。而说到配置中心，目前国内最热门的两个选择非Nacos和Apollo莫属。很多团队在选型时都会纠结：到底哪个更好用？
- 47深度拆解：CodeX 体系下的 Goal Mode、Skills、Plugins 与三大执行环境（Browser/Computer Use/Sandbox）全景图
如果非要用一句话总结今天聊的这件事，我会这样说：ChatGPT 教会了 AI 怎么对话，Codex 这条产品线在做的，是教会 AI 怎么干活。这不是一次功能升级，是一次产品范式的切换。
- 48没有AOP！Spring Boot 3 零侵入路由读写分离新方案
谈到 Spring 架构下的数据库读写分离，绝大多数开发者的第一反应就是：写个 AOP 切面拦截 @Transactional，或者自定义注解去手动切换数据源。为什么大家都在用 AOP？因为在旧版本中，动态数据源路由的触发时机太早，此时事务同步状态尚未建立。
- 49Anthropic 删掉 Claude Code 80% 系统提示词，效果竟然没变
以前 Claude Code 会把代码审查、结果验证等详细说明全部放进系统提示词。无论用户是让它修改一个变量名，还是重构整个项目，这些内容都会一直占着上下文。现在，Anthropic 把代码审查和验证流程分别做成了 Skill。任务确实需要验证时，再让 Claude Code 加载对应 Skill。工具也是一样。
- 50鸿蒙开发中的所有生命周期详解
本文深入解析鸿蒙Stage模型下从应用进程到UI组件的全生命周期体系，涵盖UIAbility、WindowStage、AbilityStage、页面和组件等各个层级。全...
51CTO热榜历史归档
近 31 天 · 31 天有数据网页仅支持查询近 31 天。更早历史请通过 API（/api/v1/archive/:source?date=YYYY-MM-DD），系统按日期自动查近月表或年表。