信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

本轮覆盖时间窗口:2026-10-04 ~ 2026-10-10 (7 天);本次实扫 12 账号,综合搜索命中 6 条有效线索。近期 X 硬核技术账号发布频率偏低,多条高分内容时间戳在窗口边缘或窗口外,已一并收入供参考。

  • 主题:LLM Agent 必须标配默认硬预算上限——Simon Willison 系统阐述 AI 编程/个人 Agent 意外天价账单问题 | 来源:@simonw | 链接:https://simonwillison.net/2026/Oct/3/default-hard-budget-caps | 仓库:无 | 论文:无 | 硬核点:Simon Willison 亲测 AWS/Google Cloud 预算管控现状,指出现有 soft cap 无实际截流能力,提出 hard budget caps 为 pay-by-usage API 必备功能;Agent 场景下 retry loop 可在数小时内烧掉数百美元;$1 虚拟卡方案作为临时解法

  • 主题:StepAudio 3 Realtime Technical Report——StepFun 全双工语音模型,Think-While-Speaking 架构,98.9% AA Full-Duplex Bench | 来源:@_akhaliq | 链接:https://x.com/_akhaliq/status/2100257483675873481 | 仓库:无(Step-Audio-R1 旧仓库见 stepfun-ai/Step-Audio-R1;StepAudio 3 暂无独立 repo) | 论文:https://arxiv.org/abs/2609.14005 | 硬核点:Think-While-Speaking 在生成语音同时执行私有推理,解决"深度思考 vs 低延迟"矛盾;Deep Perception 捕捉丰富声学线索;Seamless Duplex 自然处理暂停/打断/Backchannel;τ-Voice 56.0% 任务成功率

  • 主题:Harness Design for Coding Agents——Fan et al. 176 配置消融实验,量化规划/动作空间/上下文管理对 SWE-Bench Verified 和 Terminal-Bench 2.1 的独立贡献 | 来源:@_akhaliq | 链接:https://x.com/_akhaliq/status/2101020560964866103 | 仓库:无(作者 rzfan525.github.io 未附 repo,arxiv:2609.20804) | 论文:https://arxiv.org/abs/2609.20804 | 硬核点:Context Management 延长执行轨迹但不改变行为;Planning 改变轨迹停在哪里;Action Space 改变代码粒度;上下文管理对命令行任务性价比最高

  • 主题:从 API 加密推理块中提取思维链——Panfilov et al. 发现 Anthropic/OpenAI/Google 思维 token 可被白盒提取,315K+ 公开轨迹泄露隐私 | 来源:@swyx | 链接:https://x.com/swyx/status/2087437017840046156 | 仓库:https://github.com/mitkox/stolen-thoughts | 论文:https://arxiv.org/abs/2608.09867 | 硬核点:已协调各厂商提前披露;独立复现 at mitkox/stolen-thoughts 含 live demo + validation suite;可提取 62 个 API key、33 个密码、24 个 access token、30 封私人邮件

  • 主题:PlasmaAI Radio——多 Agent 共享上下文协调方案,Agent 通过 channel 抽象加入共享聊天室,替代手动复制粘贴 | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2099880259210412282 | 仓库:无(plasma.ai 产品页,Sep 15 发布,github 未确认公开仓库) | 论文:无 | 硬核点:多 Agent 团队同步难题的干净解法;channel 抽象使 Agent 间可实时共享上下文并相互handoff;评论反映"shared context 优于 manual relay"

  • 主题:OpenAI Codex Agent Prompt Caching 策略深度解析——Harness 层面优化:system message + tool specs + repo map + developer instructions 全部打入 cache 以最大化 hit rate | 来源:@cwolferesearch | 链接:https://x.com/cwolferesearch/status/2054202312436953270 | 仓库:无(cwolferesearch 分析指向 OpenAI 官方博客) | 论文:无(原 post May 12,2026) | 硬核点:cache boundary 是关键细节——stable parts 放边界以上得真实节省;repo context 若持续跨边界移动则经济性大打折扣;开发者指令通常 project-specific 导致缓存命中率低

其余线索

  • @_akhaliq:JEPA-Anything(预测世界模型)论文分享(arxiv:2609.13743,Sep 18)——超过预测下一个 token 的范式,但原帖技术细节不足,暂不够格写攻略
  • @_akhaliq:SAS(Simple Attention Sparsification)论文分享(arxiv:2609.13405,Sep 16)——Hard Top-K 阻断梯度导致 selector 训练为模仿 dense attention 而非真正稀疏;有技术深度但帖中展开有限
  • @swyx:Mac Setup 2026 帖子(3 月)——swyx 发布个人 workflow 总结,但属于 personal setup 非硬核工程帖
  • @cwolferesearch:Reward Models 在 RLVR 时代的角色分析(7 月)——RM 对 RLHF 仍有价值,但核心是已知研究,时效性不足
  • @cwolferesearch:Gemma 模型 tool calling 反馈征集帖(8 月)——产品调研帖,非硬核干货
  • @tri_dao:$700M Series C 融资公告(8 月)——资金动态,非技术帖
  • @svpino:AI-powered personal assistants 预测帖(Sep)——行业观察,不够硬核