GLM-5 复刻 DeepSeek V3 路由，Karpathy 重构极简训练流 | AI深度观察-2026.02.12

基于您提供的 247 条推文流，以下是今日的《科技前哨·每日深度内参》。

⚡️ 核心洞察 (Core Insights)

1. 编码范式大转移：从 “Syntax” 到 “Spec” 工程师的职责正从编写循环/条件语句（Implementation）不可逆地转向编写高层需求规格（Specification）与代码审查（Review）。“Context Engineering”（上下文工程）正在取代 Prompt Engineering 成为新的系统瓶颈。

2. 开源权重的「反击时刻」 GLM-5 的发布打破了闭源模型垄断，在架构上采用 DeepSeek 稀疏注意力机制，并在 benchmarks 上超越 Gemini 3 Pro，证明了开源模型在推理效率与智能水平上的双重追赶。

3. 自主 Agent 的「落地陷阱」与「炒作泡沫」 尽管 OpenClaw 等项目引发了关于 “24/7 自主赚钱机器人” 的病毒式传播，但资深开发者指出，真正的多 Agent 系统构建需要数周的失败调试与自我修正循环，绝非 “一日速成” 的神话。

🛠 技术演进与工程实践 (Engineering & Tech Stack)

[LLM Architecture & Inference]

• GLM-5 架构解密：Zhipu AI 发布的 GLM-5 在架构上与 DeepSeek V3 高度对齐。
  • 关键参数：MoE 架构采用 256 个专家（Experts），每个 Token 激活 2048 参数（Expert size），与 DeepSeek V3/V3.2 完全一致。
  • 注意力机制：集成了多头潜在注意力（Multi-head Latent Attention）和 DeepSeek 的稀疏注意力（Sparse Attention）机制。
  • 性能表现：在 Artificial Analysis 的智能指数上超越 Gemini 3 Pro，且推理速度达到 40 t/s。
• 极简训练框架：Andrej Karpathy 发布了仅 243 行 Python 代码的 GPT 训练与推理实现（Micrograd 升级版）。
  • 核心逻辑：剔除所有依赖，仅保留前向计算与反向传播的梯度链（Chaining），证明了核心算法的极度可压缩性。

[Agentic Workflow & Memory]

• SKILLRL (Agent 学习新范式)：
  • 痛点：传统 Agent 记忆存储的是原始轨迹（Raw Trajectories），包含大量噪声和冗余步骤。
  • 解决方案：模仿人类学习，将成功与失败的经验蒸馏为可复用的 “Skills”（技能），而非死记硬背路径。这显著降低了 Context 污染，提升了泛化能力。
• Context Engineering (新基建)：
  • 趋势：构建 Agent 的核心工作量已从模型微调转移到上下文管理（PostgreSQL 对话历史、S3 文件存储、格式转换）。
  • 工具涌现：出现了如 Acontext 这样的 “Agent 版 Supabase”，专门处理 OpenAI 与 Anthropic 之间的消息格式转换、Token 压缩与检索。
• Observational Memory 质疑：
  • 观点对撞：虽然 Observational Memory 在 LongMemEval 上表现优异，但专家质疑其过度拟合了评估集。压缩式记忆（Compressed form）虽然节省 Token，但 inherently lossy（有损），在生产环境中可能丢失关键语义细节。

[Coding Assistants]

• Claude Code 进阶用法：
  • 配置化：支持通过 settings.json 配置 37 项设置与 84 个环境变量，支持企业级策略注入。
  • Cowork 模式：展示了强大的文档解析能力，能一次性处理 107 个复杂商业文档（PPT/Excel/Word）并提取核心逻辑。
  • Missing Manual：社区发布了针对 Claude Code 的防幻觉工作流手册，强调通过 “Effort Level” 调节来控制 Token 消耗。

📈 产业格局与商业逻辑 (Industry & Strategy)

• GitHub 生态的 AI 渗透率：
  • 数据信号：SemiAnalysis 数据显示，当前 GitHub 公共提交中有 4% 由 Claude Code 生成。
  • 预测：按此趋势，到 2026 年底该比例将突破 20%。这意味着初级开发者的生存空间将被彻底挤压，“Junior Dev” 角色正在消失。
• OpenClaw 的病毒式扩张：
  • 现象：OpenClaw 项目 GitHub Star 数飙升（甚至有推文戏称超越 VSCode），引发 “自主赚钱 Agent”（如 Wacko bot）的部署热潮。
  • 商业逻辑：从辅助人类工作转向 “为人类打工”（例如自动管理社交媒体账号、自动发帖）。但这引发了关于互联网内容将由 AI 互搏（AI 生成 vs AI 消费）的担忧。
• Anthropic 内部动荡：
  • 人事变动：AI 安全负责人离职，理由是公司发展方向与安全价值观日益背离。这通常是激进商业化（Accelerationism）压倒保守安全派（Safetyism）的典型信号。

📎 值得关注的"信号" (Under-the-Radar Signals)

• Prism (Attention Optimization)：一种无需训练的各种方法，利用谱感知块稀疏注意力（Spectral-Aware Block-Sparse Attention），可显著加速长上下文 LLM 的 Prefilling 阶段。
• Aletheia (Math Agent)：基于 Gemini Deep Think 改进的数学研究 Agent，声称能产生可发表级别的数学研究成果。
• IterX：允许 AI Agent（如 Claude Code/Cursor）直接接管开发工具集成的全流程，进一步降低了 “Human-in-the-loop” 的必要性。

🧐 今日金句 (Hardcore Quotes)

• 关于编码的本质变化：

  “I went from writing code to writing specs… I’m now operating at a much higher level of abstraction. Much more focus on the WHAT to build, instead of the HOW to build it.” —— @svpino

• 关于 Agent 落地真相：

  “Everyone claiming they set up their Clawdbot in a day is showing you a gimmick… Your agent needs to fail repeatedly before it works. Clawdbot isn’t a tool. It’s an apprentice. Teach it.” —— @kloss_xyz

• 关于职业前景：

  “If you work on a laptop, your job description is about to get rewritten.” —— 引用 Mustafa Suleyman