信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

  • 主题:默认硬预算上限（hard budget caps）——AI agent 失控消费的救命设计模式复盘 | 来源:@simonw | 链接:https://simonwillison.net/2026/Oct/3/default-hard-budget-caps | 仓库:无 | 论文:无 | 硬核点:AI agent 失控消费的救命设计模式——pay-by-usage API 必须从软警告升级为硬切断，AWS/Google Cloud 已落地实践，Simon 给出具体实现路径和竞品对比攻略素材；10/3 发帖，在窗口内

  • 主题:Ember-1 后训练复盘（Kimi K3 精调，40% 更简洁同等质量，40% 更快更便宜）| 来源:@rasbt | 链接:https://x.com/rasbt/status/2104326522354147793 | 仓库:无 | 论文:无 | 硬核点:rasbt 亲自评测 Fireworks AI Ember-1，给出"花$xxM 预算正确姿势是后训练而非从头预训练"的具体建议；攻略价值：后训练预算分配决策参考；9/27 发帖，距窗口6天（Sep 30-Oct 6 = 7天）

其余线索（≤8天窗口外，参考留档）

  • @jerryjliu0 9/22 分享 Opus 5.5 ParseBench 表格解析 SOTA（93.9%，+7% vs Opus 5），LlamaParse Agentic Plus 可比；run-llama/ParseBench 已在 watchlist（2026-07-22）；攻略可对比各模型文档解析选型
  • @jerryjliu0 9/5 分享 GPT-6 Astra 短中文档解析 SOTA（97.2% / 90.6%），LlamaIndex ParseBench 实测各 Frontier 模型文档解析能力边界
  • @rasbt 9/15 分享 GPT-5.6 Astra vs Qwen3.8 Max Paint UI 视觉 benchmark 对比，指出评分规则本身测量的是 harness 而非模型；评测设计方法论值得留档
  • @rasbt 9/23 "开源 harness 核心价值是透明可审计，不是免费"；agent 评测可验证性讨论，有观点价值
  • @_akhaliq 9/18 分享 Harness Design for Coding Agents 实证研究论文（arxiv 2609.20804，UMass+Emory+UNC Charlotte，43页），系统消融规划/动作空间/上下文管理三组件
  • @_akhaliq 9/14 分享 SAS 注意力稀疏化论文（arxiv 2609.13141，腾讯+港科广），端到端优化 Context Ranking 替换 Top-K 硬截断，GPQA-Diamond 同等 1K budget 下 SAS 50.41% vs SeerAttn-R# 39.84%
  • @omarsar0 9/10 分享 Salesforce 共进化 harness 论文（弱模型进化 harness → 强模型蒸馏到同一 harness，性能反降 4-30pts），harness engineering hot topic
  • @hwchase17 9/21 分享 Jev-as-a-judge 进入 LangSmith，可低成本全量评分 production trace；产品更新留档

本轮说明

本轮扫描（10/1-10/6）12 账号中，@simonw 10/3 硬预算上限复盘是唯一明确在3天窗口内的干货。@rasbt 9/27 Ember-1 评测距窗口6天，属宽窗口边界。多数其他候选距窗口已超14天，仅供攻略参考。本轮干货候选密度偏低，属正常波动。