Boris Cherny 自 2025 年 11 月起不再手写代码，Gemini 3.7 Flash 登陆 Google Search，Gemma 下载量突破十亿

8 月 23 日，这一天谈得更少的是新能力，而更多是真实使用。Claude Code 的创建者 Boris Cherny 解释说，自 2025 年 11 月起他就不再手写代码，但仍每天用代理编程；他还把 Claude 放在三个能力层级上来描述。紧接着，他也承认 Opus 的冗长是 Anthropic 需要优先修复的问题。在 Google 这边，Gemini 3.7 Flash 于 8 月 13 日发布，成为增长最快的 Gemini 模型，并进入 Google Search；与此同时，开放的 Gemma 家族下载量突破十亿。Amp 为托管在其 orbs 上的应用提供了可读域名，而一个开放的药物性质预测基准则在每个分数旁公布了其噪声下限。

Boris Cherny 将 Claude 分为三个层级，并自 2025 年 11 月起不再手写代码

8 月 23 日 — Claude Code 的创建者将模型进步拆解为三个层级：比他更会写代码；在代码周边的工程工作上比他更强，从调试到系统设计；然后在计算机上能完成的大多数任务上超过大多数人。他认为 Claude 处于第一个层级并接近第二个层级的一部分，并将 Opus 4.8 视为第一个让他觉得比自己更强的模型。他补充说明：对于 TypeScript 设计者 Anders Hejlsberg 来说，第一个层级或许还没有被突破。

Back in Nov 2025 I fully stopped writing code by hand, though I continue to code (using agents) every day. […] But engineering is more than coding.

🇨🇳 从 2025 年 11 月开始，我就完全停止手写代码了，但我仍然每天都在编程（借助代理）。[…] 不过，工程工作不只是写代码。 — @bcherny 在 X 上

Anthropic 承认 Opus 的冗长是优先事项，并给出临时补救

8 月 23 日 — 面对有关 Opus 缺陷的追问，Boris Cherny 直接公开承认：冗长是团队已识别出的一个问题，而且优先级很高。与此同时，claude /config outputStyle=concise 命令会启用 8 月 20 日发布的 Concise 风格。真正的信息在于：Concise 不是一种舒适选项，而是团队试图从源头修正某种行为之前的临时应对方案。

同一段交流还包含一个前一天即 8 月 22 日 给出的使用建议：在迭代优化方面，Opus 可能没有被充分使用——CPU 和内存占用、CI 时间、延迟、帧率——按照一种可复现的模式，用剖析器和数据集在 X 上反复迭代，直到达到 Y。

We know Opus is not perfect, and it is a big priority for the team to fix it.

🇨🇳 我们知道 Opus 并不完美，而修复它是团队的一项重大优先事项。 — @bcherny 在 X 上

🔗 Opus 与迭代优化

Gemini 3.7 Flash 在创下纪录级采用后进入 Google Search

8 月 22 日 — Sundar Pichai 公布的不是一个模型：Gemini 3.7 Flash 于 8 月 13 日发布。他公布的是采用速度，这是 Gemini 家族中最快的；以及部署情况：该模型如今已在 Google Search 中运行，同时也用于 Gemini 应用。发布时，它仅通过 Spark 向 Pro 和 Ultra 订阅者、Gemini Enterprise Agent Platform 以及 API 开放——进入 Search 之后，其曝光规模发生了变化。

已评测基准	得分	每任务成本（USD）
ARC-AGI-1	95,5 %	0,12
ARC-AGI-2	84,6 %	0,25

Gemini 3.7 Flash smashed previous Gemini growth records in its first week, making it our fastest growing model yet.

🇨🇳 Gemini 3.7 Flash 在第一周就打破了此前 Gemini 的增长纪录，使其成为我们迄今增长最快的模型。 — @sundarpichai 在 X 上

🔗 ARC Prize 于 8 月 20 日发布的 ARC-AGI 分数

Gemma 突破十亿次下载，Google 发布 Awesome Gemma 仓库

8 月 20 日 — 来自 Google DeepMind 的 Clement Farabet 和 Olivier Lacombe 宣布，开放模型家族 Gemma 的累计下载量已超过 10 亿次，社区在两年内发布了超过 10 万个变体。被提及的部署体现了其覆盖范围：NASA、Satlyt 和 Starcloud 将 Gemma 部署在卫星上，用于机载图像分析；在印度，National Health Authority 已将 Gemma 4 集成到 Aarogya Setu 2.0 中，用于标准化医疗报告。在研究方面，Yale 和 Google 基于 Gemma 构建的 C2S-Scale 识别出一条抗癌治疗路径，随后在活细胞上得到了验证。Google 还为开发者准备了一项配套交付物：GitHub 仓库 Awesome Gemma，这是该生态系统项目和教程的官方目录。

测量指标	公布的数值
Gemma 累计下载量	超过 10 亿
社区发布的变体	超过 100 000
提交到 Gemma Challenge 的项目	超过 1 600

🔗 Google DeepMind 博文

Amp 为其 orbs 的 portals 提供可读域名

8 月 23 日 — orb 是 Amp 运行代理的远程、一次性机器；portal 则是一个 HTTP 入口，可在浏览器中打开该 orb 上正在构建的应用。每个 portal 原先都会收到一个难以辨认的自动生成地址，例如 t-01a0095e-9568-whatever-p1234.onamp.dev——用来看一眼还行，但传给团队链接时就不太实用了。现在有三种替代方式：自定义前缀、个人域名，或工作区域名（workspace）。Amp 还举例说明了 park.mixfox.org 这样的普通地址，它可服务于托管在 orb 上的应用。配置可以在 Portal 标签页中完成，也可以直接让代理来处理。其公开说明中的动机与功能同样重要：portal 越来越不像临时预览，而越来越像持久化应用。仍然有一个限制，Quinn Slack 也予以确认：共享不会跨越工作区边界。

🔗 Amp 公告

LEADBOARD 发布其药物预测基准的噪声下限

8 月 22 日 — FINAL-Bench 团队在 Hugging Face 上发布了一个开放的药物性质预测基准：21 个表格、7 个学科、212 670 个训练化合物和 18 382 个测试化合物。与其说这篇文章是一次发布，不如说是一场方法论展示。在 hERG 表上，把时间切分改为随机切分，会让 AUROC 从 0,606 提升到 0,818，而分子、指纹、算法和超参数都保持不变：随机抽样只是把同一化学系列分到测试集的两边。第二个发现来自标签质量：hERG 的噪声下限为 0,421；而在 19 个回归表上，简单预测均值就在其中 7 个表上获得了最佳绝对误差。

hERG 数据切分	得到的 AUROC	模型的 MAE	常数的 MAE
时间切分，2022 年截断	0,606	0,599	0,589
随机切分，5 个种子均值	0,818	0,457	0,671

🔗 Hugging Face 上的 FINAL-Bench 文章

简讯

为什么手机端会话启动花了这么久 — 在昨天报道的公告之后，Boris Cherny 于 8 月 22 日 解释说，默认安全设置决定了时间表：设备信任与验证，以及对 prompt 注入的防护。后续还会有其他更新。🔗 @bcherny 线程
GitHub 重新强调 Dependabot 冷却期 — 没有安全风险的版本升级会等待三天，以便扫描器识别被投毒的版本；安全补丁仍然立即生效。延迟可通过 cooldown 调整。7 月 23 日的博文在 8 月 23 日 被重新强调。🔗 @github 推文
蒙特利尔 Music Technology Hackathon 上的 Stable Audio 3.0 — 与 Music Hackspace 和 MUTEK 合作举办的 48 小时黑客松，时间为 8 月 22 日和 23 日，围绕面向音乐制作人的工具展开。Stability AI 在此强调开放权重：透明度、艺术控制，以及对技术使用方式的话语权。🔗 收官视频
DOOM 运行在一颗由 GPT-5.6 Sol 设计的处理器上 — 该模型在游戏 Turing Complete 中组装出了一颗名为 Codex-R32 的 RV32IM 处理器，PureDOOM 移植版则以原生机器码在其上运行。该演示于 8 月 23 日 由 @OpenAIDevs 转发。🔗 @Angaisb_ 线程

这意味着什么

这个周末没有任何模型发布，这正是让这一天显得清晰的原因。真正发生变化的是现有模型的部署、实际使用它们的人数，以及那些妨碍使用体验的问题被修正。各家公司在推进采用，而不是发布公告。

在开发工具方面，Boris Cherny 的表述之所以重要，主要在于他在同一句话里划出的边界：对一部分从业者来说，编码似乎已经解决了，但工程没有；而且他还特意引用了一位专家，在那位专家看来，第一个层级甚至都还没达到。对 Opus 冗长性的承认也与此一致：模型的默认行为已经变成了一个独立的产品问题。像 outputStyle=concise 这样的配置补救把负担转移给了用户，而 Anthropic 也明确将其视为临时修复而予以接受。

本周末，大规模部署呈现出三种不同形式。Gemini 3.7 Flash 从订阅用户和开发者范围走向 Search，按照 ARC-AGI-2 上 84,6 % 的得分和每任务 0,25 USD 的成本，这在经济上变得可行。Gemma 则通过下载量和社区变体来衡量采用程度，而其在轨道与公共卫生中的部署，与任何演示型用例都截然不同。最后，Amp 只是顺势承认了它未预料到的一种用法：当一次性预览变成持久化应用时，就必须给它们一个稳定地址。

剩下的是测量问题，而 LEADBOARD 出现得正是时候。若不改变模型一行代码就能得到 0,21 个 AUROC 点的差异，一条恒定预测却在 19 个回归表中的 7 个上胜过模型：没有切分方式、噪声下限和基线参考的已发布分数，是无法解释的。这正是 Google 同一周末重点强调 ARC-AGI 数值的原因——来自第三方的、经过验证模式下的测量，而不是内部自报的结果。