Antigravity 把插问变成支线,Codex 扩大 WebSocket 上限,Neon 开始补缓存

今天的几个变化都发生在模型外面:主任务跑着时,怎么展开一个旁支?长工具输出怎么不拖慢下一轮?同一个模型,换个 Agent 又为什么感觉不同?这期从这些具体问题讲起。

今日推荐

  • Antigravity:新版 /btw 可以把临时的旁支问题继续做下去,并把有用的支线提升出来。

  • Codex:WebSocket 请求上限从 16 MB 提至 128 MB,减少大轮次退回 HTTP。

  • Gemini 4 Neon:Antigravity 团队说正在扩大缓存池,以改善同一额度下的实际工作量。

1. Antigravity 把 /btw 做成可提升的支线

Antigravity 官方演示了新版 /btw。旧用法是在主 Agent 忙时插问一句;新用法可以从当前任务分出一条支线,沿着支线继续探索,值得保留的方向再提升出来。主线继续留在原位,试错过程不用挤进正在执行的会话。

为什么值得看:这是比多开一个聊天窗更具体的设计:在处理迁移时,主线继续跑,支线去查一种替代方案,最后只在用户决定时合流。值得实测的是分支继承了哪些上下文,提升后带走哪些结论,以及两条线能否各自取消。

原帖与资料:Antigravity

Antigravity 原帖视频封面:在会话中用 /btw 开支线

2. Codex 把 WebSocket 请求上限从 16 MB 提到 128 MB

Charlie Marsh 披露,Codex 用 WebSocket 增量发送模型请求,大小上限从 16 MB 提到 128 MB。大轮次不容易因为单次请求过大而退回 HTTP;即便仍超过上限,他称这一分支也快了约五倍。这里说的是传输大小和超限路径,不是 128 MB 的模型上下文,更不是每轮都能快五倍。

为什么值得看:对 Agent 团队,值得加一个指标:大轮次的 WebSocket 回退率,以及从开始上传到模型开始生成之间的 P95。大工具输出拖慢的可能是传输和重试,优化模型未必对症。

原帖与资料:Charlie Marsh

3. Neon 的额度体验,问题出在模型之外

Neon 前几天已经发布,今天有新信息的是实际用量。Antigravity 的 Varun Mohan 说,团队在扩大缓存池,预期 Neon 的缓存命中率提高约 4%,同一额度下能做的工作至少多 20%,并说完成后会重置额度。这是他给出的预期,不是独立测量,也没有确认重置已经发生。另一边,Theo 对模型表现很积极,但主观体验和用量是两回事。

为什么值得看:同一模型的真实账单,常常被重复前缀和长会话拖着走。做对比时可以固定仓库、任务、思考档位,再分别记录冷启动和热缓存下的完成率、耗时、额度消耗。Google 公布的每任务成本基准和账号内的订阅额度,不适合合并成一个数。

原帖与资料:Varun Mohan · Theo · News from Google · Google Antigravity

4. Linear 进入 Antigravity,工单上下文离代码更近了

Linear 官方宣布可以在 Antigravity 里带入工单、项目和相关上下文,让 Gemini 4 Neon 从现有工作记录出发。公告确认的是上下文接入;它没有说明 Agent 能进行哪些写操作,不能据此认定它已经能替你关闭工单。

为什么值得看:试这个集成时,可以挑一张验收条件散在多条讨论里的 bug 单,检查 Agent 是否找对了对应代码和测试。对专业团队来说,少复制一遍工单是起点;真正省时间的是修复结果能逐条对上验收条件。

原帖与资料:Linear

Linear 原帖视频封面:Linear 与 Antigravity 的标识

5. VS Code 把「交给 Agent」和「自己接手」放在同一条工作流

VS Code 团队在 Ignite 的演示预告里,把 Copilot 的交接讲得很清楚:分给 Agent 一部分工作,开发者可以在同一个项目上下文里回来审阅、编辑和调试。它是一场演示的描述,不必把它读成所有端都同步上线的新功能。

为什么值得看:接手是否顺滑,可以用一个故意留失败测试的任务量出来:回来后隔几步能看到 Agent 改了什么、失败在哪里,能不能直接在那个断点继续。把这段时间也加到 Agent 的端到端耗时里,比只测生成速度更接近实际。

原帖与资料:Visual Studio Code

6. OpenAI 公开对抗性蒸馏研究,重点是单独测防护

OpenAI 发布了一份对抗性蒸馏研究,介绍它如何识别和干预有组织的尝试,以及评估对受保护推理信息的防护。报告的核心区分是,能力迁移不代表原有防护也一并迁移。文中数字对应 OpenAI 自己的测试和威胁模型,不等同于通用成功率。

为什么值得看:如果一个团队换了底模、蒸馏版本或者推理网关,即使业务基准不掉分,原来的安全验收也应该重跑。把能力、拒绝边界和实际工具权限拆开测,能更快判断是模型变了,还是应用少做了一层控制。

原帖与资料:OpenAI on X · OpenAI report

7. 大仓库里,读懂整个系统不是改一行代码的前置条件

Randy Lu 在转发 Sean Goedecke 的讨论时回忆,OneDrive 的大仓库让功能开发很难从全局理解开始,团队甚至需要专门的电子书来介绍系统。Sean 的原文更直接:在持续变动的大型系统里,局部理解经常是开发者能实际建立的理解。旧文章今天被转回讨论,不是今天首发。

为什么值得看:给 coding agent 的启发是,先找到改动的边界,让它拿出相邻接口、调用方和回归测试的证据。能证明局部改动不破坏契约,比一次把整个仓库装进上下文更有用。遇到跨模块行为时,再主动扩大阅读范围。

原帖与资料:Randy Lu · Sean Goedecke

8. Athas 改用原生 Rust + GPUI,给编辑器启动成本一个对照

Athas 官方账号称,它把编辑器重写成 Rust + GPUI 原生应用,去掉 WebView 和 JavaScript 运行时。团队报告项目打开快 2.4 倍、内存至少减半。这是项目方相对旧实现的对比,基准环境和扩展生态没有在这条帖子里展开。

为什么值得看:这组数字适合用来设计自己的基准,不适合直接据此选框架。可以把打开窗口、看到项目树、编辑器可交互、Agent 索引可用分开打点,分别跑冷启动和热启动,看看消失的是哪一段等待。

原帖与资料:Athas

Athas 原帖视频封面:macOS 上的编辑器界面

9. 订阅花在模型上,体验却会被 Agent 外壳改写

范凯在一条订阅账单帖里讲了主观体验:同样用 GPT,换成 Pi Agent 或 Hermes 后体验与 Codex 不同。Lee Robinson 则从产品角度说,模型能力提升后,产品还得跟上。两条都是使用感受或判断,不是同模型、同参数下的可复现对照。

为什么值得看:一个能落地的对照:固定仓库、模型和思考档位,用同样的测试判定修复是否成功,再对比两套 Agent 的工具轮次、重复读文件次数和单个成功任务的成本。这样才能知道差异究竟出在模型还是调度、上下文与工具。

原帖与资料:范凯说 AI · Lee Robinson


如果只试一件事:挑一个有长工具输出、又需要人工接手的真实任务。把等待时间拆成传输、模型生成、测试和接手四段。总用时可能差不多,但拆开看就知道下一步该优化哪一段。