章节时间戳

00:00 开场
01:04 精讲：Anthropic 的 Claude Opus 5.5 如何压低长任务成本
03:17 精讲：小米 MiMo-V2.6 如何扩展可验证强化学习
05:31 精讲：美团 MTFM 如何统一外卖推荐建模
07:39 重点 4–6：大模型推理、任务评估、Agent Harness
09:53 重点 7–10：AI Coding、企业上下文、智能算力、第三方评估
12:47 结语

★ 精讲一 | Anthropic 发布 Claude Opus 5.5，长任务成本降四成

01:04｜来自 Hacker News｜BestBlogs 评分 93

Anthropic 把 Opus 5.5 的重点放在更长、更可控的真实工作流：官方称其典型任务成本较 Opus 5 低 40%，并引入每次行动前的分类器、可审计沙箱和合并前代码审查。它同时承认预发布评估仍难覆盖真实部署，适合拿来审视高能力 Agent 的效率提升与治理边界如何并行落地。

★ 精讲二 | Xiaomi MiMo-V2.6：扩展强化学习，迈向自我提升

03:17｜来自 Xiaomi MiMo｜BestBlogs 评分 92

小米把 MiMo-V2.6 的重点放在可验证复杂任务上的大规模 RL，而非只展示单项榜单：两种模型在 6 天 Live RL 中各完成 30 步、累计约 75 万条轨迹，并公开了训练框架、任务环境和轻量 Harness。文章也保留与最强闭源模型仍有差距的判断；对开发者而言，更值得看的是把训练过程和复现资源一并开放的做法。

★ 精讲三 | MTFM：美团统一推荐基座大模型在外卖多业务场景的落地实践

05:31｜来自美团 · 技术团队｜BestBlogs 评分 92

美团将外卖首页、拼好饭等长期独立建模的场景放进一个推荐基座：用异构 Tokenizer 和动态 Mask 处理不同特征与时序，以混合注意力控制长序列成本。文章称多个业务已全量，最显著业务订单增长超过 6%，推理成本降低 24%。这份实践的价值在于同时交代统一建模、训练稳定与训推优化如何相互配合，而非只报告线上结果。

重点 4–10

07:39 继续阅读七篇重点内容

腾讯 15 年资深后台工程师，转战大模型推理的抉择

07:39｜来自腾讯技术工程｜BestBlogs 评分 92

本文分享了一位腾讯 15 年资深后台工程师在 AI 时代转型大模型推理工程的心路历程、技术路径及对未来趋势的深度思考。

高级评估: 如何在产品中发现并修复隐藏的 AI 失败

07:39｜来自 Lenny's Newsletter｜BestBlogs 评分 90

大多数 AI 团队会跳过错误发现并直接写入指标，但审查跟踪以找到值得测量的失败是最高效的步骤，编码代理可以自动化大部分工作，约 30 分钟。

Impeccable：用技能工程构建可靠智能体执行框架 [视频]

07:39｜来自 AI Engineer｜BestBlogs 评分 91

Paul Bakaus 展示了 Impeccable 如何借助独立评审、反吸引子、任务路由、持久记忆、可执行上下文、Hooks、实时交互和模型专属构建，将设计提示转化为可靠的智能体 Harness。

提效约 70%！去哪儿网 AI Coding 驱动大型系统重构实践

07:39｜来自 dbaplus 社群｜BestBlogs 评分 89

去哪儿网分享如何通过构建 Harness（约束系统）与 Loop（反馈系统），将 15 万行代码的大型核心系统重构转化为可拆解、可验证的工程化 AI Coding 实践，实现交付效率提升 70% 及显著的性能优化。

千问办公押注的企业上下文，是 Agent 时代的组织语言

07:39｜来自爱范儿｜BestBlogs 评分 86

千问办公发布企业上下文（Enterprise Context）及相关产品，旨在通过构建结构化的组织知识体系、赋予 Agent 明确的组织身份与安全审计机制，将 AI 从通用办公工具升级为能深度嵌入企业业务流程的数字员工。

AI 进入生产阶段之后，智能、算力、芯片会走向哪里？ [播客]

07:39｜来自屠龙之术｜BestBlogs 评分 86

庄明浩以单口 PPT 形式整理 AICC2026 人工智能计算大会，从需求侧结构性跃迁、智能重新定义、算力芯片生态三层，论证 AI 进入生产阶段比的是「谁能让每个任务跑完」。

有效第三方评估的优先事项和原则

07:39｜来自 OpenAI News｜BestBlogs 评分 90

OpenAI 承诺支持独立评估，提供训练、评估和部署的深度访问，并提出了四个评估优先事项。

相关链接

· 本期早报在线阅读：https://www.bestblogs.dev/explore/brief/2026-09-23

· Anthropic 发布 Claude Opus 5.5，长任务成本降四成：https://www.bestblogs.dev/article/3af6c5a106

· Xiaomi MiMo-V2.6：扩展强化学习，迈向自我提升：https://www.bestblogs.dev/article/8717d12a88

· MTFM：美团统一推荐基座大模型在外卖多业务场景的落地实践：https://www.bestblogs.dev/article/695010f7fb

· 腾讯 15 年资深后台工程师，转战大模型推理的抉择：https://www.bestblogs.dev/article/a6da76a758

· 高级评估: 如何在产品中发现并修复隐藏的 AI 失败：https://www.bestblogs.dev/article/3f08d1eb1d

· Impeccable：用技能工程构建可靠智能体执行框架 [视频]：https://www.bestblogs.dev/video/d645aff0f

· 提效约 70%！去哪儿网 AI Coding 驱动大型系统重构实践：https://www.bestblogs.dev/article/28a7fada55

· 千问办公押注的企业上下文，是 Agent 时代的组织语言：https://www.bestblogs.dev/article/50c945cbe4

· AI 进入生产阶段之后，智能、算力、芯片会走向哪里？ [播客]：https://www.bestblogs.dev/podcast/bb87a822d

· 有效第三方评估的优先事项和原则：https://www.bestblogs.dev/article/6e88bfa7b4

关于 BestBlogs

BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。

前往小宇宙评论区与主播互动

EP184 · 长任务成本、强化学习反馈、统一推荐 · 09-23 早报

BestBlogs

EP184 · 长任务成本、强化学习反馈、统一推荐 · 09-23 早报